阿里云阿里云智能-大模型解决方案架构师-AI Force（北京/上海/广州/深圳/杭州）

1、深入参与重点客户大模型及Agent业务落地过程（包括但不限于宣讲/poc/产研推动等），识别具备可复制性、规模效应的场景及方案，跨地域进行复制，对结果目标达成率负责。 2、大模型某个领域的行业专家，包括但不限于产品/场景/赛道，参与客户攻坚工作，并进行专项的行区赋能，对重点赛道份额、产品解决方案竞争力、核心产品竞争力负责。 3、所在区域的经营单元接口，了解区域通盘情况，并定期收集重点问题、共性问题、重点需求进行反馈，对区域重点需求和问题的推进结果负责。 4、竞对分析及行业信息探查，行业圈子建设，对业界动态敏感，影响产研资源投入及方向，重点产品友好客户一线接口人。 5、发掘及洞察大模型领域的新机会，对公司长期大模型业务的成功负责。

客户需求洞察及方案设计 • 掌握并理解客户的业务场景、整体技术架构、业务与IT战略优先级及业务成功指标，挖掘客户潜在需求，提供能满足客户需求的云和AI全栈方案，规划业务策略和实现路径，解答客户对产品、解决方案的常规问题。 • 基于对技术发展趋势的把握，作为策略规划和架构专家，与客户共同规划未来云和AI业务与技术规划，成为其可信赖的顾问，识别其中潜在的合作机会，并提出具备前瞻性的方案和架构设计。 售前引导与实操能力 • 针对客户对AI算力、大模型应用场景落地等需求，通过标杆案例及场景化演示，向客户高层展示阿里云AI全栈产品的竞争优势，确保技术方案与客户业务目标深度绑定。 • 通过技术影响力的建立，维护客户关系，构建PoC测试和方案选型，对POC结果负责，就安全性、稳定性、性能、可持续性和运行效率给出技术建议。 技术策略制定和项目赢单 • 分析复杂客户的情况，提出基于阿里云解决方案的建议，制定产品选型策略和技术路线图，将阿里云全栈AI产品技术与客户业务需求结合，帮助客户拓展AI应用新场景，推动技术采用。 • 针对重点项目/客户，面向客户高层介绍阿里云产品和解决方案的优势，传递技术价值及其带来的业务收益，引领客户向AI转型，推动项目顺利签约。 • 在售前规划和方案实施过程中，识别并有效应对技术和项目风险，协同产研及交付团队正常履约，实现收入转化，优化阿里云的效果与客户满意度。 能力沉淀和赋能 • 构建可复用的知识资产：沉淀面向细分领域/场景的通用云架构模板、AI解决方案最佳实践、细分领域标杆案例等知识文档。 • 内部团队、生态伙伴、客户赋能和培训。 产品需求和改进反馈 • 识别和理解阿里云平台的技术问题和机会，传递客户需求和反馈给产品团队，影响功能开发和未来产品路线图，保持阿里云产品的市场竞争力 • 将客户使用中遇到的影响客户体验的问题，反向推动内部解决，推动内部产品解决方案和流程体系的改进。

1. **AI驱动组织提效与业务落地：** 帮助客户识别核心业务中可被AI替代或增强的环节，设计AI原生工作流，推动客户从"个人AI工具使用"向"组织级AI提效"转型，实现可见的业务ROI。 2. **云业务支撑与商业价值达成：** 支持阿里云公共云业务，主要服务于西南区互联网行业客户。作为售前解决方案架构师，主导技术合作设计与对接，协同销售团队达成业务销售指标与市场占有率目标。 3. **行业专家与生态布道：** 在游戏、音视频、媒体资讯、在线教育、在线广告或人工智能等一个以上垂直细分领域深耕，把握行业市场和技术发展趋势，推动行业解决方案和合作生态的落地。 4. **AI任务闭环与运行架构：** 为客户设计自动化循环工作流（目标设定—执行—反馈—验证—修正），同时搭建Agent运行的工程基础设施，包括权限控制、执行隔离、状态管理和成本控制，确保AI在复杂业务场景中安全、稳定、可控地执行。 5. **方案沉淀与知识输出：** 沉淀行业最佳实践与解决方案，形成可复用的方案文档和技术总结。组织内外部行业峰会/沙龙进行分享，推动团队及阿里云AI生态的整体能力建设。

对通义大模型的合作项目提供技术支持，推动大模型及其衍生产品的商业化工作： 1. 大模型商机判断和深度技术交流： （1）赋能前端业务线/行业线，推动大模型场景业务快速拓展。 （2）作为通义大模型产研团队代表，支撑前线业务线开展商机判断和选择。 （3）针对复杂项目需求，协同前后团队与客户进行深度技术交流，促成商机转化，为模型的商业规模化结果负责。 2. 模型解决方案设计与规模推广： （1）支持行业/区域的市场洞察，理解行业客户的业务和功能性/非功能型需求，基于客户场景，提供有技术竞争力和成本优势的模型及产品解决方案，并在产品选型/配置报价/招投标过程中， 提供技术支持。 （2）提炼具有客户价值的关键技术指标，形成产品指标项，在POC、Winback等业务活动中落地验证。 （3）跟进产品方案的落地效果，推动持续优化产品方案。 （4）沉淀产品解决方案的最佳实践，通过项目实践总结标杆案例，加速产品方案规模化复制。 （5）探索创新产品的方案和场景，推动新产品快速市场覆盖。 3. 产品改进： （1）深入调研客户需求，将合理需求准确地反馈到产品研发团队，负责改进需求在产品中的实现效果验收，帮助部门大模型/智能化相关产品的持续发展。 （2）能够构建场景/领域/行业的合理商业benchmark，持续推动模型的行业领先性。 （3）识别模型的能力缺陷，发掘场景并促成有效数据合作，构建健康、长期的数据及闭源模型合作。 4. 推动通义模型生态运营，促进公司大模型周边生态伙伴的建设，为开发者提供全过程的赋能和支持。