阿里云阿里云智能-行业（电商/客服）解决方案架构师 / Architect of Industry Solutions, E-Commerce & Customer Service-杭州
任职要求
基础条件 ● 本科及以上学历，10年以上技术架构或SaaS产品开发经验，其中5年以上聚焦在电商或客服领域 ● 有主导大型行业解决方案从0到1落地的成功案例 ● 在技术架构设计与业务抽象方面具备深厚积累 核心能力 ● 行业深度：深刻理解电商全链路业务或智能客服系统的业务逻辑与技术架构，能将行业痛点精准转化为技术方案 ● SaaS架构能力：精通SaaS产品架构与API设计，有多租户、高可用、可扩展的行业SaaS平台建设经验 ● AI工程落地：有大模型或AI Agent在行业场景的实际落地经验，理解Agent编排、对话管理、知识库构建等核心技术 ● 商业化思维：有技术方案驱动商业化的成功经历，能用客户语言阐述技术价值，参与并赢…
工作职责
岗位定位 AI Agent正在重塑电商与客服等行业的每一个业务环节。我们需要一位既深谙行业本质、又能驾驭AI技术落地的解决方案架构师。 您将全面负责电商与客服行业AI Agent解决方案的技术规划、产品架构与商业化落地。这个角色的核心使命是：将大模型与Agent能力转化为行业客户真正愿意买单的Agentic产品与API服务——从智能客服、商机挖掘到全链路业务自动化，让AI深入业务流程的每个关键节点，为客户创造可量化的商业价值。 这不是一个纯架构设计岗位。您将同时对技术方案的行业适配性和商业化结果负责，并与标杆客户及行业合作伙伴紧密协作，打造具有差异化竞争力的行业解决方案。 核心职责 行业洞察与解决方案架构 ● 深入理解电商全链路业务（跨平台运营、商机管理、订单履约、供应链协同）与客服场景（多渠道接入、智能路由、多轮对话、工单流转），识别AI能够创造核心价值的关键环节 ● 主导行业AI Agent产品的整体架构设计——定义Agent工作流编排、多轮推理策略、工具调用链路、行业知识库构建等核心技术方案 ● 将复杂的行业Know-how抽象为可复用、可配置的标准化Agent工作流与Agentic模块（Skill/CLI/MCP），构建"行业模板+灵活定制"的产品架构 技术方案设计与落地 ● 主导电商API、智能客服系统、Agent编排引擎等核心模块的技术架构设计与高质量交付 ● 设计行业解决方案与客户现有系统（CRM、ERP、电商平台、工单系统等）的集成架构，确保方案能无缝嵌入客户的业务环境 ● 推动大模型能力在行业场景的深度应用——包括意图理解、业务推理、多模态交互、自动化决策等，持续提升方案的智能化水平 商业化与客户成功 ● 与销售、产品团队协同，将技术方案转化为可规模化销售的行业产品，参与核心客户的方案设计与商务支持 ● 建立解决方案的效果度量体系（客户ROI、服务效率提升、人力成本优化等），用数据驱动方案迭代 ● 对行业线的商业化结果负责，推动标杆客户落地，实现从单点项目到规模化复制的商业路径
1、深入理解客户需求，结合行业特性（如电商，教育，泛娱乐等），提炼客户的终极诉求，沉淀行业解决方案及GTM方法论，树立行业标杆案例和典型场景价值案例，落地商业价值； 2、有算法（大模型）背景，对大模型及大模型应用有较深刻的理解，了解各个技术和能力的边界； 3、跟踪AI行业趋势，提炼差异化解决方案，协助产品优化；分析竞品技术路线，制定竞争策略； 4、配合前线发掘并跟进商机，支持重点商机的售前与销售过程，重点项目需把控整体进度，协调解决与产品、解决方案有关的问题； 5、定期Review相关行业&业务领域整体合作落地情况及具体合作商机情况，及时调整完善相关业务策略。
1. 负责客服业务系统的技术规划、架构设计、架构升级，根据业务及技术规划制定合理的技术架构解决方案。 2. 负责解决业务领域的核心技术难题，并持续提升系统稳定性，业务场景的全面性，推动业务数据化决策。 3. 负责AI在客服系统的落地实践，探索更佳的服务质量与效益。
岗位描述： 1. 战略与规划： 负责电商后台“AI驱动体验革新”的产品战略规划，定义下一代智能工作流交互的愿景和落地路径； 2. 用户洞察与工作流解构： 深入业务一线，与运营、客服、仓储等角色共同工作，深度理解并解构他们核心的工作流、决策点和痛点； 3. AI能力与业务场景融合： 将自然语言处理（NLP）、机器学习（ML）、智能推荐等AI能力，与具体的电商业务场景（如订单处理、库存预警、客诉分析、营销策划）进行创造性结合，设计创新解决方案； 4. 主导设计以任务为中心、对话式、主动推荐式的交互界面和操作动线； 5. 设计基于AI的智能助手、任务自动化、预测式操作、个性化工作台等核心功能； 6. 项目推进与协同： 带领UI/UX设计师、前端/后端及AI算法工程师团队，高效推进产品方案的开发、测试与上线，确保产品高质量交付； 7. 数据驱动与迭代： 建立产品效果评估体系，通过数据分析、用户反馈和A/B测试等手段，持续追踪和优化产品体验，驱动产品快速迭代。
团队介绍：广告业务原为商业产品与技术部门，为抖音集团的商业变现提供广告产品与技术，负责端到端大型广告系统建设，覆盖抖音、今日头条、西瓜视频、番茄小说、穿山甲等产品矩阵，践行"激发生意新可能"理念，致力于让营销更省心、更高效、更美好，推动商业的可持续增长，让不分体量、地域的企业及个体，都能通过数字化技术激发创造、驱动生意。连接广告主、用户及生态伙伴、成为开放共赢的全球最佳智能营销平台之一。在这里，你将投身建设面向未来的数字营销能力，接触到全球先进的商业产品架构、模型和算法，在互联网广告行业始终创新。 课题背景： 随着人工智能技术的快速发展，大模型技术在交易与广告场景中的应用日益广泛，已成为推动行业创新和效率提升的重要驱动力。大模型凭借其强大的学习能力和泛化性能，在多个领域展现出显著优势。例如，推荐大模型能够精准捕捉用户偏好，提升个性化推荐效果；AIGC（AI-Generated Content）技术可用于广告创意、商品图片和视频生成，大幅降低创作成本并提升内容质量；广告投放诊断系统和诊断助手帮助优化投放策略；智能客服、影片智能剪辑、智能导购、大模型审核、用户序列建模以及多模态广告和用户理解等应用，则通过自然语言处理、多模态数据融合等技术，提升用户体验和业务效率。 然而，交易与广告场景对大模型系统的要求极高，不仅需要模型具备出色的精度和泛化能力，还需在实时性、稳定性、可扩展性等方面满足严苛标准。特别是在大规模分布式训练、推理加速、异构硬件支持、多模态数据处理以及系统集成等方面，存在诸多技术难点。因此，针对交易与广告场景研发和优化大模型系统，不仅是人工智能技术发展的前沿方向，也是行业应用的迫切需求。本课题旨在通过系统和工程领域的深入研究，突破关键技术瓶颈，构建高效、稳定、可扩展的大模型解决方案，为交易与广告场景提供强有力的技术支撑。 课题挑战： 1、大规模分布式训练加速：大模型训练需处理海量数据和高复杂度计算，导致训练耗时长、资源需求大。如何优化分布式训练架构，提升数据并行、模型并行和流水线并行的效率，是首要技术难题。 2、推理加速和性能优化：交易与广告场景对实时性要求极高，如广告投放需毫秒级决策。如何在资源受限环境下通过模型压缩和推理引擎优化实现快速推理，是关键挑战。 3、异构硬件支持：大模型需适配多种硬件平台。如何实现高效部署和负载均衡，确保跨硬件精度一致性和高性能，是技术难点。 4、编译优化：编译优化是过程复杂，如何开发高效编译器，优化长尾/灵活模型或结构在不同Accelerator执行效率并减少延迟，是亟待解决的问题。 5、Agent工程：智能客服和导购等应用需构建自主决策的AI Agent。如何设计高效的Agent系统，支持复杂任务执行，是前沿挑战。 6、强化学习框架：强化学习在广告投放优化等场景中潜力巨大。如何构建高效框架，支持大规模环境训练和推理，是研究难点。 课题内容： 1、大规模分布式训练加速技术 1）研究数据并行、模型并行和混合并行算法，优化训练效率； 2）开发自适应负载均衡机制，减少资源浪费； 3）探索梯度压缩和通信优化技术，降低网络开销； 2、推理加速与性能优化方法 1）研究模型压缩技术（如量化、剪枝），减小模型体积； 2）开发高效推理引擎，支持批量推理和异步处理； 3）针对不同Accelerator的架构加速推理过程； 3、异构硬件支持与优化 1）设计通用部署框架，支持多硬件无缝集成； 2）开发硬件感知调度算法，优化任务分配； 3）研究跨硬件模型迁移技术，确保精度一致； 4、编译优化技术 1）深入优化模型编译器，优化长尾场景的计算开销； 2）研究图优化和算子融合技术，减少计算开销； 3）探索动态优化方法，提升运行时效率； 5、Agent工程与实现 1）设计模块化Agent架构，支持任务分解和决策； 2）开发多模态交互技术，提升用户体验； 3）研究Agent训练与评估方法，优化复杂场景性能； 6、强化学习框架构建 1）开发高效强化学习算法，支持多智能体协作； 2）针对交易与广告场景的训练场景优化训练速度，提升迭代效率； 3）探索强化学习在广告投放中的应用，提升决策效果。