阿里云阿里云智能-大模型解决方案架构师（华北）-新金融行业线（北京）
任职要求
• 2年以上技术解决方案、AI产品/项目、算法工程或AI创业经验。 • 在大模型调用或AI Agent搭建方面有实际项目经验或个人作品。 • 具备AI的标准化理论和方案能力，能向客户解释阿里云大模型的标准产品和技术，阐述阿里云AI产品的差异化价值。 • 能和客户一线主管独立建立技术互信，引导客户做出对阿里云有利的技术选择。 • 熟悉大模型产品的功能架构、适用场景、市场策略和竞争策略等，能够…
工作职责
1、客户需求洞察及方案设计 • 大模型场景洞察：理解客户业务场景、整体技术架构，主动挖掘客户核心业务中的高价值的大模型应用场景，与客户共创业务和技术的关键问题与效果标准，理解行业内AI场景的价值。 • 方案设计：基于客户业务目标与技术约束，设计端到端MaaS解决方案，涵盖模型选型、工程链路（推理/微调/RAG/Agent）、效果评估体系及上线路径。 2、售前引导和支持与实操能力 • 结合客户的业务场景需求，通过标杆案例及demo演示展示阿里云大模型的竞争优势，建立在客户侧的技术影响力，影响客户的决策。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。 • 技术验证：动手搭建Prompt、RAG、多Agent工作流及微调实验，快速验证业务可行性，对POC结果的安全性、稳定性、性能、可持续性和运行效率给出技术建议。对客户业务与技术双线相关人员清晰阐述AI带来的效率提升、成本节约或收入增长，建立科学的AI效果评估共识。 3、技术策略制定和项目赢单 • 分析客户的业务和技术情况，将阿里云大模型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大模型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。 4、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/场景的大模型调用最佳实践、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。 5、产品需求和改进反馈 • 识别和理解阿里云大模型的技术问题和机会，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。 • 了解客户大模型使用的情况恶化效果，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。
1、深入头部重点客户业务场景，识别痛点，并提供基于阿里云大模型产品的解决方案宣讲、poc等工作，对客户销售过程中的技术成功负责。 2、中台化前线组织，通过汇总全国同类客户经验，形成面向行业/赛道的解决方案，并进行宣介和区域支持，给予区域打法策略的建议并推动执行。 3、收集前线客户共性需求及重点客户需求，参与产品优先级的规划和定义，协助产研获取资源，产品能力面向一线培训。 4、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。 5、竞对分析及行业信息探查，对业界动态敏感，影响产研资源投入及方向。
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。