阿里云阿里云智能-商业技术工程师（头部客户）-互联网行业线（北京）
任职要求
1、本科以上学历，泛计算机专业优先。
2、5年以上云计算行业经验，有公共云销售经验，有大客户拓展经验者优先。
3、熟悉云计算的产品和技术，能向客户清晰传递公司产品和解决方案的价值。
4、理解客户业务，能洞察客户需求，并具有优秀的沟通和影响能…工作职责
1、对所负责的互联网大客户的业务结果负责。全面了解客户的业务架构、技术架构、组织架构等情况，识别和挖掘客户需求，能与客户CXO级别对话，影响客户决策，推动商机转化，拿回业务结果，实现客户价值。 2、传递阿里云产品和技术价值。基于对客户的了解以及对市场和友商的了解，能够独立与客户沟通适配的阿里云产品和解决方案，清晰传递价值和竞争力。 3、有效整合公司内外部资源，对外推动客户采用和持续使用阿里云的产品和方案，对内推动产品解决方案和流程体系的优化，实现客户体验提升，持续位客户创造价值。 4、做好客户全生命周期的业务支持和服务，保障客户满意度。
1. 全流程投标管理：统筹商机识别、招标文件解读、商务决策分析，牵头完成标书编制、审核、封装、递交、开标澄清、商务回复函件等投标全链路，确保所有投标环节按时、高质量落地，保障投标文件合规性与完整性； 2. 投标策略与风险管控：针对大客户及复杂项目制定差异化投标策略，精准匹配客户需求与公司核心优势；全面评估技术、商务、法律风险，输出风险清单及应对方案，严格遵循《招标投标法》《政府采购法》等法规要求，确保报价、资质、方案等关键要素合规且具备竞争力； 3. 跨部门协同统筹：担任投标项目核心枢纽，协调销售、售前解决方案、产品、技术研发、法务、财务、采购等跨职能团队，明确分工与交付节点，高效解决协作卡点问题，保障信息流转顺畅与资源快速到位，推动团队形成投标合力； 4. 投标体系与知识建设：搭建并迭代优化投标管理体系，包括标准化流程、标书模板库、资质文件库、成功案例库、报价模型等；沉淀中标/失标经验，开展复盘总结，定期组织内部投标技能培训，提升团队整体应标能力与效率‘； 5. 市场与竞品分析：持续跟踪行业招投标政策动态、市场竞争格局及竞品投标策略，输出分析报告，为公司投标决策、产品优化及业务布局提供数据支撑与战略参考； 6. 绩效数据管理：建立投标全流程数据跟踪体系，统计中标率、标书交付及时率、投标成本、项目利润率等核心指标，开展赢单/亏单深度分析，推动投标策略、流程及资源配置的持续优化。
我们是小红书中台大模型 Infra 团队，专注打造领先易用的「AI 大模型全链路基础设施」！团队深耕大模型「数-训-压-推-评」技术闭环，在大模型训练加速、模型压缩、推理优化、部署提效等方向积累了深厚的技术优势，基于 RedAccel 训练引擎、RedSlim 压缩工具、RedServing 推理部署引擎、DirectLLM 大模型 API 服务、QuickSilver 大模型生产部署平台等核心产品，持续赋能社区、商业、交易、安全、数平、研效等多个核心业务，实现 AI 技术高效落地！ 1、参与设计实现支持RLHF/DPO等对齐技术的高效训练框架，优化强化学习阶段的Rollout、Reward Model集成、多阶段训练 Pipline； 2、研发支持多机多卡 RL 的分布式训练框架，开发TP/PP/ZeRO-3与RL流程的动态协同机制，解决 RL 算法在超长时序下的显存/通信瓶刭 3、构建端到端后训练工具链，主导框架与 MLOps 平台集成，提供训练可视化、自动超参搜索等生产级能力 4、与公司各算法部门深度合作，参与大语言模型LLM、多模态大模型 MLLM等业务在 SFT/RL领域的算法探索和引擎迭代； 5、参与分析各业务 GPU 利用率与饱和度等指标，结合业务场景持续优化训练框架能力，提升框架领先性。
我们是小红书中台大模型 Infra 团队，专注打造领先易用的「AI 大模型全链路基础设施」！团队深耕大模型「数-训-压-推-评」技术闭环，在大模型训练加速、模型压缩、推理优化、部署提效等方向积累了深厚的技术优势，基于 RedAccel 训练引擎、RedSlim 压缩工具、RedServing 推理部署引擎、DirectLLM 大模型 API 服务、QuickSilver 大模型生产部署平台等核心产品，持续赋能社区、商业、交易、安全、数平、研效等多个核心业务，实现 AI 技术高效落地！ 工作职责： 1、参与/负责研发面向大语言模型(LLM)/多模态大模型(MLLM)等类型模型的推理服务框架； 2、参与/负责KV Router、PD分离/EPD分离、KVCache管理、动态PD调整等分布式推理能力建设； 3、通过并行计算优化、分布式架构优化、异构调度等多种框架技术，打造高效、易用、领先的AI推理框架； 4、参与/负责构建推理框架的系统容错能力，包括但不限于请求迁移、优雅退出、故障检测、自愈等能力建设； 5、深度参与周边深度学习系统多个子方向的工作，包括但不限于模型管理、推理部署、日志/监控、工作流编排等； 6、与全公司各业务算法部门深度合作，为重点项目进行算法与系统的联合优化，支撑业务目标达成。
中台稠密引擎组，是小红书负责建设通用深度学习训练推理引擎的团队，面向全公司LLM、多模态LLM、SD、传统CV&NLP等稠密计算型模型训练与推理的业务场景，打造高效、易用、业界领先的训练与推理引擎，为小红书社区、商业化、安全等众多业务方向提供先进的引擎能力，支撑业务持续提升训练推理效率、模型迭代效率与算法研发效率。 1、参与设计和实现深度学习后训练及微调的前沿算法（包括但不限于RFT、RLHF等），以适应多样化的业务场景； 2、结合业务数据和场景，评估选择最适合的微调算法，以支撑业务大语言模型（LLM）微调指标的提升； 3、与数据团队紧密合作，深入理解数据特性，参与设计实现数据提质算法引擎工具，产出高质量数据集提升模型微调效果； 4、与公司内各算法团队深度合作，参与或负责大语言模型、多模态大模型等业务场景的后训练端到端效果提升及落地； 5、密切关注业界 LLM 微调算法和数据提质领域的前沿论文，并整合新技术和算法到训练引擎中，提升框架的领先性；