阿里云阿里云智能-大模型架构师（能源与电力）-北京（政企事业部）
任职要求
1、本科及以上学历，人工智能、计算机、大数据、电子等相关专业背景。 2、5年以上云计算、AI基础设施或高性能计算（HPC）相关领域的解决方案规划、设计、交付等工作经验。 3、拥有LLM、开源框架（例如 Jax、PyTorch）、大数据和机器学习框架以及数值编程框架（例如 Python 或 MATLAB）的经验，有一定的代码能力 4、良好的方案产出和沟通宣讲能力，能够很好完成面相客户中高层的方案汇报，及重大市场活动中的方案/技术分享 5、有AI基础设施的核心组件，包括算力平台、容…
工作职责
1、深入理解客户业务需求，帮助客户选择适合其业务场景的技术路径和产品组合，利用AI技术知识、架构方法、咨询技能来影响客户技术决策 2、熟悉大模型算法工程化，与客户合作进行模型训练、推理和模型应用等POC，含展示功能、调整模型、优化模型性能、测试分析、Agent搭建、模型调用等内容 3、依据客户需求和技术研判，推动产研部门持续优化产品，助力提升产品竞争力，同时沉淀最佳实践，以及脚本、模板、参考架构等可复用的技术资产 4、持续跟踪行业动态和技术趋势，并与产品团队协作，打造创新的人工智能（大模型、智算、一体机等）解决方案 5、支持市场活动，作为领域专家参与市场洞察、行业标准、市场排名报告、白皮书撰写等活动，并在行业峰会、技术沙龙等市场活动中进行技术传播和分享
-负责能源电力、油气等行业头部客户的销售工作，包括目标客户的开发、维护与跟进，达成既定的OKR指标 -负责制定行业客户整体销售及市场策略规划 ，定期拜访客户，挖掘和提炼客户需求，积极跟进，制定合理方案，推进合同谈判并有效关单。为客户提供顾问式销售服务 -维护跟进大客户的商务工作，在现有基础上积极拓展客户业务需求，对外能够与客户信息、业务等条线进行沟通协调，提供满足客户需求和痛点的解决方案，有效消除客户顾虑，并能综合运用各种有效的方法制定策略、拉通内部资源(销售、解决方案架构师、产研、交付等)达成业务目标，最终推动项目落单 -对重点大客户全流程负责，能打通客户全流程关系链条，定期拜访客户高层和各业务条线，能够独立进行商务进度的把控和项目跟进
- 协同电力销售团队，基于人工智能、大模型、云计算、算力芯片等产品和技术，进行客户需求识别商业机会，提供行业级与客户级解决方案支持，支持项目招投标工作 -负责电力解决方案的设计，将大模型、人工智能、云计算、智能算力等技术应用于能源企业数智化转型之中 -收集客户反馈与竞品信息，协同产研团队进行需求设计、调研和打磨 -支持行业大会宣讲、市场活动布道、客户培训宣讲等工作 -支持电力能源行业生态的建设工作，引入和融合合作伙伴能力，为客户提供一站式落地方案
基座大模型研发与创新 参与设计并研发面向大规模多元时间序列的预训练基座模型，探索适用于时序数据的 Transformer变体(如Informer,FEDformer, PatchTST)及创新架构。 负责构建超大规模，高质量的时序预训练数据集，设计掩码重建，上下文预测等自监督预训练任务。 研究时间序列中的关键问题，如长周期依赖建模，多尺度特征提取，缺失值处理，以及时序与文本/事件等多模态信息的对齐与融合。 模型深度优化与领域适配 针对特定高价值场景(如电力负荷预测，量化金融，工业设备预测性维护)，对基座模型进行深度微调与优化，实现"通用能力"到"领域专家"的转化。 研发高效的模型适配技术(如参数高效微调 PEFT)，确保基座模型能够快速，低成本地适配到多样化的下游任务。 系统工程与高性能推理 负责将模型从研究原型推进到稳定，高性能的生产级系统。优化训练框架，利用混合并行(数据并行，模型并行，流水线并行)技术实现千亿参数模型的分布式训练。 主导模型的高效推理优化，应用量化(INT8/ FP4)，编译优化等技术，大幅降低服务延迟与资源消耗，支撑海量时序数据的实时预测需求。 技术前瞻与行业赋能 追踪时间序列分析，大模型预训练的前沿学术进展，并将有潜力的技术引入到产品研发中。 与业务团队紧密合作，深入理解行业痛点，将基座模型的强大能力转化为可衡量的业务价值，定义时间序列预测领域的新标准。 岗位要求 必备条件 计算机科学，人工智能，统计学或相关专业硕士及以上学历(博士优先).
1. 基座大模型研发与创新 * 参与研发面向大规模多元时间序列的预训练基座模型。 * 探索适用于时序数据的Transformer变体（如Informer, FEDformer, PatchTST等）及创新架构。 * 负责构建超大规模、高质量的时序预训练数据集，设计自监督预训练任务。 2. 模型深度优化与领域适配 * 针对电力、金融、工业等特定高价值场景，对基座模型进行深度微调与优化。 * 研发高效的模型适配技术（如PEFT），确保模型能快速、低成本地适配多样化下游任务。 3. 系统工程与高性能推理 * 负责将模型从研究原型推进到生产级系统，优化训练框架，利用混合并行技术实现千亿参数模型的分布式训练。 * 主导模型的高效推理优化，应用量化、编译优化等技术，降低服务延迟与资源消耗。 4. 技术前瞻与行业赋能 * 追踪时间序列分析、大模型预训练的前沿学术进展，并引入到产品研发中。 * 与业务团队合作，将模型能力转化为可衡量的业务价值，定义行业新标准。