阿里云阿里云智能-政企解决方案架构师（教育方向）-上海

1、政企客户高价值 AI 场景挖掘： AI产品在教育科研、民生服务、文化文旅、智能硬件、客服等重点场景的 AI 机会，识别能带来高速增长的 AI 场景，将客户痛点转化为基于大模型的 Token 消耗方案。 2、MaaS 架构设计： 负责 AI Native 客户的端到端方案设计，包括但不限于 RAG（检索增强生成）、智能体（Agent）工作流、行业模型微调以及多模态能力的落地。 3、技术落地与陪跑： 具备复杂AI agent项目的落地实践经验，理解客户的业务场景和需求，帮助客户快速构建 AI 应用。 确保 AI 场景在实际生产中的落地，并持续优化以提升 Token 的质量与消耗规模。 4、行业能力沉淀： 将零散的项目经验提炼为标准化的行业解决方案，参与内部产品与研发部门沟通协调，促进解决方案落地及产品迭代，包括商务模式、项目进度、产品及服务交付等；可复用的行业解决方案与最佳实践并负责和各区域协同落地，为阿里云AI战略的长期发展储备关键客户与技术资产。 5、商业闭环驱动： 对 Token 消耗量及业务活跃度负责，负责客户接入及接入后的持续成功。从技术视角协助团队创新商业策略，实现规模与技术口碑的双赢。 6、AI 市场心智建设：联动AI解决方案、产品、市场等团队，打造面向细分市场与重点客户的价值主张；策划并执行线上线下技术研讨会、Demo演示等活动，激发客户兴趣，传递技术价值，赢得客户信任。 7、售前项目支持：配合 BTE 等高质量完成售前相关工作；

1、 政企客户AI场景挖掘：负责全国范围内政企方向相关行业的客户拓展，重点梳理阿里云AI产品在教育科研、民生服务、文化文旅、智能硬件、客服等重点场景的销售机会点，触达并维护客户关系，发掘潜力客户并捕获项目机会； 2、AI客户拓展：规模化开拓全国AI客户，覆盖AI原生企业、初创公司、AI开发商、AI数据服务商及正在进行AI转型的各类企业，构建高转化率的AI客户销售漏斗。 3、AI业务收入：负责政企市场的AI MaaS业务的销售线索与商机全生命周期，通过线上和线下多渠道交流方式，协同解决方案和产品团队，从线索挖掘，商机引导，方案交流，商务沟通到项目成单，对政企AI MaaS业务的Token用量和收入增长负责。 4、市场洞察与GTM策略：紧密跟踪生成式AI前沿趋势，包括大模型演进、智能体（Agent）框架、AI基础设施架构及主要竞品动态，联合解决方案团队将行业客户洞察转化为场景化的客户化解决方案，协助市场和产品方案部门进行GTM市场策略设计。 5、AI重点客户经营：在政企领域与AI导向型企业的C-level高管及技术决策者建立长期、互信的合作关系，推动客户高满意度、高留存率及持续业务增购。 6、AI场景共创：理解客户的AI目标和业务挑战，通过深入交流和行业经验，一起找到高价值的AI应用机会；用客户语言沟通表达阿里云大模型价值，共同设计并验证可行方案，让AI发挥业务价值 7、 AI生态建立：善于整合技术、生态与商业资源，攻克AI落地中的关键挑战，与客户技术决策层及生态合作伙伴建立深度信任关系，沉淀可复用的行业解决方案与最佳实践，为阿里云AI战略的长期发展储备关键客户与技术资产。 8、跨部门协同运作：联动AI解决方案、产品、市场等团队，打造面向细分市场与重点客户的价值主张；策划并执行线上线下技术研讨会、Demo演示等活动，激发客户兴趣，传递技术价值，赢得客户信任。

1、售前工作：负责泛政府、央国企、教育科研、烟草、制造、交通、文化传媒、运营商、泛互联网等行业，等行业项目的需求、规划、方案、招投标等工作，协同内部部门与外部生态伙伴等资源，在方案规划、售前、交付等关键里程碑节点联合攻坚，保障项目成功； 2、解决方案：作为技术专家，与客户紧密合作，深入了解其业务需求和技术挑战，提供客户智算中心、大模型、云平台等从规划到实施落地全过程技术交流及解决方案，并在落地过程中提供对内外部团队提供必要的技术指导，确保方案可落地、有竞争力。协助客户方案比选，通过POC演示和功能、性能测试验证技术优势； 3、行业识别：负责支持区域市场洞察、竞争分析、行业打法策略分析与制定，支撑行业机会点识别、行业整体业务规划和策略落地，行业包括但不限于电力、文化传媒、交通航运、工业制造、集成电路、信息服务、商贸流通等； 4、外部影响：负责开展面向企业、合作伙伴的培训与市场宣贯活动。

1. 面向 AI 业务的网络架构设计与演进 ○ 负责支持大规模 AI 训练/推理集群的网络架构规划与方案设计，覆盖 AI access 网络、frontend 网络、AI scale up 网络等关键环节。 ○ 结合业务场景识别网络接入、流量调度、数据分发链路中的性能和可靠性瓶颈，提出系统级优化方案。 2. 高性能多路径传输与 RDMA 方向创新 ○ 深入调研业界前沿应用层多路径传输、RDMA 及相关协议栈优化技术，系统性分析其优缺点与适用场景。 ○ 基于阿里云大规模生产环境，设计并落地面向 AI 流量的多路径传输优化机制，实现端到端的高带宽、低时延和高稳定性。 3. 网络系统研发与产品化落地 ○ 将整体技术方案拆解为可实施的技术点，完成可行性分析、技术规范制定与验收标准设计。 ○ 主导关键模块的架构设计与核心代码开发，构建可快速迭代的原型系统，验证技术路线。 ○ 在验证基础上持续进行性能优化与工程化改造，推动方案产品化落地，并支撑大规模部署和运营。 4. 稳定性与性能优化 ○ 制定并实施面向超大规模集群的稳定性保障策略，从架构设计、协议栈实现、流控/调度策略等多层面建设高可用能力。 ○ 在真实业务环境中开展端到端性能剖析与容量规划，识别热点与瓶颈，落地针对性优化措施，保障高负载下的稳定性能表现。 5. 数智一体的网络分析与智能运维 ○ 利用大数据与大语言模型，设计并研发超大规模网络分析与智能运维系统，提升网络研发、运营、运维、测试效率。 ○ 探索 AI for Network 的创新场景，如异常检测、故障根因定位、智能调度策略优化等。 6. 学术前沿跟踪与技术影响力建设 ○ 持续跟踪计算机网络、AI infra、可编程网络硬件等领域的前沿研究与产业趋势，并评估其在阿里云场景中的落地价值。 ○ 鼓励/支持在 SIGCOMM、NSDI、ATC 等顶会发表论文或输出技术分享，增强团队和个人在业界的技术影响力。