蚂蚁金服蚂蚁集团-AI Data 解决方案（金融垂类）-【垂类大模型】
任职要求
必备能力 ● 专业背景：3年以上金融相关的行业或者专业经验，具备金融 X 计算机相关专业 多学科交叉经验者优先； ● 数据分析与判断能力：基于金融领域的深入理解，进行该垂类领域数据的结构化分析，并产出研究分析报告和数据引入解决方案，并能够将分析的方法论抽象、提炼和沉淀，复用到其他领域； ● 需求拆解与抽象能力：能将业务或算法目标转化为清晰的…
工作职责
● 金融领域数据分析与研究 ○ 面向金融领域，开展金融垂类数据侧的系统性分析，评估金融数据的规模天花板、生产方式、主要来源、行业引入情况、合规风险与成本区间； ○ 输出可用于决策的数据分析结论，支撑是否数据增量方向、优先级等判断。 ● 业务 / 算法需求向数据需求转译 ○ 基于业务目标与模型训练需求，拆解并明确数据侧需要解决的问题； ○ 将算法目标、效果指标转化为清晰、可执行的数据需求描述； ○ 与 AI Data 拓源 同学协作，输出其可理解、可执行的数据引入需求。 ● 数据引入解决方案设计 ○ 不局限于数据采买，综合考虑数据爬取、数据合成等多种方式，设计整体数据引入解决方案，明确不同方案的优先级、实施路径与投入产出，解决真实业务与模型场景中的数据供给问题。 ● 数据引入方案、标准与平台能力优化 ○ 从内部业务与模型视角出发，识别数据引入与复用链路中的共性问题与效率瓶颈；判断哪些环节具备自动化、平台化或产品化价值，并推动方案、标准或工具沉淀； ○ 提升数据引入对业务的支撑效率、一致性与可预期性。
1. 企业级 AI 转型战略 ● 推动“原生智能”范式升级： 与各业务线（支付、财富、保险等）深度协同，利用我们的自研垂类模型重构核心产品逻辑。识别并定义高价值场景，确保自研技术在垂直领域建立绝对竞争优势。 ● 价值驱动的解决方案： 制定核心业务的 AI 迁移路径。建立科学的价值评估体系，量化技术平台带来的业务增量（营收、人效、风控），确保技术投入产出比（ROI）最大化。 2. 统一数据智能战略 ● 下一代数据基础设施： 定义产品愿景，建设安全、合规且统一的数据智能底座 (Data Intelligence Fabric)。在严格遵守合规的前提下，释放海量垂直领域知识的战略价值，将其转化为模型能力的源动力。 ● 隐私计算与合规治理： 设计基于隐私保护计算的数据流转机制。确保在满足最严格的金融数据合规与治理要求下，实现数据要素价值在模型训练与推理中的最大化释放。 3. 平台产品架构设计 ● 标准化 AGI 基础设施： 将底层的技术能力（如知识引擎、多模态运行时）转化为标准化的企业级产品矩阵 (SDKs/APIs)，降低业务接入成本。 ● 模块抽象： 洞察不同业务场景（搜、广、推）的共性，抽象可复用的 AI 模块，避免重复建设，提升平台的可扩展性与稳定性。 4. 生态增长与运营 ● 内部开发者生态： 带领运营团队打造内部开发者关系 (DevRel) 体系。通过标杆案例、黑客马拉松等形式，提升 AI 平台在全集团的渗透率与影响力。 ● 产研正循环： 建立高效的反馈闭环，将业务落地的实际反馈直接转化为模型与平台的迭代输入，驱动技术持续进化。
1. 定义垂类行业大模型的“黄金标准”，构建涵盖合规性、事实性、逻辑推理及安全性的多维度评测体系。 2. 负责搭建自动化评测平台与 Model-based Evaluation（以模评模）流水线，针对金融研报分析、投资决策、风险控制等复杂场景建设高难度测试集（Hard Case）。 3. 设计针对Agentic AI的动态评估框架，量化智能体在工具调用、多步决策及环境交互中的成功率与鲁棒性，通过精准的评测反馈驱动预训练与后训练的数据/策略迭代，形成“训练-评测-优化”的高效闭环。
1、市场洞察和竞对分析 •洞察和产品相关的市场机会、市场容量和竞争格局。 •分析竞对产品核心指标、市场策略和市场价格。 •快速捕捉市场热点和客户业务痛点，挖掘产品商机，快速推动落地，形成领先竞争力。 2、产品商机判断和深度技术交流 •作为产品线代表，参与商业策略设计和商机判断。 •对复杂项目需求，协同销售团队与客户进行深度技术交流，结合对行业发展方向和技术变革方向的洞察，就具体技术场景引导客户关键决策人决策，促进商机转化。 3、产品方案设计和技术支持 •对复杂项目，理解客户的业务和功能性/非功能型需求、性能及可用性需求，基于客户场景，提供有技术竞争力和可行性、成本优势的产品组合方案，并在产品选型/POC/报价配置时， 提供技术支持。 •提炼基于客户业务场景的关键技术指标，形成领先控标项，在POC、winback等业务活动中落地验证。 •复杂项目推进方案跨团队协同优化，成本，性能，稳定性等多维度提升解决方案的竞争力。 •探索创新产品的方案和场景，推动新产品快速市场覆盖，保障产品创新活力。 •对大客户提供售后的关键技术答疑，用技术推动业务发展。 4、产品设计和优化支持 •通过对行业、场景的深入了解，参与产品的重大功能设计、定价设计、用户体验设计，协助产品在行业/场景下保持领先性。 •识别并精准提炼客户的共性需求和痛点，反哺产品设计，推动产品改进和多产品融合、新产品和功能孵化。 5、最佳实践沉淀和赋能 •沉淀面向细分场景的最佳实践，选择性输出IaC代码，通过项目实践总结标杆成功案例，提炼共性模块、统一标准化能力，加速产品方案规模化复制。 •提炼产品优势功能性能参数，并针对性的设计测试用例，放大产品和技术的影响力，沉淀基于测试用例、测试方案的解决方案竞争力。 •参与产品GTM材料编写、与伙伴共创联合解决方案、对销售团队和生态伙伴赋能。
Customer Engagement & AI Solution Implementation / 客户支持与AI解决方案实施 • Collaborate with enterprise customers to design and deploy cutting-edge AI and big data solutions on Alibaba Cloud, with a strong focus on generative AI, large language models (LLMs), and machine learning. • 与客户合作，基于阿里云设计并部署前沿的AI与大数据解决方案，重点包括生成式AI、大语言模型（LLM）及机器学习。 • Drive AI-powered digital transformation across industries (e.g., retail, finance, telecom) by integrating Alibaba Cloud’s AI services (e.g., PAI, Tongyi Qianwen) into customer workflows. • 通过整合阿里云AI服务（如PAI、通义千问），推动零售、金融、电信等行业的AI驱动的数字化转型。 AI & Big Data Solution Design / AI与大数据解决方案设计 • Architect scalable AI solutions, including LLM fine-tuning, RAG (Retrieval-Augmented Generation), and MLOps pipelines, leveraging Alibaba Cloud’s AI stack (e.g., PAI, Model Studio). • 设计可扩展的AI解决方案，包括大模型微调、RAG检索增强生成、MLOps流程，并应用阿里云AI技术栈（如PAI、Model Studio）。 • Design real-time big data pipelines (Spark, Flink) to support AI model training and inference at scale. • 构建实时大数据管道（Spark、Flink），支持大规模AI模型训练与推理。 • Provide thought leadership on AI trends (e.g., multimodal AI, agentic workflows) and translate them into customer solutions. • 提供AI趋势（如多模态AI、智能体工作流）的前瞻性见解，并转化为客户解决方案。 Pre-Sales & Technical Strategy / 售前与技术战略 • Lead AI/ML technical discussions with CTOs and data leaders, demonstrating Alibaba Cloud’s competitive edge in AI (e.g., Tongyi Qianwen vs. OpenAI, Anthropic). • 与CTO及数据负责人进行AI/ML技术交流，展示阿里云AI（如通义千问对比OpenAI、Anthropic）的竞争优势。 • Develop proof-of-concepts (POCs) for AI use cases (e.g., chatbots, document analysis, predictive analytics) to accelerate deal wins. • 针对AI场景（如智能客服、文档分析、预测分析）开发概念验证（POC），推动商业合作。