钉钉钉钉-视觉智能产品经理-（硬件+AI方向）
任职要求
1. 具备3年以上AIoT或数据产品经验，有主导“视觉AI硬件+数据分析”产品（如客流统计相机、边缘分析盒子）的成功落地案例； 2. 熟悉计算机视觉技术（如目标检测、Re-ID、行为识别），并对多模态大模型在客群洞察方面的应用有浓厚兴趣和见解； 3. 精通边缘计算概念，熟悉边缘一体机的硬件特性和部署环境，对模型在边缘端的优化（轻量化、…
工作职责
1. 产品规划与定义：负责面向商业综合体、零售门店等场景的端边云一体化客流分析产品的规划与定义，主导从硬件选型到AI算法的整体解决方案设计； 2. 技术方案设计：主导设计软硬一体产品的技术架构。负责定义前端摄像头的选型与部署方案、边缘设备的算力与算法承载要求，并探索利用多模态大模型进行更深层的客群属性、行为与动线分析； 3. 产品落地与优化：管理产品从POC验证、试点部署到规模化量产的全流程，确保前端硬件采集、边缘AI推理与云端数据服务的稳定、准确与高效。对客流统计精度、系统延迟等核心指标负责； 4. 商业价值挖掘：深入业务场景，将客流数据与商业运营（如铺位规划、营销效果评估、运营效率提升）紧密结合，驱动产品迭代，并形成可衡量的商业价值闭环。
岗位职责 1、负责智能硬件端视觉相关产品及AI模型应用的需求挖掘与梳理，结合硬件场景（如智能家居、可穿戴设备、物联网终端等）明确产品定位、核心功能及落地路径； 2、主导视觉类产品的全生命周期管理，包括需求调研、PRD撰写、原型设计、项目推进、上线验收及迭代优化，确保产品符合用户需求及商业目标； 3、协同算法团队、研发团队、设计团队及硬件团队，推进视觉AI模型（如图像识别、目标检测、场景分割、视觉交互等）在智能硬件上的适配与落地，解决跨团队协作中的需求对齐、进度跟进及问题协调； 4、跟踪视觉技术及智能硬件行业动态，分析竞品优势与不足，结合自身产品规划，提出具有创新性的视觉功能及应用方案； 5、负责产品上线后的数据分析，收集用户反馈，持续优化产品体验，提升视觉功能的可用性、稳定性及用户满意度； 6、输出清晰的产品需求文档、产品 roadmap 及项目进度报告，保障项目高效推进。
-参与数字人产品的功能定义及体验优化，完成客户端及后台的功能规划及PRD撰写，推动产品迭代升级 -负责数字人营销方向的销售推广，负责产品售前对接，推广方案的规划，负责销售、宣传材料的撰写 -把控项目进度，与软件、设计等多个部门沟通，推进各部门的协同工作
团队介绍：广告业务原为商业产品与技术部门，为抖音集团的商业变现提供广告产品与技术，负责端到端大型广告系统建设，覆盖抖音、今日头条、西瓜视频、番茄小说、穿山甲等产品矩阵，践行"激发生意新可能"理念，致力于让营销更省心、更高效、更美好，推动商业的可持续增长，让不分体量、地域的企业及个体，都能通过数字化技术激发创造、驱动生意。连接广告主、用户及生态伙伴、成为开放共赢的全球最佳智能营销平台之一。在这里，你将投身建设面向未来的数字营销能力，接触到全球先进的商业产品架构、模型和算法，在互联网广告行业始终创新。 课题背景： 随着人工智能技术的快速发展，大模型技术在交易与广告场景中的应用日益广泛，已成为推动行业创新和效率提升的重要驱动力。大模型凭借其强大的学习能力和泛化性能，在多个领域展现出显著优势。例如，推荐大模型能够精准捕捉用户偏好，提升个性化推荐效果；AIGC（AI-Generated Content）技术可用于广告创意、商品图片和视频生成，大幅降低创作成本并提升内容质量；广告投放诊断系统和诊断助手帮助优化投放策略；智能客服、影片智能剪辑、智能导购、大模型审核、用户序列建模以及多模态广告和用户理解等应用，则通过自然语言处理、多模态数据融合等技术，提升用户体验和业务效率。 然而，交易与广告场景对大模型系统的要求极高，不仅需要模型具备出色的精度和泛化能力，还需在实时性、稳定性、可扩展性等方面满足严苛标准。特别是在大规模分布式训练、推理加速、异构硬件支持、多模态数据处理以及系统集成等方面，存在诸多技术难点。因此，针对交易与广告场景研发和优化大模型系统，不仅是人工智能技术发展的前沿方向，也是行业应用的迫切需求。本课题旨在通过系统和工程领域的深入研究，突破关键技术瓶颈，构建高效、稳定、可扩展的大模型解决方案，为交易与广告场景提供强有力的技术支撑。 课题挑战： 1、大规模分布式训练加速：大模型训练需处理海量数据和高复杂度计算，导致训练耗时长、资源需求大。如何优化分布式训练架构，提升数据并行、模型并行和流水线并行的效率，是首要技术难题。 2、推理加速和性能优化：交易与广告场景对实时性要求极高，如广告投放需毫秒级决策。如何在资源受限环境下通过模型压缩和推理引擎优化实现快速推理，是关键挑战。 3、异构硬件支持：大模型需适配多种硬件平台。如何实现高效部署和负载均衡，确保跨硬件精度一致性和高性能，是技术难点。 4、编译优化：编译优化是过程复杂，如何开发高效编译器，优化长尾/灵活模型或结构在不同Accelerator执行效率并减少延迟，是亟待解决的问题。 5、Agent工程：智能客服和导购等应用需构建自主决策的AI Agent。如何设计高效的Agent系统，支持复杂任务执行，是前沿挑战。 6、强化学习框架：强化学习在广告投放优化等场景中潜力巨大。如何构建高效框架，支持大规模环境训练和推理，是研究难点。 课题内容： 1、大规模分布式训练加速技术 1）研究数据并行、模型并行和混合并行算法，优化训练效率； 2）开发自适应负载均衡机制，减少资源浪费； 3）探索梯度压缩和通信优化技术，降低网络开销； 2、推理加速与性能优化方法 1）研究模型压缩技术（如量化、剪枝），减小模型体积； 2）开发高效推理引擎，支持批量推理和异步处理； 3）针对不同Accelerator的架构加速推理过程； 3、异构硬件支持与优化 1）设计通用部署框架，支持多硬件无缝集成； 2）开发硬件感知调度算法，优化任务分配； 3）研究跨硬件模型迁移技术，确保精度一致； 4、编译优化技术 1）深入优化模型编译器，优化长尾场景的计算开销； 2）研究图优化和算子融合技术，减少计算开销； 3）探索动态优化方法，提升运行时效率； 5、Agent工程与实现 1）设计模块化Agent架构，支持任务分解和决策； 2）开发多模态交互技术，提升用户体验； 3）研究Agent训练与评估方法，优化复杂场景性能； 6、强化学习框架构建 1）开发高效强化学习算法，支持多智能体协作； 2）针对交易与广告场景的训练场景优化训练速度，提升迭代效率； 3）探索强化学习在广告投放中的应用，提升决策效果。
- 负责车载多模态交互产品的规划与设计，聚焦于视觉能力在交互、识别、感知等场景的产品化落地，包括但不限于手势交互、面部识别、目光追踪、车内行为识别、车外场景识别。 - 牵头多模态感知（视觉+语音+触控）融合策略设计，定义用户关键场景中的产品体验路径。 - 深入理解车载视觉传感技术与AI模型能力，协调算法、硬件、设计、系统等跨团队高效协作，推动产品按期上线。