智能互联阿里云智能-AI MaaS解决方案架构师（运营商行业）-北京/杭州

1、洞察行业趋势：跟踪基础大模型、行业大模型、SaaS及AI原生软件的发展动态，梳理典型应用场景与技术架构，为解决方案提供方向指引。 2、理解客户痛点：深入一线，与客户共同梳理生产流程中对AI的实际需求（如Token消耗、响应时效、准确率等），明确AI能带来的业务价值。 3、挖掘高价值场景：基于对客户业务和技术架构的理解，识别适合引入大模型的关键环节，与客户一起定义问题边界和成功标准。 4、设计端到端方案：围绕客户目标和约束条件，规划从模型选型、推理部署、微调策略、RAG构建到Agent编排的完整技术路径，并建立可衡量的效果评估体系。 5、推动技术共识：面向客户技术团队及管理层，清晰传递阿里云AI全栈能力的优势，确保技术方案与业务战略对齐。 6、动手验证方案：主导PoC实施，包括Prompt工程、RAG搭建、多Agent工作流设计、微调实验等，用实际效果赢得客户信任，并形成科学的评估方法论。 7、赋能合作伙伴：结合阿里云百炼平台、通义大模型、智能体等核心产品，协助ISV和软件企业打造可落地的大模型解决方案。 8、沉淀最佳实践：总结细分行业或场景的落地经验，形成可复用的方法论、案例文档和工具包，助力国队能力持续提升。

1. 深入研究不同行业SaaS/AI原生软件的行业发展方向、典型场景清单、业务流程、技术架构等，梳理各场景在AI应用的需求和价值，帮助SaaS等软件企业设计AI落地路径； 2. 从头部AI原生软件/SaaS类客户典型业务场景出发，结合阿里云千问模型、百炼、Agent平台等AI核心产品，帮助软件企业设计和落地大模型解决方案（覆盖客服、金融、办公OA、ERP、CRM、零售、营销、制造、医疗等行业赛道），包括如下： 1）客户需求洞察及方案设计 • 大模型场景洞察：理解客户业务场景、整体技术架构，主动挖掘客户核心业务中的高价值的大模型应用场景，与客户共创业务和技术的关键问题与效果标准，理解行业内AI场景的价值。 • 方案设计：基于客户业务目标与技术约束，设计端到端MaaS解决方案，涵盖模型选型、工程链路（推理/微调/RAG/Agent）、效果评估体系及上线路径。 2）售前引导和支持与实操能力 • 结合客户的业务场景需求，通过标杆案例及demo演示展示阿里云大模型的竞争优势，建立在客户侧的技术影响力，影响客户的决策。向客户高层展示阿里云AI全栈产品的竞争优势，确保技术方案与客户业务目标深度绑定。 • 技术验证：动手搭建Prompt、RAG、多Agent工作流及微调实验，快速验证业务可行性，对POC结果的安全性、稳定性、性能、可持续性和运行效率给出技术建议。对客户业务与技术双线相关人员清晰阐述AI带来的效率提升、成本节约或收入增长，建立科学的AI效果评估共识。 3）能力沉淀和赋能 • 构建可复用的知识资产：沉淀面向细分领域/场景的大模型调用最佳实践、细分领域标杆案例等知识文档。 • 内部团队、生态伙伴、客户赋能和培训。 4）产品需求和改进反馈 • 识别和理解阿里云大模型的技术问题和机会，传递客户需求和反馈给产品团队，影响功能开发和未来产品路线图，保持阿里云产品的市场竞争力。 • 了解客户大模型使用的情况恶化效果，将客户使用中遇到的影响客户体验的问题，反向推动内部解决，推动内部产品解决方案和流程体系的改进。

1. 深入研究不同行业SaaS/AI原生软件的行业发展方向、典型场景清单、业务流程、技术架构等，梳理各场景在AI应用的需求和价值，帮助SaaS等软件企业设计AI落地路径； 2. 从头部AI原生软件/SaaS类客户典型业务场景出发，结合阿里云千问模型、百炼、Agent平台等AI核心产品，帮助软件企业设计和落地大模型解决方案（覆盖客服、金融、办公OA、ERP、CRM、零售、营销、制造、医疗等行业赛道），包括如下： 1）客户需求洞察及方案设计 • 大模型场景洞察：理解客户业务场景、整体技术架构，主动挖掘客户核心业务中的高价值的大模型应用场景，与客户共创业务和技术的关键问题与效果标准，理解行业内AI场景的价值。 • 方案设计：基于客户业务目标与技术约束，设计端到端MaaS解决方案，涵盖模型选型、工程链路（推理/微调/RAG/Agent）、效果评估体系及上线路径。 2）售前引导和支持与实操能力 • 结合客户的业务场景需求，通过标杆案例及demo演示展示阿里云大模型的竞争优势，建立在客户侧的技术影响力，影响客户的决策。向客户高层展示阿里云AI全栈产品的竞争优势，确保技术方案与客户业务目标深度绑定。 • 技术验证：动手搭建Prompt、RAG、多Agent工作流及微调实验，快速验证业务可行性，对POC结果的安全性、稳定性、性能、可持续性和运行效率给出技术建议。对客户业务与技术双线相关人员清晰阐述AI带来的效率提升、成本节约或收入增长，建立科学的AI效果评估共识。 3）能力沉淀和赋能 • 构建可复用的知识资产：沉淀面向细分领域/场景的大模型调用最佳实践、细分领域标杆案例等知识文档。 • 内部团队、生态伙伴、客户赋能和培训。 4）产品需求和改进反馈 • 识别和理解阿里云大模型的技术问题和机会，传递客户需求和反馈给产品团队，影响功能开发和未来产品路线图，保持阿里云产品的市场竞争力。 • 了解客户大模型使用的情况恶化效果，将客户使用中遇到的影响客户体验的问题，反向推动内部解决，推动内部产品解决方案和流程体系的改进。

职位描述： ● 全球AI客户拓展：规模化开拓全球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转型的传统企业，构建高转化率的AI客户销售漏斗。 ● AI业务收入：负责国际市场的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，对国际AI MaaS业务的Token用量和收入增长负责。 ● 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。 ● AI重点客户经营：与全球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。 ● 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 ● 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。