智能互联阿里云智能-魔搭社区技术运营-杭州
任职要求
1. 基本要求： 本科生及以上学历，2~7年工作经验，计算机、人工智能、数据科学等相关专业优先； 了解大模型技术，熟悉技术开源库（pytorch、transformers、peft、vLLM等）的使用方式，熟悉大模型技术原理 对AI领域有浓厚兴趣，热…
工作职责
魔搭社区致力于构建开放的机器学习社区，推动AI技术的民主化。作为社区技术运营，你将协助支持全球开发者、研究人员和AI爱好者的社区生态，促进技术交流、内容传播和用户增长。你需要对机器学习、开源社区和开发者文化有热情，并具备优秀的沟通和协作能力。 主要职责： 1. 内容创作与技术传播： 紧跟AI领域前沿，特别是大模型、数据集及AI应用的最新动态，定期产出专业、深度的技术评测、趋势分析和实践文章； 围绕魔搭社区的核心模型和工具，撰写并发布从入门到精通的体系化教程、API文档和最佳实践指南，降低开发者使用门槛； 将复杂的技术概念和模型原理，通过图文、视频等多种形式进行通俗易懂地解读和传播。 2. 技术支持与社区互动： 活跃于社区及各大技术平台，解答开发者的技术问题，收集并反馈用户需求与产品建议； 策划并组织线上技术分享、直播、问答等活动，营造积极、活跃的技术交流氛围； 维护核心开发者、模型贡献者关系，发掘并包装社区内的优质UGC内容。 3. 产品与生态运营： 深入体验社区产品功能，参与新版本内测，并从技术运营角度提供优化建议； 与产品、研发团队紧密合作，策划新功能、新模型的上线推广活动，撰写发布稿和宣传文案； 探索并实践创新的技术运营方式，提升社区技术内容的影响力和开发者活跃度。
作为魔搭社区国际化业务的核心成员，你将负责拓展魔搭在海外开发者社区（英语区为主）的影响力。你需要既懂开发者需求，能够用地道的英语产出技术内容，并与全球顶尖的开源项目和KOL建立连接。 核心职责： 1，社区运营与增长： 负责 ModelScope 在 Discord, Reddit, youtube, Twitter 等海外渠道的日常运营；通过活动和互动激活海外开发者，提升社区活跃度。 2，技术内容输出： 带动社区,撰写高质量的英文技术博客、教程，制作 Demo 视频。将 ModelScope 上的模型（如 Qwen, kimi等）包装成海外开发者易于理解和使用的案例，打造标杆案例： 针对 ModelScope 上的明星模型（如 Qwen, KIMI 等），制作符合海外口味的 "Wow Moment" Demo 和教程，并在 Medium/Dev.to/YouTube 上分发 3，策划与执行海外开发者增长策略 ：从0到1破局： 制定 ModelScope 在英语区（北美/欧洲）的冷启动计划， 建立并管理 Discord 核心用户群，在 Reddit 和 Hacker News 等高硬核社区进行“非广告式”的硬核技术渗透。 4，产品反馈： 收集海外用户的痛点和需求，反向推动产品团队进行国际化体验的优化（如文档优化、API 体验改进等）。
· 负责区域及出海市场营销工作，能结合公司战略方向、产品技术特点及市场需求，识别市场机会点，制定整合营销计划，挖掘新赛道及核心圈层，建立系统化市场覆盖矩阵，并确保有效实施。 · 负责大型Campaign项目策划及落地执行，基于赛道洞察、竞对情况、市场机会点、目标受众画像、产品优势，制定针对性的营销策略，能够在复杂环境中建立跨团队协同机制，协调各方力量达成目标。 · 负责AI、出海等重点赛道的心智定义、内容生产和传播策划，能结合市场热点策划事件营销，结合技术趋势、应用趋势挖掘和包装客户案例及产品技术优势，通过高质量内容及传播策划提升相关赛道阿里云声量。 · 负责营销活动的效果评估和数据分析，建立并持续迭代营销效果评估体系，定义关键指标，结合评价维度分析营销效果并持续优化营销策略。
1. 预算、预测与效率管理：主导相应板块年度预算和资金预测的编制及滚动执行监控；协助业务制定并追踪经营管理指标，推动资源使用效率持续提升； 2. 财务分析与决策支持：通过月度跟踪、线上化看板、AI能力建设，对核心财务数据进行动态追踪；主动识别异常、低效或潜在风险场景，定期输出结构化分析报告，及时预警风险并提出可落地的优化建议； 3. 业财链路深度支撑：嵌入业务关键环节，为复杂多变的业务场景、商务方案、日常链路或重要决策提供专业的财务数据、模型及方案支撑，识别和管控财务、税务、资金、风险和ROI情况，通过构建相应的交易链路、机制和流程进行管理优化； 4. 成本核算体系优化：厘清影响成本的关键因子，推动从采购、供应链到财务系统的端到端数据打通与自动化，提升成本归集与分摊的准确性，保障业财一致性； 5. 跨部门协同推进：联动税务、法务、信控、资金、总账等团队，高效落地重点财务事项，保障业务合规、财务健康以及资产和资金安全可控。
1、参与视觉生成/多模态模型（包括文本、图像、视频生成等）在 GPU、ASIC、FPGA 等异构硬件上的推理/后训练加速开发与软硬件结合的性能优化工作，包括但不限于模型量化、attention优化、显存优化、编译优化、计算与通信优化、内存管理以及多卡或多设备的并行推理方案等； 2、在主流深度学习框架（如 PyTorch）基础上，基于GPU/xPU硬件特点，对关键算子进行软硬件结合优化，提升模型运行效率； 3、与硬件以及算法工程师紧密配合，共同优化整体推理速度与资源占用； 4、跟踪学术界与工业界前沿技术（如扩散模型优化、VAE并行优化、AI编解码、面向机器的编解码等），推动软硬件协同创新。