智能互联阿里云智能-商机技术工程师（消费电子KA方向）-深圳
任职要求
• 3年以上云计算/AI领域等相关行业，有公共云售卖经验，To B销售和售前相关工作经验
• 有丰富的软件产品/AI相关产品售卖经验，MaaS/PaaS层产品经验优先，解决方案经验优先；有大客户拓展经验
• 深度理解客户业务及其所在竞争环境，诊断具体业务场景中客户的技术问题，帮助客户从0-1拓展AI应用新场景，提供有竞争力的云和AI解决方案，为客户业务发展提供价值创造。
• 具备行业细分领域knowhow，掌握竞对发展动态、云和AI与业务结合的领先实践，能提出具备阿里云差异化优势的创新解决方案。
• 能进行云和AI的全栈布道，结合客户关心的话题（业务规划、竞对发展等）讲透给客户带来的技术和业务价值，影响客户心智。
• 独立call high…工作职责
1、客户关系管理 • 客户开发：主动了解所在区域/市场的关键行业knowhow，保持对AI趋势的深度、及时掌握，识别市场机会，开拓新客户或挖掘现有客户的产品和技术需求，形成有效商机。 • 客户业务理解及需求挖掘：充分了解客户商业模式、AI场景下的业务挑战，进行客户组织架构梳理和决策链摸排，获取客户信息，通过串联客户OKR，找到双方合作机会点。 • 建立组织客情：维护好关键决策点的客情关系，与客户各层级建立长期的业务和技术关系，赢取客户信任，在合作中获得关键性支持。 2、产品和技术价值传递 • 理解阿里云产品及解决方案：深入理解飞天云计算操作系统、七大件、全栈AI（从算力到模型到应用）等阿里云产品的技术价值，了解竞对的差异化竞争优势，能够根据客户需求初步制定解决方案。 • 独立面向客户讲解业务解决方案：针对客户特定场景业务需求，独立面向客户讲解阿里云业务解决方案，清晰的传递阿里云竞争力以及能够为客户创造的业务价值。 3、制定商务策略及商机转化 • 促进客户决策及商机转化：能摸清并影响客户决策链路，制定应对商务方案，运用销售策略，转化商机，达成业绩，实现与客户的双赢。 • 客户运营和管理：作为第一责任人，从商机获取、客户交流、招投标商务流程管理、客户交付及问题解决，到内部产研、财税法等支撑部门有效协同，整合内外部资源，识别管理风险点，做好精细化运营和项目落地。 4、持续做好客户服务 • 客户全生命周期的业务支持：持续做好客户服务，及时解决客户问题，提高客户满意度，长期陪伴客户成长 • 推动产品反向优化：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、拓宽及丰富AI及云计算商机的来源，通过联合各团队开源拓新，为商机供给扩展来源。 2、组织并协同AI及云计算各商机供给方挖掘高潜客户，规范商机构建，确保商机供应质量、数量、客户覆盖范围满足业务需求。 3、负责AI及云计算商机在各团队的精细化分发及流转，根据商机潜力高低对分发优先级、规则等进行调控及差异化配置，实现供需匹配，持续调优效能及效率。 4、建立多方协同系统化运营机制，制定AI及云计算商机推荐规范，根据商机转化结果，洞察并迭代优化客户画像，为商机转化提供指引，达成业绩目标。 5、建设并优化AI及云计算商机流转机制，充分应用AI推动全链路系统功能迭代，建设商机业务分析看板，监控系统运行状态，及时发现问题并推动产研解决问题。
· 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。