阿里巴巴
阿里云智能-商业技术工程师(公共云Maas方向）-上海/南京/合肥
阿里云智能-商业技术工程师(公共云Maas方向）-上海/南京/合肥
发布于 5 小时前普通员工/个人贡献者
全职员工仅现场办公大客户销售
大客户销售
Gpu
Llm
Maas
Prompt Engineering
Rag
To B销售
云计算
商业化落地
大模型
值不值得投
80综合评分
综合评分 80
阿里核心云业务AI商业化岗，处于大模型前沿赛道，发展天花板高，但To B销售属性决定了工作节奏快、挑战大。
从薪资福利、成长空间、工作节奏和岗位方向综合评估，方便横向比较。
薪资怎么样
3.5万
比大客户销售中位数高
发布情况
新岗位 · 今天发布
公司情况
这家公司招聘很活跃
约 2960 个在招 · 其中大客户销售 73 个
市场机会
选择面较广
上海 · 大客户销售 · 约 270 个在招
职位详情
关于这个职位
该职位负责阿里云MaaS（模型即服务）产品的To B销售与售前支持，挖掘AI原生及新兴赛道客户的业务需求，推动大模型调用量（Token）增长
需深入理解客户商业模式，提供定制化AI解决方案，并主导从商机挖掘、POC验证到商业落地的全流程，实现业务收入增长
最低要求
本科及以上学历，计算机、人工智能、理工类、数据科学、商科或相关领域优先
有MaaS相关销售经验者专业不限
具备MaaS相关领域的To B销售或售前相关工作经验（如大厂AI应用、AI 2B/2C行业应用等）
具备SaaS软件等相关行业的To B销售、售前或客户成功相关工作经验
具备AI native公司创业经历，或有运营、商业化、产品经理、销售等相关经验
熟悉并在日常工作中高频使用主流LLM和多模态大模型，持续追踪大模型、智能体（Agent）框架及行业动态
熟悉模型prompt和vibe coding者优先
深入理解AI大模型和MaaS服务的商业模式，能清晰传递模型即服务的价值，了解AI大模型市场格局及各行业AI应用场景
具备引导客户从概念验证（POC）到商业落地的全流程销售能力，包括需求挖掘、方案匹配、定价谈判、合同推进等
熟悉云和AI基础设施产品（如服务器、GPU、MaaS、RAG、Agent等），有相关云服务销售、业务咨询或业务运营经验
具备快速学习能力，以客户为中心，结果导向，自我驱动，对AI技术创新充满热情
具备商业敏锐度，理解Token商业模式，能通过阿里产品帮助客户扩大业务规模
工作职责
AI客户开拓与商机挖掘：负责AI原生及新兴增长赛道的市场机会识别，开拓新客户或挖掘现有客户的MaaS产品和技术需求
深度理解客户行业、商业模式和业务流程，解构生产链路及痛点，挖掘有效AI切入场景
推动标准化AI产品、平台及Agent类应用的推广，驱动模型调用量（Token）跨越式增长
与客户业务负责人对话，维护关键决策点客情，作为“铁三角”导演进行内部项目协调
AI价值传递与场景共创：深入理解阿里云MaaS产品及市场产品的差异化，了解国内外先进模型特点及竞争优势，根据客户需求制定模型、应用及方案匹配
独立面向客户讲解业务解决方案，清晰传递阿里云竞争力及业务价值
AI客户商务转化策略与业务收入：摸清并影响客户决策链路，制定商务方案，运用销售策略转化商机，对AI MaaS业务的Token用量和收入增长负责
作为第一责任人负责客户运营和管理，涵盖商机获取、交流、招投标、交付及问题解决，协同内外部资源，识别风险，精细化运营
持续做好客户服务与市场洞察：提供客户全生命周期的业务支持，及时解决客户问题，提高满意度
主动研究市场动态及竞对产品，结合用户体验输出产品优化建议，推动内部产品解决方案和流程体系改进
优先资格
熟悉模型prompt和vibe coding者优先
AI 洞察
优缺点分析
优点
- 处于AI大模型商业化落地的最前沿，能接触到各行业头部客户的真实AI转型需求，积累稀缺的MaaS商业化经验
- 依托阿里云强大的技术底座和产品矩阵，平台资源丰富，有利于打造个人在AI To B领域的行业影响力
- AI MaaS市场仍处于快速变化期，产品迭代快，需持续保持高强度的技术学习以跟上大模型发展
- To B销售周期长、决策链路复杂，需具备极强的抗压能力和跨部门协同推动能力
- 适合具备云计算或SaaS/AI行业To B销售/售前经验，对大模型技术有浓厚兴趣且商业敏锐度高的复合型人才
缺点 / 挑战
暂无明显挑战项
角色解读
- 可向资深大客户销售总监、MaaS商业化负责人或AI行业解决方案专家方向发展
- 随着AI大模型在各行业的深入渗透，具备“技术+商业”双重能力的复合型人才将拥有极高的职业壁垒和广阔前景
- 负责阿里云MaaS（模型即服务）产品的To B销售与售前支持，挖掘AI原生及新兴赛道客户的业务需求
- 主导从商机挖掘、POC验证到商业落地的全流程，推动大模型调用量（Token）及业务收入增长
- 需深入理解AI大模型、MaaS商业模式及云基础设施（GPU、RAG、Agent等），具备极强的To B销售、需求挖掘与方案宣讲能力
- 要求日常高频使用主流LLM，熟悉Prompt及Agent框架，能将客户业务痛点转化为可落地的AI场景
申请策略
- 准备1-2个自己主导的AI大模型商业化落地案例，重点阐述如何挖掘客户痛点并转化为实际的Token消耗与商业价值
- 突出过往在MaaS/SaaS/云业务领域的To B销售业绩或售前打单成功案例，量化Token用量增长或收入转化数据
- 展示对主流大模型的实际应用经验及Prompt/Agent框架的理解
- 深入学习阿里云MaaS产品矩阵（如百炼平台）及竞品差异，补充RAG、Agent等前沿AI应用架构知识
- 提升复杂项目招投标及高层客情维护的实战技巧
面试指南
- 采用STAR法则讲述案例，重点突出“业务痛点洞察-技术方案匹配-商务策略制定-最终商业转化”的闭环逻辑
- 在技术问题上，展现对大模型能力边界的客观认知，以及利用RAG/Agent等工程化手段解决业务问题的思路
- 请分享一个你主导的从POC到商业落地的AI/MaaS销售案例，你是如何推动Token用量增长的？
- 面对客户对大模型数据安全或幻觉的顾虑，你通常如何结合阿里云的产品特性进行解答和方案匹配？
- 你如何理解MaaS的Token商业模式？在定价谈判中如何平衡客户预算与公司收入目标？
- 请描述你日常如何使用主流LLM和Agent框架，并举例说明如何将其应用到客户场景挖掘中
- 提前体验阿里云百炼平台及核心MaaS产品，了解其与其他云厂商的差异化优势
- 梳理当前AI大模型在各行业的典型落地场景及ROI计算逻辑
职位点评
薪资福利85
成长发展95
工作生活50
使命价值85
薪资福利
85较高
作为核心云业务的AI商业化岗位，薪资及激励体系在行业内具备较强竞争力，但具体薪资包需根据面试定级确定。
薪资信号未披露（AI估算：2.5千–4.5万/月）
成长发展
95较高
处于AI大模型商业化落地的核心赛道，能深度参与MaaS产品从POC到落地的全流程，技术视野与商业认知将得到极大拓展。
技术前沿前沿/新兴技术
技术栈LLM、MaaS、Agent、RAG、GPU、Prompt、vibe coding
业务类型profit_center
工作生活
50较低
JD未明确提及工作模式与WLB相关信息，但To B销售岗位通常需配合客户时间，工作节奏可能较快。
工作模式未明确
办公地点未明确
加班情况未提及（无法判断）
使命价值
85较高
推动AI大模型在千行百业的落地，赋能企业智能化转型，具有较高的行业使命感与社会价值。
行业发展高速增长赛道
社会影响正向社会影响力较高
使命信号为客户提供价值
创新程度积极采用新技术
Watch Jobs