阿里巴巴
阿里云智能-商业技术工程师(公共云Maas方向）-北京
阿里云智能-商业技术工程师(公共云Maas方向）-北京
发布于 6 小时前普通员工/个人贡献者
全职员工仅现场办公解决方案
解决方案
Ai应用
Llm
Maas
Rag
To B销售
Token商业模式
云计算
大模型
解决方案
值不值得投
76综合评分
综合评分 76
核心AI商业化岗位，前沿技术栈与高成长空间，业绩导向强，WLB未明确。
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
3.8万
比解决方案中位数低
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 2990 个在招 · 其中解决方案 42 个
市场机会
选择面较广
北京 · 解决方案 · 约 110 个在招
职位详情
关于这个职位
该职位负责阿里云MaaS产品的AI客户开拓与商机挖掘，深度理解客户业务并挖掘AI应用场景，推动模型调用量增长
你需要独立向客户讲解业务解决方案，制定商务策略并促进商机转化，对Token用量和收入增长负责
最低要求
教育背景：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，专业不限
工作经验：有MAAS相关领域的To B销售或售前相关工作经验（大厂AI应用、AI 2B行业应用、AI 2C应用等）
工作经验：有saas软件等相关行业，To B销售或售前、客户成功相关工作经验
工作经验：AI native 公司创业经历，运营、商业化、产品经理、销售经验等
AI MaaS销售能力：深入理解AI 大模型和MaaS服务的商业模式，能清晰向客户传递模型即服务的价值，了解AI大模型市场格局、及各行业的AI应用场景，能与客户就业务场景，商业模式等进行深入交流和对话
AI MaaS销售能力：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，能有效协同解决方案架构师与产品团队，将客户业务痛点转化为可落地的MaaS使用场景
云业务经验：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，业务运营等相关性经验
职业素养：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，能在快速变化的市场中灵活应对并持续创造价值
商业敏锐度：理解Token商业模式，可以通过阿里的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及快速、敏锐判断，通过各种渠道开拓新客户，或挖掘现有客户的maas产品和技术需求，形成有效商机
客户业务理解及需求挖掘：深度理解客户所在行业，了解客户商业模式和业务流程，能够进行业务分析，解构客户生产链路及对应的痛点，挖掘有效AI切入场景,找到双方合作机会点
驱动Token价值挖掘与跃迁：推动标准化AI产品、平台及Agent类应用的推广，通过深入挖掘客户使用场景，驱动模型调用量（Token）实现跨越式增长，为客户提供价值
建立组织客情：能与客户业务负责人对话，维护好关键决策点的客情关系，协调我司管理层和客户建立连接，作为“铁三角”的导演，进行良好的内部项目协调
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
AI 价值传递与场景共创：深入理解阿里云MAAS产品的技术价值及适用场景，了解国内外市场先进模型特点及阿里云的差异化竞争优势，能够根据客户需求初步制定模型、应用及方案的匹配
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
AI 客户商务转化策略与业务收入：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
对AI MaaS业务的Token用量和收入增长负责
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
持续做好客户服务与市场洞察：持续做好客户服务，及时解决客户问题，提高客户满意度
竞对与趋势研究，推动产品反向优化：主动研究市场动态及竞对产品优劣，理解与阿里云的产品差异化优势，结合用户体验，持续输出产品优化建议，推动内部产品解决方案和流程体系的改进
优先资格
熟悉并在工作中日常高频使用主流LLM和多模态大模型，持续追踪并了解大模型、智能体（Agent）框架及行业动态
熟悉模型prompt和vibe coding
AI 洞察
优缺点分析
优点
- 处于AI大模型商业化落地的核心赛道，能积累前沿的MaaS产品推广与To B销售经验，行业前景广阔
- 依托阿里云强大的技术底座与产品矩阵，拥有极高的平台起点和丰富的内部资源支持
- 接触各行业头部客户的AI转型需求，有助于构建深厚的行业认知与高端人脉网络
- AI MaaS市场处于快速变化期，产品迭代快，需要持续保持高强度的学习以跟上技术趋势
- 适合具备To B销售/售前经验、对AI大模型技术有浓厚兴趣，且渴望在AI商业化浪潮中拿结果的自驱型人才
缺点 / 挑战
- 作为对Token用量和收入直接负责的岗位，面临较大的业绩指标压力与商务转化挑战
角色解读
- 纵向可晋升为资深商业技术专家或销售管理岗，负责更大规模的客户群或区域市场
- 横向可转型为AI产品商业化负责人、解决方案架构师或AI行业生态拓展专家
- 负责阿里云MaaS产品的AI客户开拓，挖掘AI原生及新兴赛道的市场机会，推动模型调用量（Token）增长
- 深度理解客户业务，解构生产链路痛点，独立向客户讲解并定制AI业务解决方案
- 主导从商机获取、POC验证到商务谈判、合同推进的全流程销售，对Token用量和收入增长负责
- 具备扎实的To B销售或售前经验，熟悉SaaS、AI应用或云基础设施产品的商业模式与销售流程
- 深入理解大模型（LLM）、Agent、RAG等AI技术原理及MaaS服务的商业价值，能与客户进行技术与业务对话
- 拥有出色的商业敏锐度与客情建立能力，能摸清客户决策链路并协同内部资源推动项目落地
申请策略
- 提前体验阿里云MaaS平台及相关AI产品，准备1-2个针对特定行业的AI落地场景构想，面试时主动分享
- 突出过往在AI应用、SaaS或云服务领域的To B销售业绩，量化Token用量、收入增长或大客户转化成果
- 展示对大模型、Agent等技术的实际使用经验，如熟悉Prompt工程、有Vibe Coding经验或主导过AI场景落地
- 强调跨部门协同能力与复杂项目推进经验，体现从POC到商业落地的全流程把控力
- 深入学习主流大模型（如通义千问等）的API调用、Agent框架及RAG技术原理，提升技术对话能力
- 研究AI MaaS行业的竞品动态与Token计费模式，完善对商业化路径的理解
面试指南
- STAR法则：在回答项目经验时，严格按照情境(Situation)、任务(Task)、行动(Action)、结果(Result)展开，突出个人贡献与量化业绩
- 价值传递框架：针对技术价值传递问题，采用“客户痛点 -> 技术匹配 -> 业务收益 -> 成功案例”的逻辑链条进行解答
- 请分享一个你主导的从POC到最终商业落地的AI/SaaS项目，你是如何挖掘需求并推动转化的？
- 如果客户对大模型的实际业务价值存疑，你会如何向他传递MaaS服务的价值并打消顾虑？
- 面对竞对（如其他云厂商或大模型初创公司）的低价竞争，你的应对策略是什么？
- 你日常是如何追踪大模型和Agent技术动态的？请举例说明你如何将新技术转化为客户解决方案
- 准备2-3个自己深度参与的大客户销售或售前案例，重点复盘其中的难点、决策链路影响及最终成果
- 提前了解阿里云MaaS（百炼平台等）的核心产品功能、差异化优势及近期发布的行业解决方案
职位点评
薪资福利85
成长发展90
工作生活40
使命价值80
薪资福利
85较高
作为已上市企业的核心AI业务岗，薪资结构具备较强竞争力，且包含与业绩强挂钩的浮动激励。
薪资信号未披露（AI估算：2.5千–5万/月）
成长发展
90较高
岗位处于AI大模型商业化最前沿，能深度接触各行业AI落地场景，技术成长与业务视野拓展空间极大。
技术前沿前沿/新兴技术
技术栈LLM、MaaS、Agent、RAG、Prompt、Vibe coding、GPU
业务类型profit_center
工作生活
40较低
JD未提及工作模式与WLB相关信息，但作为对收入负责的一线销售/售前岗，通常面临较高的业绩压力与响应需求。
工作模式未明确
办公地点市区核心地段
加班情况未提及（无法判断）
使命价值
80较高
推动AI大模型在各行业的商业化落地，助力企业实现智能化转型，具有较高的行业推动价值与社会意义。
行业发展高速增长赛道
社会影响正向社会影响力较高
创新程度开拓性创新（行业首创）
Watch Jobs