阿里巴巴
阿里云智能-公共云解决方案架构师-数据与AI融合方向（北京/杭州）
阿里云智能-公共云解决方案架构师-数据与AI融合方向（北京/杭州）
发布于 大约 8 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
Analyticdb
Dataworks
Hologres
Maxcompute
Polardb
Rag
向量数据库
数据架构
值不值得投
75综合评分
综合评分 75
技术前沿、薪资较高，但工作强度可能较大，WLB不明确。
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
40K
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 2090 个在招 · 其中解决方案 27 个
市场机会
选择适中
北京 · 解决方案 · 27 个在招
职位详情
关于这个职位
作为阿里云公共云解决方案架构师，你将专注于数据与AI融合方向，基于阿里云数据产品矩阵为客户设计AI应用场景下的数据架构方案，包括RAG数据底座、AI训练数据工程、实时特征平台等
同时，你将负责技术布道、重点项目攻坚和技术前瞻，推动客户向AI-Ready数据架构演进
适合有5年以上数据系统经验、具备解决方案架构设计能力的技术专家
最低要求
● 解决方案架构设计能力：具备体系化的解决方案架构设计思维，能针对具体的数据架构场景（如实时数仓、AI-Ready 数据底座、混合检索平台等）独立完成端到端架构设计，涵盖逻辑架构与关键组件设计、组件的技术选型对比，以及稳定性、可靠性、成本、可扩展性等非功能性维度（卓越架构）的评估与权衡
● 本科及以上学历，5 年以上数据相关系统经验，且有独立主导端到端数据方案设计（而非仅参与单点开发或平台运维）的经历
● 熟悉数据处理和分析的全链路流程，具备以下能力中的至少两项深度经验：
○ OLAP/数仓引擎：深度使用或调优 ClickHouse、Doris/SelectDB、AnalyticDB、Hologres 等主流引擎
○ 数据库架构：分布式数据库设计、高可用架构、数据迁移与容灾方案
○ 实时数据处理：Flink/Spark Streaming 等流计算引擎的架构设计与调优
○ 数据湖架构：Iceberg/Hudi/Delta Lake 等湖格式的架构设计与实践
● 能够理解 AI 应用对数据基础设施的需求（向量检索、知识抽取、数据标注、特征工程等），并有意愿向此方向延伸
● 熟悉主流云厂商的数据类产品，有实际的产品选型对比经验
● 具备大规模数据架构设计能力：高并发、高可用、可扩展
● 优秀的面向客户技能：能向客户中高层传递数据架构的业务价值，引导技术决策
工作职责
解决方案设计与交付：基于阿里云数据产品矩阵（PolarDB、AnalyticDB、MaxCompute、Flink、Hologres、Lindorm、DataWorks 等），为客户设计服务于 AI 应用场景的数据架构方案
典型场景包括：企业知识库构建（RAG 数据底座）、AI 训练数据工程、实时特征平台、多源异构数据整合为统一语义层、向量+结构化混合检索等
技术布道与能力建设：开发面向一线 SA 的"数据 × AI"融合方案培训体系，帮助 SA 团队理解 AI 时代数据基础设施的新需求和新架构模式
面向客户开展技术 Workshop，推动客户从传统数据架构向 AI-Ready 数据架构演进
重点项目技术攻坚：以 Task-Force 方式介入涉及数据底座建设的重点客户项目，包括：数据架构评估与规划、引擎选型对比（OLAP/HTAP/向量/图等）、数据迁移方案设计、性能调优与 PoC 验证等
技术前瞻与产品反馈：跟踪数据基础设施与 AI 应用交叉领域的技术趋势（如统一向量+关系存储、数据湖上的 AI 训练、实时 Feature Store 等），输出竞争分析，反哺产品迭代
优先资格
● 有向量数据库（Milvus、Pinecone、PGVector、DashVector 等）的实际使用或集成经验
● 有 RAG 系统数据底座设计经验（文档切片策略、多路召回、语义索引等）
● 有 AI 训练数据工程经验（数据清洗、标注管线、数据飞轮设计）
● 有 Text2SQL、NL2SQL、DataAgent 等数据智能化访问方向的项目经验
● 有数据治理平台或数据目录（Data Catalog）的建设经验
AI 洞察
优缺点分析
优点
- 阿里云平台提供丰富的技术资源和广阔的业务场景，能够接触前沿的AI与数据技术
- 作为解决方案架构师，能够积累大量客户案例，提升行业影响力
- 技术选型和方案设计需要权衡多方面因素，决策难度大
- 适合有5年以上数据架构经验，对AI技术有浓厚兴趣，具备优秀沟通能力的技术专家
缺点 / 挑战
- 薪资水平较高，福利完善，职业发展路径清晰
- 需要持续学习新技术，保持技术前沿，压力较大
- 需要频繁与客户沟通，出差可能较多，工作强度较高
角色解读
- 在阿里云内部，可向资深解决方案架构师或技术专家方向发展，成为数据与AI融合领域的权威
- 可横向拓展至产品管理、技术管理岗位，或转向更广泛的AI解决方案领域
- 积累的客户案例和技术经验可向咨询公司或创业公司转型
- 为客户设计基于阿里云数据产品的AI应用数据架构方案，包括RAG数据底座、实时特征平台等
- 开发培训体系，向一线SA团队传递数据与AI融合的技术知识，提升团队能力
- 以Task-Force方式参与重点客户项目，进行数据架构评估、引擎选型、性能调优和PoC验证
- 跟踪数据基础设施与AI交叉领域的技术趋势，输出竞争分析，反馈产品迭代
- 具备解决方案架构设计能力，能独立完成端到端数据架构设计，涵盖逻辑架构、组件选型和非功能性评估
- 熟悉数据处理全链路，至少两项深度经验：OLAP/数仓引擎、数据库架构、实时数据处理、数据湖架构
- 理解AI应用对数据基础设施的需求，如向量检索、知识抽取、特征工程等
- 优秀的面向客户技能，能向中高层传递技术价值，引导技术决策
申请策略
- 了解阿里云数据产品矩阵和AI战略，在面试中展示对业务的理解
- 准备一个完整的解决方案案例，展示从需求分析到架构设计的全过程
- 突出独立主导的端到端数据架构设计项目，强调技术选型和架构决策过程
- 展示对AI应用场景的理解，如RAG、向量检索、特征平台等
- 强调与客户沟通和方案宣讲的经验，体现面向客户的能力
- 列出具体的引擎使用和调优经验，如Flink、ClickHouse等
- 学习向量数据库和RAG系统设计，掌握主流工具如Milvus、Pinecone
- 了解AI训练数据工程，包括数据清洗、标注管线等
面试指南
- 使用STAR法则：情境、任务、行动、结果，结构化描述项目经验
- 对于技术选型问题，从需求出发，对比不同方案的优缺点，强调权衡过程
- 对于客户沟通问题，强调业务价值，使用案例和数据支撑
- 请描述一个你主导的端到端数据架构设计项目，包括技术选型和权衡
- 如何设计一个支持RAG应用的数据底座？请说明关键组件和考虑因素
- 在实时数据处理中，如何选择Flink和Spark Streaming？请对比
- 如何向客户中高层传递数据架构的业务价值？
- 你对AI-Ready数据架构的理解是什么？
职位点评
薪资福利80
成长发展90
工作生活50
使命价值70
薪资福利
80较高
该职位薪资水平较高，福利完善，但JD未明确具体薪资和福利细节。
薪资信号未披露（AI估算：30K-50K/月）
成长发展
90较高
职位涉及前沿的AI与数据技术，提供丰富的技术成长机会，但JD未明确提及晋升路径。
技术前沿前沿/新兴技术
技术栈PolarDB、AnalyticDB、MaxCompute、Flink、Hologres、Lindorm、DataWorks、RAG、向量数据库、数据湖
业务类型profit_center
工作生活
50较低
工作地点为北京或杭州，未提及远程或弹性工作，可能涉及出差，生活化动机满足有限。
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
70中等
职位推动客户数据架构向AI-Ready演进，具有技术价值，但未提及社会影响。
行业发展高速增长赛道
社会影响中性/一般
创新程度积极采用新技术
Watch Jobs