阿里巴巴
阿里云智能-技术服务专家TAM-互娱行业-北京
阿里云智能-技术服务专家TAM-互娱行业-北京
发布于 10 小时前普通员工/个人贡献者
全职员工仅现场办公技术支持
技术支持
Ai Agent
Gpu集群调度
Vllm
云原生
大模型
阿里云
值不值得投
78综合评分
综合评分 78
阿里核心业务线高级技术岗，聚焦大模型与云原生前沿技术，成长空间大，但面向头部客户交付压力较高。
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
5万
比技术支持中位数高
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 3000 个在招 · 其中技术支持 9 个
市场机会
选择适中
北京 · 技术支持 · 46 个在招
职位详情
关于这个职位
该职位是阿里云面向互娱行业头部AI与游戏客户的技术服务专家（TAM），负责大模型训练与推理全链路架构设计、AI云原生稳定性保障及卓越架构护航
你需要深入理解客户业务场景，提供从数据规划、Agent设计到部署实施的全流程专家级技术支持，解决复杂的模型交互与算力性能瓶颈问题
最低要求
熟悉Agent开发框架及工具（LangChain/Dify/LlamaIndex/百炼等），模型推理框架（vLLM /sglang），模型训练框架（LlamaFactory、swift等），具备GPU集群调度、资源隔离、显存优化相关经验，能够解决大规模算力下的性能瓶颈与稳定性问题
擅长Python/Java/Golang/中至少一种编程语言，能在生产环境编写高质量的Agent代码，有云原生或K8S实践者优先
熟悉LLM接入和AI Agent智能体综合应用，有langchain、Autogen、Agentscope、SpringAI等开源技术工具经验者优先
熟悉JAVA、Python、GO其中一门开发语言，熟悉常见中间件、数据库、大数据组件，如Redis、Nacos、K8s、Kafka、spark、flink等，具有2年以上软件开发经验优先
具备大模型、云原生、大数据、数据库、网络、中间件等领域中的一项或多项技术理解和应用经验，有阿里云公共云产品相关使用运维经验优先
具有优秀的沟通技巧、团队合作经验、敬业精神和学习能力
工作职责
深度服务国内头部AI与游戏客户，精准洞察行业龙头前沿趋势，全面把握产业变革与技术应用新方向
全面深耕阿里云各产品架构和AI前沿技术，提供全流程的专家技术服务，覆盖数据规划、产品方案设计、AI Agent设计等全生命周期服务
大模型训练与推理全链路架构设计，负责从数据到模型端到端技术支持:数据侧：设计数据采集、清洗、标注流程，搭建高质量训练数据 Pipeline; 训练侧：基于 PAI 平台进行模型微调（SFT/RLHF）、LoRA 适配、分布式训练集群调度; 推理侧：优化推理性能（KV Cache、Flash Attention）、推理服务弹性伸缩、Tokens成本治理
AI 云原生稳定性保障: 从客户架构视角出发，通过自动化巡检、AIOps 工具链推动问题主动发现与风险预防
构建 AI 云原生全链路可观测体系，覆盖 SaaS 层（百炼/通义）、PaaS 层（PAI/DashScope）、IaaS 层（GPU 实例/高速网络）
深入理解客户场景需求，结合AI和云产品能力，提供方案评估、部署实施、测试与迭代，解决实际业务中遇到的模型交互、输出优化等问题
卓越架构护航从公共云企业客户的业务视角出发，基于云上卓越架构最佳实践，主导客户云系统的持续诊断与重构
围绕高性能、高可用、安全合规、运维提效与成本精细化管理五大维度，推动架构的标准化与现代化升级
攻坚 AI 基础设施与传统业务系统的异构集成难题
优先资格
有数据库/云原生/大数据经验等大型项目交付、运维管理或解决方案设计经验，有云上云上业务治理、稳定性保障或服务经验，或持有阿里云ACP/ACE认证证书者优先
具备极强的复杂问题排查能力，有处理过 GPU OOM、CUDA/算子报错、NCCL 通信超时或死锁等 AI 典型故障的实战经验者优先
AI 洞察
优缺点分析
优点
- 站在AI与云计算交汇的最前沿，深度接触国内头部AI与游戏客户，积累稀缺的大模型全链路落地经验
- 依托阿里云强大的技术平台与资源，能够参与构建SaaS/PaaS/IaaS全链路可观测体系，技术视野极佳
- 作为技术服务专家，在解决复杂业务痛点中快速提升架构设计与跨团队协同能力，职业壁垒高
- 适合具备扎实云原生开发基础、对大模型底层原理与工程化落地有浓厚兴趣，且具备优秀客户沟通与复杂问题攻坚能力的资深技术人才
缺点 / 挑战
- 需同时兼顾底层算力优化（GPU/CUDA）与上层业务架构（Agent/大模型），技术栈跨度大，学习压力与脑力消耗较高
- 面向头部客户的全流程服务要求极高的响应速度与问题解决能力，可能面临较大的交付压力与突发故障处理挑战
角色解读
- 纵向可晋升为阿里云首席技术专家或TAM团队负责人，成为行业级AI云架构权威
- 横向可向AI产品架构师、大模型商业化解决方案专家或云智能业务线技术总监转型
- 作为阿里云面向互娱行业头部客户的技术服务专家（TAM），提供大模型训练、推理及AI Agent设计的全流程技术支持
- 负责AI云原生架构的稳定性保障与可观测体系建设，解决GPU集群调度、显存优化等底层算力瓶颈问题
- 深入客户业务场景，主导云系统的持续诊断与重构，推动架构的标准化、现代化升级及成本精细化管理
- 精通Python/Java/Golang至少一种，熟练掌握LangChain、vLLM等AI Agent及大模型推理/训练框架
- 具备深厚的云原生与K8s实践经验，熟悉Redis、Kafka等中间件及大数据组件
- 拥有出色的复杂问题排查能力，能独立解决GPU OOM、CUDA报错等AI基础设施典型故障
申请策略
- 了解互娱行业（尤其是游戏和AI应用）的最新业务趋势，准备1-2个结合AI与云产品解决行业痛点的架构方案
- 重点突出大模型训练/推理优化、AI Agent开发或云原生架构设计的实际项目经验，量化性能提升或成本降低指标
- 详细列举处理过的GPU OOM、分布式训练死锁等底层疑难杂症排查案例，展现极强的Troubleshooting能力
- 强调在ToB大型项目交付、解决方案设计或云上业务治理方面的成功经验，体现客户视角与服务意识
- 深入学习vLLM、Flash Attention等推理加速技术，以及PAI平台、分布式训练集群调度的底层原理
- 熟悉阿里云核心产品（如百炼、DashScope）的最佳实践，若有条件可考取阿里云ACP/ACE认证
面试指南
- STAR法则：针对架构优化或故障排查问题，清晰阐述背景、任务、具体行动（技术细节）和最终收益（量化指标）
- 分层排查法：在回答稳定性保障或复杂问题时，展现从IaaS（GPU/网络）到PaaS（PAI/中间件）再到SaaS（应用层）的系统性排查逻辑
- 请描述一个你主导的大模型训练或推理性能优化的完整案例，遇到了哪些瓶颈，如何解决的？
- 在GPU集群调度中，如何处理显存碎片化或GPU OOM问题？请分享你的排查思路
- 面对头部客户突发的AI云原生系统故障，你的应急响应和全链路排查流程是怎样的？
- 如何结合LangChain或Dify等框架，为互娱客户设计一个高可用、低延迟的AI Agent架构？
- 复习大模型分布式训练（如Megatron-LM、DeepSpeed）和推理加速（vLLM、TensorRT-LLM）的核心原理与常见坑点
- 梳理自己过往项目中最复杂的1-2个技术难题，准备好详细的技术细节和复盘思考
职位点评
薪资福利85
成长发展90
工作生活50
使命价值80
薪资福利
85较高
高级技术专家岗位，大模型与云原生方向具备较高的市场溢价，薪资处于行业高位。
薪资信号未披露（AI估算：3.5千–6.5万/月）
成长发展
90较高
岗位处于AI大模型与云计算的最前沿，能深度接触头部客户与全链路架构，技术成长空间与行业视野极佳。
技术前沿前沿/新兴技术
技术栈LangChain、Dify、vLLM、sglang、LlamaFactory、Kubernetes、PAI、DashScope、Python、Java、Golang
业务类型ambiguous
工作生活
50较低
JD未明确提及工作模式与WLB相关信息，但作为面向头部客户的技术服务专家，需应对突发故障与高要求交付，工作强度可能较大。
工作模式未明确
办公地点科技园/产业园
加班情况未提及（无法判断）
使命价值
80较高
推动AI前沿技术在互娱等实体行业的落地，助力产业变革与技术应用新方向，具有较高的行业价值与使命感。
行业发展高速增长赛道
社会影响中性/一般
使命信号产业变革与技术应用新方向
创新程度积极采用新技术
阿里巴巴 的其他在招职位
相似职位推荐
Watch Jobs