阿里巴巴
Token Foundry-AI智能手机全栈算法工程师-Memory / Agent / 多模态方向
Token Foundry-AI智能手机全栈算法工程师-Memory / Agent / 多模态方向
发布于 大约 14 小时前普通员工/个人贡献者
全职员工仅现场办公人工智能
人工智能
多模态
大模型
推理加速
模型压缩
端云协同
端侧模型
Personal Rag
值不值得投
80综合评分
综合评分 80
阿里巴巴AI智能手机算法岗，技术前沿，薪资优厚，但工作强度大，适合追求技术成长的求职者。
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
55K
比人工智能中位数高
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 1870 个在招 · 其中人工智能 约 120 个
市场机会
选择面较广
北京 · 人工智能 · 约 130 个在招
职位详情
关于这个职位
作为阿里巴巴AI智能手机核心算法团队的全栈算法工程师，你将专注于大模型在智能终端上的应用，研究方向包括个人记忆（Memory）、智能体（Agent）、端侧多模态感知、端侧模型及端云协同
你将参与从研究、数据构建、模型训练到系统实现、评测和产品交付的完整流程，推动前沿算法在AI手机上的落地
该岗位要求扎实的算法与工程能力，并具备AI手机或智能终端研发经验
最低要求
计算机、人工智能等相关专业，硕士或博士学历
具备1年以上大模型或智能终端算法研发经验，具有AI手机或智能终端算法工程经验
在以下至少一个方向具备深入积累：
○ 个人记忆、Personal RAG、个人搜索或用户建模
○ Agent、任务规划、工具使用或Agent后训练
○ 端侧视觉、语音、视频理解或多模态感知
○ 端侧模型、模型压缩、推理加速或端云协同
具备扎实的机器学习和深度学习基础，深入理解Transformer、大语言模型和多模态模型，并具有模型训练或后训练实践经验
具备端侧模型研发经验，熟悉模型压缩和推理优化方法，能够针对移动设备约束优化模型效果、延迟、内存和功耗
熟悉主流模型训练框架及至少一种端侧或服务端推理技术栈，具备模型训练、部署和评测的实际经验
具备较强的技术判断力和Owner意识，能够解决开放性问题，并持续推动结果落地
工作职责
参与AI手机个人记忆与个性化智能的算法及系统研发，重点提升个人信息的理解、组织、检索和更新能力，推动Memory与Agent、个人搜索等能力结合
参与端侧多模态感知模型的研发与优化，提升手机对图像、语音、视频、文本及设备上下文的理解能力，并在效果、延迟、内存和功耗之间取得平衡
参与Agent核心算法及端云协同能力建设，持续提升模型的任务规划、工具使用、记忆调用和复杂任务执行能力
参与算法的端到端工程实现，建设数据、训练、推理和评测关键链路，解决模型效果与系统性能问题，推动算法从研究原型走向产品级交付
与产品、工程及ToB建设团队协作，将业务需求转化为明确的算法问题和评测目标，推动方案验证、集成交付和持续迭代
优先资格
主导/参与过已经规模化落地的AI手机、个人智能、Memory、Agent或端侧多模态项目，并对核心业务指标或用户体验产生可量化的提升
具备端云协同算法架构经验，能够根据任务复杂度、设备资源、网络状态、隐私要求和服务成本进行模型路由及系统优化
具备优秀的沟通表达和跨团队协作能力，能够面向算法、工程、产品、解决方案及客户团队，清晰说明技术原理、方案取舍、评测结果、能力边界和业务价值
具备ToB业务、企业级AI、客户项目或联合交付经验，能够参与需求澄清、方案设计、技术评审、指标定义、交付验收和问题复盘
具备大规模向量检索、知识图谱、长上下文、持续学习、模型服务或分布式训练推理经验
在Apple、Google、国内头部手机厂商、知名大模型团队、研究机构或相关智能终端团队有工作经历
在NeurIPS、ICML、ICLR、ACL、EMNLP、CVPR、ICCV、ECCV、AAAI等高水平会议或期刊发表过相关论文，或参与过有影响力的开源项目
AI 洞察
优缺点分析
优点
- 阿里巴巴集团平台大，资源丰富，AI技术积累深厚，有大量实际落地场景
- 薪资待遇优厚，福利完善，职业发展路径清晰
- 岗位要求高，需要同时具备算法和工程能力，对个人综合能力要求高
- 工作强度可能较大，需要适应快速迭代和跨团队协作
- 技术领域前沿，需要持续学习和跟进最新研究
- 适合对AI技术有热情，具备扎实算法和工程能力，希望在智能终端领域深耕的资深算法工程师
缺点 / 挑战
- 岗位涉及前沿技术，如Memory、Agent、多模态感知，技术挑战大，成长空间广阔
角色解读
- 在AI智能手机领域深耕，成为端侧模型、Agent或多模态方向的专家
- 向技术管理方向发展，带领团队负责核心算法模块的研发
- 跨领域发展，结合端云协同、ToB交付等方向，成为综合型技术专家
- 负责AI手机个人记忆与个性化智能的算法研发，提升个人信息理解、组织、检索和更新能力
- 研发端侧多模态感知模型，优化手机对图像、语音、视频、文本及设备上下文的理解能力
- 参与Agent核心算法及端云协同能力建设，提升模型的任务规划、工具使用和复杂任务执行能力
- 负责算法的端到端工程实现，建设数据、训练、推理和评测链路，推动算法从研究原型走向产品级交付
- 扎实的机器学习和深度学习基础，深入理解Transformer、大语言模型和多模态模型
- 具备端侧模型研发经验，熟悉模型压缩和推理优化方法
- 熟悉主流模型训练框架及至少一种端侧或服务端推理技术栈，具备模型训练、部署和评测的实际经验
- 具备较强的技术判断力和Owner意识，能够解决开放性问题并推动结果落地
申请策略
- 深入了解阿里巴巴AI手机相关业务和团队方向，在面试中展示对业务的理解
- 准备一个完整的项目案例，从问题定义、技术选型到落地效果，展示你的技术判断力和Owner意识
- 突出大模型、Agent、多模态或端侧模型相关项目经验，尤其是已落地的项目
- 强调模型训练、压缩、推理优化等实际技能，并展示对Transformer、LLM等技术的深入理解
- 展示在AI手机或智能终端领域的经验，以及跨团队协作和推动结果落地的能力
- 补充端侧模型部署和推理优化相关技能，如TensorRT、ONNX Runtime等
- 关注Agent、Memory、多模态感知等前沿技术，并尝试在个人项目中实践
- 提升跨团队沟通和方案设计能力，为ToB交付场景做准备
面试指南
- 使用STAR法则（情境、任务、行动、结果）来结构化回答项目经验，突出你的技术决策和量化成果
- 在回答技术问题时，先阐述原理，再结合具体实践，展示你的深度和广度
- 对于开放性问题，展示你的思考框架和逻辑，并体现对业务和用户价值的关注
- 请介绍一个你主导的端侧模型或Agent项目，如何解决效果与性能的平衡？
- 如何设计一个端云协同的模型路由策略，以应对不同任务复杂度和设备资源？
- 在模型压缩和推理加速方面，你有哪些实践经验？如何评估和优化模型延迟、内存和功耗？
- 如何将业务需求转化为可评测的算法问题？请举例说明
- 你如何看待Memory和Agent在AI手机中的应用前景？
职位点评
薪资福利85
成长发展95
工作生活50
使命价值80
薪资福利
85较高
阿里巴巴作为头部互联网公司，薪资待遇优厚，福利完善，补偿性动机能得到较好满足。
薪资信号未披露（AI估算：40K-70K/月）
成长发展
95较高
岗位聚焦AI前沿技术，如Memory、Agent、多模态感知，技术挑战大，成长空间广阔，发展性动机得到极大满足。
技术前沿前沿/新兴技术
技术栈大模型、Agent、多模态、端侧模型、模型压缩、推理加速、端云协同、Memory、Personal RAG
业务类型profit_center
工作生活
50较低
工作地点在北京、杭州、上海等一线城市，但岗位要求高强度工作，可能面临较大工作压力，生活化动机满足程度有限。
工作模式仅现场办公
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
AI智能手机是当前科技领域的热点，该岗位参与核心算法研发，对推动AI技术落地有重要意义，意义感动机得到较好满足。
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）
阿里巴巴 的其他在招职位
相似职位推荐
Watch Jobs