Alibaba logo
阿里巴巴
阿里云智能-汽车解决方案架构师(汽车)-AI汽车行业线(北京/长春)

阿里云智能-汽车解决方案架构师(汽车)-AI汽车行业线(北京/长春)

发布于 2 小时前

普通员工/个人贡献者

AI 估算 · 3.5–6.5万 · AI 参考估算
高级经验
本科
全职员工仅现场办公解决方案
解决方案
Llmops
Maas
Rag
售前解决方案
大模型
推理优化
模型微调
汽车行业
阿里云

值不值得投

75综合评分

综合评分 75

汽车行业AI售前架构岗,技术前沿、客户导向强,发展性突出但WLB信息不明

从薪资福利、成长发展、工作生活和使命价值四个维度综合评估,方便横向比较。

薪资怎么样

5.0万

比解决方案中位数高

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 5200 个在招 · 其中解决方案 96 个

市场机会

选择面较广

北京 · 解决方案 · 约 230 个在招

职位详情

关于这个职位

该职位面向汽车行业客户,负责阿里云AI Native、MaaS、大模型与Agent相关解决方案的售前架构工作

你需要深入理解客户业务场景,设计整体技术架构,主导POC验证与方案落地,并推动AI解决方案在汽车行业规模化复制

最低要求

本科及以上学历,计算机、人工智能或相关专业

年以上云计算、AI或相关领域工作经验
有面向客户的项目交付或售前技术支持成功经验者优先,能够独立主导客户需求对接与方案落地,具备较强演讲能力
在云计算或MaaS有总体了解的基础上,在基础大模型、或Coding、或Agent的某一个技术领域有突出的理解和充分的实践
业务架构能力:深刻理解AI应用与MaaS商业模式,能将复杂的客户业务场景抽象映射为AI技术解决方案
大模型技术体系:
深刻理解主流模型(Qwen/GPT/Gemini/Claude等)的能力差异及适用场景
熟悉模型微调与对齐技术(SFT/LoRA/RLHF/DPO),能够根据业务需求进行模型选型和适配
掌握模型评估方法论,熟悉主流Benchmark及A/B Testing策略
AI Native应用范式:
熟悉RAG全链路架构:包括Embedding优化、Re-rank策略、混合检索及向量数据库选型等
熟悉Agent开发:熟练使用AgentScope、LangGraph、CrewAI或AutoGen等框架
掌握前沿交互协议:熟悉MCP服务开发、Tool Calling及Skills定义
AI工程化与运维:
具备LLMOps实践经验,掌握模型监控、可观测性及安全性建设
熟悉推理优化技术,能够在延迟、吞吐与成本之间找到最优解,实现极致性价比
在GitHub上有Agent相关开源项目或AI辅助编程(Vibe Coding)深度实践者优先
有汽车行业从业经验者优先

工作职责

负责汽车行业客户的售前工作,支持销售拿到业务结果,推动阿里云AI Native与MaaS相关产品及解决方案的落地,助力客户成功

作为AI技术专家,基于阿里云MaaS服务、大模型及Agent产品能力,为客户提供整体技术架构与解决方案设计,并在落地过程中提供必要的技术指导,确保方案可落地、有竞争力
深入理解客户业务场景,围绕AI Native应用形态,设计从模型能力、Agent工程到系统架构的完整解决方案
参与客户的方案比选,主导POC演示、功能/性能验证,量化模型效果、系统性能及成本收益,在保证性能、安全与稳定性的前提下实现成本最优
负责所支持汽车客户的市场洞察与解决方案制定,能够把握AI技术及产业发展趋势,推动AI Native 解决方案的创新与规模化复制
建立行业影响力,参与内外部行业沙龙及技术分享,传播AI Native与MaaS架构最佳实践
为客户提供整体 AI 技术架构服务,包括模型选型、Harness工程、推理性能优化、成本治理、系统稳定性设计及安全合规方案

优先资格

有面向客户的项目交付或售前技术支持成功经验者优先,能够独立主导客户需求对接与方案落地,具备较强演讲能力

在GitHub上有Agent相关开源项目或AI辅助编程(Vibe Coding)深度实践者优先
有汽车行业从业经验者优先

AI 洞察

优缺点分析

优点

  • 岗位处在AI大模型、MaaS和Agent应用落地的前沿方向,技术栈新且成长空间大
  • 聚焦汽车行业AI场景,有机会深度参与车企智能化、AI应用和云上架构升级项目
  • 售前架构角色能同时积累技术深度、客户洞察和商业化经验,职业路径较宽
  • 参与行业沙龙和技术分享,有助于建立个人技术品牌和行业影响力
  • 需要同时覆盖大模型技术、云架构、行业理解和客户沟通,能力复合度要求高
  • AI技术迭代快,需持续跟进模型、Agent框架、推理优化和工程化工具的最新变化
  • 适合有云计算或AI技术背景、又愿意面向客户做方案和影响决策的资深技术人才,尤其适合熟悉汽车行业或大模型应用落地的人

缺点 / 挑战

  • 售前场景通常要面对方案比选、POC验证和客户高层沟通,结果导向压力较明显

角色解读

  • 可向资深AI解决方案架构师、行业解决方案专家方向发展,深耕汽车行业AI应用与云上架构
  • 可转向技术管理、行业线架构负责人或云智能产品解决方案负责人,承担更大范围的客户与团队职责
  • 也可积累产品与商业化经验,转向AI平台产品管理、MaaS产品策略或企业AI咨询等高阶岗位
  • 面向汽车行业客户做AI与云计算售前支持,理解客户业务痛点,把阿里云MaaS、大模型和Agent能力转化为可落地的解决方案
  • 主导技术架构设计、POC演示、功能与性能验证,量化模型效果、系统性能和成本收益,帮助销售推进业务结果
  • 参与方案比选和客户技术沟通,提供模型选型、RAG架构、Agent工程、推理优化、稳定性与安全合规等技术指导
  • 沉淀汽车行业AI Native解决方案,参与行业沙龙和技术分享,推动方案复制与行业影响力建设
  • 需要扎实的云计算、AI和大模型技术基础,熟悉Qwen、GPT、Gemini、Claude等主流模型能力差异及适用场景
  • 需要掌握RAG、Agent开发、MCP、Tool Calling、Skills定义等AI Native应用范式,并理解SFT、LoRA、RLHF、DPO等微调对齐方法
  • 需要具备LLMOps、模型评估、可观测性、推理性能优化、成本治理和安全合规等工程化能力
  • 需要较强的客户沟通、方案表达和售前推进能力,能够把复杂业务需求抽象成技术架构并推动落地

申请策略

  • 面试前重点研究阿里云MaaS、大模型平台和AI Native解决方案的产品能力,形成自己的方案框架
  • 关注汽车行业AI应用场景,如智能座舱、研发提效、客服知识库、辅助编程和数据分析等,准备行业化表达
  • 突出5年以上云计算、AI或相关领域经验,尤其是面向客户的项目交付、售前支持或方案落地案例
  • 重点展示大模型相关实践,包括模型选型、微调对齐、RAG链路、Agent开发、MCP、Tool Calling或LLMOps经验
  • 量化呈现POC或项目成果,例如模型效果提升、推理成本下降、性能改善、客户采纳或业务转化结果
  • 如果有汽车行业客户经验、GitHub Agent开源项目或Vibe Coding实践,应在简历中单独强调
  • 补齐Agent工程能力,熟悉AgentScope、LangGraph、CrewAI、AutoGen等框架,并准备可演示的小项目
  • 加强对RAG全链路和推理优化的理解,包括Embedding、Re-rank、混合检索、向量数据库、延迟吞吐与成本权衡

面试指南

  • 用“业务背景—客户痛点—技术方案—验证指标—落地结果”的结构讲项目案例,突出个人主导动作和量化成果
  • 回答架构题时按“需求拆解—模型选型—RAG/Agent设计—工程化与运维—安全合规—成本收益”的链路展开
  • 面对技术取舍题,先明确约束条件,再比较方案优劣,最后给出可验证的指标和迭代计划
  • 请介绍一个你主导的AI或云计算售前项目,你如何识别客户需求并推动方案落地?
  • 面对汽车客户的AI知识库或Agent需求,你会如何设计从模型选型到RAG、Agent和工程化运维的整体架构?
  • 如何评估Qwen、GPT、Gemini、Claude等模型在客户场景中的适用性?
  • 在POC阶段,如果客户同时关注效果、延迟、吞吐和成本,你会如何设计验证指标和优化路径?
  • 你如何理解MaaS商业模式,以及它对汽车行业客户智能化转型的价值?

职位点评

薪资福利78
成长发展92
工作生活45
使命价值76

薪资福利

78中等

JD未披露薪资与福利信息,但岗位要求资深经验和复合型AI架构能力,通常对补偿性动机有一定吸引力。稳定性与福利承诺未提及,需面试确认。

薪资信号未披露(AI估算:3.5千–6.5万/月)

成长发展

92较高

岗位深度涉及MaaS、大模型、Agent、RAG、LLMOps、推理优化和汽车行业解决方案,技术前沿且复合度高。JD还提到行业沙龙、技术分享和最佳实践传播,有利于专业影响力积累。

技术前沿前沿/新兴技术
技术栈AI Native、MaaS、大模型、Agent、RAG、Embedding、Re-rank、向量数据库、AgentScope、LangGraph、CrewAI、AutoGen、MCP、Tool Calling、LLMOps、SFT、LoRA、RLHF、DPO、A/B Testing
成长机会建立行业影响力、参与内外部行业沙龙及技术分享、传播AI Native与MaaS架构最佳实践
业务类型profit_center

工作生活

45较低

JD仅明确北京/长春地点,未提及远程、弹性、双休或加班情况,生活化动机相关信息不足。售前、POC和客户方案支持职责较多,实际节奏需与招聘方确认。

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

76中等

岗位推动AI Native与MaaS解决方案在汽车行业落地,涉及客户成功、行业创新与规模化复制,具有一定产业价值。JD未直接表达社会使命或公共价值导向。

行业发展高速增长赛道
社会影响中性/一般
使命信号助力客户成功、推动AI Native 解决方案的创新与规模化复制
创新程度积极采用新技术
Watch Jobs