薪酬概览
平均月薪
¥26500
中位数 ¥22500 | 区间 ¥19000 - ¥34000
数据来源:样本数量过少,仅供参考;更新时间:2026年7月13日
月薪分布
37.5% 人群薪酬落在 >30k

三大影响薪酬的核心维度
影响薪资的核心维度1:工作年限
影响薪资的核心维度2:学历背景
市场需求
5月新增岗位
6
对比上月:岗位减少8
数据由各大平台公开数据统计分析而来,仅供参考。
岗位需求趋势
不同经验岗位需求情况
| 工作年限 | 月度新增职位数 | 职位占比数 |
|---|---|---|
| 不限经验 | 6 | 100% |
热招职位
1.负责机器学习训练平台的建设,支持业务的探索实践
2.负责研发领域相关的基础设施建设,包括但不限于数据采集、预处理、模型训练、监控和管理等
3.负责对算法进行工程化能力封装和抽象,形成通用框架或组件,提高研发效率和降低研发成本
4.负责大规模分布式异构训练性能优化
1. 本科及以上学历,具备计算机科学、人工智能或相关专业背景
2. 利用AI Coding软件构建过大型企业项目,有自己的一套AI Coding 人机协同方法论,能够高效驾驭AI完成高质量交付的同时保证系统架构稳定
3. 2年以上服务端工程经验或者全栈开发经验,2年以上AI Agent 系统研发经验,精通Python/JAVA/Go/Js主流编程语言
4. 深入掌握Agent架构核心组件设计原理和调优方案,包含Prompt Engineering,Function Calling,RAG,长短期记忆等
5. 具备批判性思维,热爱技术,拥抱开源,针对AI 前沿发展和社区技术动向敏感,对 OpenClaw、Hermes、opencode等agent项目有深入了解,并且参与过项目二次开发者优先
6. 加分项:参与过企业级Agent平台设计和实现;有Prompt调优、RAG系统调优、上下文压缩等优化经验;有金融、电商、客服等垂直领域的Agent应用落地经验优先
1、硕士及以上学历,1年以上搜索推荐广告相关工作经验;
2、熟练掌握Java/C++/Python中至少一门语言,有扎实的数据结构和算法基础;
3、熟练掌握常用的机器学习或深度学习算法,并且有实际运用以及算法优化经验;
4、在KDD、SIGIR、WWW、ICML、NeurIPS、RecSys等国际顶会发表过相关论文者优先。
1、计算机科学、人工智能、数据科学等相关专业;
2、1 年以上商品算法或搜索推荐算法相关工作经验;
3、熟练掌握 Python, SQL,能够独立完成复杂数据查询、加工和分析,有大规模数据处理经验(10亿级数据量以上优先),熟悉 Linux 开发环境;
4、多模态算法:
○ 熟悉计算机视觉(CV)和自然语言处理(NLP)基础算法
○ 有图像分类、目标检测、图像检索、文本分类等实际项目经验
○ 熟悉主流大语言模型(LLM)的原理和应用,有Prompt enginering、RAG、Agent方向实践经验。
○ 熟悉主流多模态大模型(VLM)等多模态预训练模型的原理和应用,有图文匹配、VQA、视觉内容理解等实践经验。
5、要求具备商品理解、向量检索与召回、聚类算法一个或多个领域的项目经验积累,具备扎实的编程与工程能力。
1、 清晰的分析逻辑以及良好的业务洞察能力,能快速发现问题、拆解问题并定位到影响业务的关键点;
2、 数据处理能力强,可使用多种方式提取数据并进行分析,熟练掌握hive、SQL、excel等相关数据提取工具;
3、 良好的沟通能力和团队协作能力,能够有效地和业务方,数据技术团队沟通交流,具有跨团队的推进项目的能力,并且能够以分析师的视角给业务提供建议;
4、 具备数据运营与产品运营能力,针对业务问题,可以透过实验设计,并制定有效解决方案及衡量方法;
5、 良好的数据敏感度,能从海量数据提炼核心结果,有丰富的数据分析、挖掘、清洗和建模经验,能独立编写商业数据分析报告;
6、 有AI产品分析相关经验,了解C端AI产品、AIGC内容生成、大模型评估相关的优先。
1. 计算机或相关专业本科及以上学历,2 年以上大型分布式系统开发经验;
2. 精通 Java 或 Python,深入理解 JVM、并发编程、网络通信机制,具备高并发、高可用系统实战经验;
3. 扎实的计算机基础:熟悉常用数据结构与算法,掌握数据库、缓存、消息队列等中间件原理与最佳实践;
4. 对 AI 工程化有浓厚兴趣,具备以下一项或多项经验者优先:
○ 参与过 AI Agent 系统的设计与开发(如 LangChain、AutoGPT、Transformers Agents 等框架);
○ 使用 LLM 实现代码生成、需求解析、测试用例生成等研发提效场景;
○ 具备 Prompt Engineering、RAG、Agent Planning 与 Tool Calling 等实践经验;
○ 关注 AIGC、Code Generation、Intelligent IDE 等方向的发展趋势并有实际尝试;
5. 对技术有热情,代码质量意识强,逻辑清晰,具备优秀的沟通能力和跨团队协作推动力;
6. 其他加分项:
○ 有营销、交易、玩法、招商、运营后台系统开发经验;
○ 具备全栈开发能力,熟悉前端技术栈(React / Vue、TypeScript、Webpack 等),能够独立完成复杂页面开发与性能优化;
○ 有数据挖掘、AB 实验分析、用户行为建模等相关经验;
○ 在开源社区贡献过 AI 相关项目或发表过技术博客;
○ 具备全链路视角,能从产品需求出发反推技术方案与 AI 落地路径。
1. 负责服务器/交换机产品系统硬件设计,保证产品方案领先性、成本优势和综合竞争力,参与产品端到端交付;
2. 负责原始需求的分析、评估与分解,提前识别风险点,解决开发过程中遇到的问题;
3. 负责推动各领域按照硬件系统方案按期完成开发和测试工作,保证最终硬件系统的交付质量;
4. 负责持续跟踪和分析友商竞品的优劣势,为平头哥产品定义和设计提供参考依据;
5. 跟进业界技术发展趋势,参与平头哥芯片与硬件产品路标的规划;
如果你想参与阿里大数据的采集、存储、处理,通过分布式大数据平台加工数据,支持业务管理决策;
如果你想参与阿里大数据体系的模型设计、开发、维护,通过元数据、质量体系有效的管理和组织EB级的数据;
如果你想参与阿里大数据产品的研发,发挥你的商业sense,通过数据分析和算法来洞察数据背后的机会,来探索大数据商业化;
如果你想接触世界领先的大数据处理与应用的技术和平台,获得大数据浪潮之巅的各类大牛的指导;
那就加入我们吧!
ATH-AI创新事业部-行业解决方案架构师(技术架构方向)-杭州
1. 行业 Skills 开发与架构设计
负责重点行业专属 Skills 的需求分析、架构设计和开发实现
设计和实现 Skills 的统一架构框架,确保可扩展性、可维护性和性能
编写高质量的技术文档、API 接口规范和最佳实践指南
2. 行业解决方案设计与规模推广
基于行业的市场洞察,理解行业客户的业务痛点和功能性/非功能性需求
基于Qoder CLI的基础能力,提供有竞争力的行业解决方案,并落地实施
基于用户的反馈,快速迭代行业解决方案的技术方案,保证产品的持续竞争力
3. 与产研团队协同
基于行业解决方案的落地实施,与产研协同,改进产研基础设施的建设
参与产品路线图规划,从技术架构角度提出产品和技术的演进建议
4. 客户体验与问题闭环
基于用户的反馈,持续优化Skills的能力,持续保障优秀的客户体验
1、负责阿里Aone 协作产品研发,承担协作项目、迭代、工作项等产品功能的设计与开发;
2、承担协作智能化能力的功能设计与开发,如工作项自主分配、内容智能化整理、缺陷自动修复能力等设计与开发;
3、承担智能化研发场景下,协作功能与知识管理平台、生码平台集成的设计与开发。
1. 数据资产全景与指标体系构建:负责搭建数据资产全景视图,提炼关键业务指标,通过数据洞察市场趋势,为决策层输出专业数据建议
2. 全链路效率监控与优化:围绕AI模型训练场景,构建数据全链路转化漏斗监控体系,追踪各环节转化率与周期效率,识别并推动解决流程卡点,保障数据高效流转
3. 反馈闭环建设与质量评估:建立从数据反馈出发的优化体系,统一拉齐数据质量评估标准,指导提升数据质量的提升及需求的衔接度
4. 跨团队协作与决策支持:协同数据开发、算法团队优化大模型训练效果,设计实验监控模型的反馈结果,给出量化的指标和建议,促进模型的不断优化
1、 参与新业务讨论、合同审阅、涉税问题解答等一系列工作,对所处行业发展不断了解。贴近业务,平衡管理成本与收益,依法制定相关税务处理方案;
2、 能根据业务依法制定相关税务处理,落实合规和优化建议,协助各单位申请各种适用税收优惠;
3、 指导并复核企业税务合规管理工作,使团队能高质量、高效率地完成税务工作,对团队交付成果负责;
4、 根据法规与时俱进、不断优化税务管理流程的方式,使税务管理工作不断深入和完善,沉淀复用;
5、 与外部合作单位/监管机构建立并维持良好的工作关系;
6、对国内外税收环境的变化有一定的敏锐度和自己的见解。
1. 负责企业级办公Agent技能市场(SkillHub)的迭代,涵盖技能市场、运营后台、开发者后台三大模块,从产品规划到上线,推动技能生态的规模化增长与用户体验提升;
2. 深入开发者与用户的双边需求洞察,围绕技能发现、安装、评价、审核、推荐、上架、调试、版本管理等核心链路,完成业务抽象与产品设计,构建可持续的AI能力生态;
3. 对Agent框架(如OpenClaw、Claude code等)及其技能/插件体系有深入理解,能够抽象技能接入规范、协同定义开发者kit,降低第三方技能接入门槛;
4. 深入阿里的业务协作、办公AI场景的挖掘、核心AI能力的建设,完成用户洞察及业务抽象,推动产品的持续迭代创新与优化;
5. 针对每一个产品功能制定出对应可量化指标,负责产品的数据分析和优化,通过数据分析提升产品的用户体验和用户价值。