主分类：供应链计划与供需协同
辅助：数据分析与数据科学（仅展示）
来源 JD 数据（旧分类保留，当前主分类见上方）
{
"schema_version": "via_ai_product_manager_jobs_v1",
"data_type": "ai_product_manager_jobs",
"job": {
"job_title": "阿里云智能-算力资源运营高级专家-MaaS业务部-杭州",
"job_level": "专家",AI生成
"work_category": "全职",AI生成
"department": "云智能集团",
"location": "杭州",
"work_mode": "未披露",AI生成
"job_category": "运营"AI生成
},
"company": {
"company_name": "阿里云",
"company_industry": "云计算 / 人工智能",
"company_size": "10000人以上",
"company_website": "alibaba.com",
"company_description": "阿里云提供云基础设施、AI模型、智能体和计算服务。"
},
"compensation": {
"salary_range": {
"min": "",
"max": "",
"currency": "未披露",
"cycle": "未披露"
},
"benefits": "未披露"
},
"requirements": {
"working_years": "",
"degree": "本科",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "（1）岗位定位\n负责 MaaS 算力资源的全链路运营与经营管理，连接销售需求、AI 工程、算力供给与客户交付，是兼具技术理解、经营分析、资源规划和组织推动能力的综合型岗位。\n（2）岗位职责\n1. 供需闭环：衔接销售 Pipeline 与算力供应链，建立需求收集、预测评估、资源锁定、调度交付和复盘回收机制，识别需求虚高、供给错配及交付风险，提升预测准确率与供需匹配效率。\n2. 算力规划：面向大模型训练、微调和推理场景，结合 GPU 型号、性能、集群网络及资源拓扑评估需求，统筹 GPU 集群、模型实例和 Token 产能，解决资源碎片、峰谷不均、地域错配及优先级冲突。\n3. 工程协同：理解大模型训练、SFT/LoRA 微调、推理部署、模型服务及弹性扩缩容等链路，识别模型、框架、并行策略、上下文长度和并发量对算力消耗的影响，协同算法、研发及基础设施团队推动方案落地。\n4. 经营分析：建立算力资源经营分析体系，跟踪收入、成本、毛利、利用率、交付率、周转率、单位 Token 成本及项目投入产出，为采购、扩容、回收、调价和客户优先级决策提供依据。\n5. 组织牵引：协调销售、售前、研发、采购及供应链等团队，平衡客户交付与资源效率；将复杂目标拆解为明确的任务、责任人、里程碑和验收标准，通过例会、看板、预警及升级机制推动交付。\n6. 机制建设：将资源申请和调拨分配沉淀为标准流程、策略规则与自动化工具，推动资源预测、容量管理、配额分配、监控预警和经营分析的平台化建设。",
"requirements_text": "1. 业务洞察：具备云计算或互联网资源运营经验，理解 MaaS 业务模式、Token 计费逻辑及推理算力特性，能够从业务与资源视角识别关键问题。\n2. 技术理解：熟悉 GPU 显存、算力、卡间互联、集群网络和资源拓扑，理解不同 GPU 及集群配置对训练、微调和推理的适配差异；了解模型训练、微调、部署及性能优化链路，能够判断技术方案的合理性。\n3. 经营分析：具备扎实的经营分析能力，熟悉预算、成本、毛利、产能、利用率及单位经济模型，能够将资源数据转化为经营结论和管理动作。\n4. 组织牵引：具备 P8 级复杂项目管理与跨部门推动能力，能够将模糊目标转化为清晰的任务、责任、节奏、指标和验收标准，协调多方利益并对最终结果负责。\n5. 综合素质：具备优秀的逻辑分析、抽象建模、结构化思维和快速学习能力，能够从复杂信息中识别关键变量和主要矛盾；结果导向，对客户交付和资源红线有责任心。\n【加分项】\n1. 复合背景：具备供应链、IDC 资源运营、算力平台调度、AI 工程、经营分析或业财融合经验；有复杂供需体系或重大客户项目的资源决策与交付经验。\n2. 数据工具：熟练掌握 SQL、Tableau、Power BI 或 Python 等工具，能够独立开展供需预测、经营分析和资源效能评估。",
"skills": [AI生成
"Python",
"SQL",
"Tableau",
"Power BI",
"模型训练",
"性能优化",
"项目管理",
"学习能力",
"分析能力",
"建模",
"经营分析"
],
"preferred_qualifications": "【加分项】",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://careers.aliyun.com/off-campus/position-detail?positionId=100037080008"
}
]
},
"posting": {
"posting_id": "100037080008",
"post_date": "2026-09-02",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://careers.aliyun.com/off-campus/position-detail?positionId=100037080008"
},
"fulltext": "阿里云智能-算力资源运营高级专家-MaaS业务部-杭州\n阿里云智能-算力资源运营高级专家-MaaS业务部-杭州\n\n基础信息\n工作地点：杭州\n\n职位描述\n（1）岗位定位\n负责 MaaS 算力资源的全链路运营与经营管理，连接销售需求、AI 工程、算力供给与客户交付，是兼具技术理解、经营分析、资源规划和组织推动能力的综合型岗位。\n（2）岗位职责\n1. 供需闭环：衔接销售 Pipeline 与算力供应链，建立需求收集、预测评估、资源锁定、调度交付和复盘回收机制，识别需求虚高、供给错配及交付风险，提升预测准确率与供需匹配效率。\n2. 算力规划：面向大模型训练、微调和推理场景，结合 GPU 型号、性能、集群网络及资源拓扑评估需求，统筹 GPU 集群、模型实例和 Token 产能，解决资源碎片、峰谷不均、地域错配及优先级冲突。\n3. 工程协同：理解大模型训练、SFT/LoRA 微调、推理部署、模型服务及弹性扩缩容等链路，识别模型、框架、并行策略、上下文长度和并发量对算力消耗的影响，协同算法、研发及基础设施团队推动方案落地。\n4. 经营分析：建立算力资源经营分析体系，跟踪收入、成本、毛利、利用率、交付率、周转率、单位 Token 成本及项目投入产出，为采购、扩容、回收、调价和客户优先级决策提供依据。\n5. 组织牵引：协调销售、售前、研发、采购及供应链等团队，平衡客户交付与资源效率；将复杂目标拆解为明确的任务、责任人、里程碑和验收标准，通过例会、看板、预警及升级机制推动交付。\n6. 机制建设：将资源申请和调拨分配沉淀为标准流程、策略规则与自动化工具，推动资源预测、容量管理、配额分配、监控预警和经营分析的平台化建设。\n\n职位要求\n1. 业务洞察：具备云计算或互联网资源运营经验，理解 MaaS 业务模式、Token 计费逻辑及推理算力特性，能够从业务与资源视角识别关键问题。\n2. 技术理解：熟悉 GPU 显存、算力、卡间互联、集群网络和资源拓扑，理解不同 GPU 及集群配置对训练、微调和推理的适配差异；了解模型训练、微调、部署及性能优化链路，能够判断技术方案的合理性。\n3. 经营分析：具备扎实的经营分析能力，熟悉预算、成本、毛利、产能、利用率及单位经济模型，能够将资源数据转化为经营结论和管理动作。\n4. 组织牵引：具备 P8 级复杂项目管理与跨部门推动能力，能够将模糊目标转化为清晰的任务、责任、节奏、指标和验收标准，协调多方利益并对最终结果负责。\n5. 综合素质：具备优秀的逻辑分析、抽象建模、结构化思维和快速学习能力，能够从复杂信息中识别关键变量和主要矛盾；结果导向，对客户交付和资源红线有责任心。\n【加分项】\n1. 复合背景：具备供应链、IDC 资源运营、算力平台调度、AI 工程、经营分析或业财融合经验；有复杂供需体系或重大客户项目的资源决策与交付经验。\n2. 数据工具：熟练掌握 SQL、Tableau、Power BI 或 Python 等工具，能够独立开展供需预测、经营分析和资源效能评估。\n（1）岗位定位\n负责 MaaS 算力资源的全链路运营与经营管理，连接销售需求、AI 工程、算力供给与客户交付，是兼具技术理解、经营分析、资源规划和组织推动能力的综合型岗位。\n（2）岗位职责\n1. 供需闭环：衔接销售 Pipeline 与算力供应链，建立需求收集、预测评估、资源锁定、调度交付和复盘回收机制，识别需求虚高、供给错配及交付风险，提升预测准确率与供需匹配效率。\n2. 算力规划：面向大模型训练、微调和推理场景，结合 GPU 型号、性能、集群网络及资源拓扑评估需求，统筹 GPU 集群、模型实例和 Token 产能，解决资源碎片、峰谷不均、地域错配及优先级冲突。\n3. 工程协同：理解大模型训练、SFT/LoRA 微调、推理部署、模型服务及弹性扩缩容等链路，识别模型、框架、并行策略、上下文长度和并发量对算力消耗的影响，协同算法、研发及基础设施团队推动方案落地。\n4. 经营分析：建立算力资源经营分析体系，跟踪收入、成本、毛利、利用率、交付率、周转率、单位 Token 成本及项目投入产出，为采购、扩容、回收、调价和客户优先级决策提供依据。\n5. 组织牵引：协调销售、售前、研发、采购及供应链等团队，平衡客户交付与资源效率；将复杂目标拆解为明确的任务、责任人、里程碑和验收标准，通过例会、看板、预警及升级机制推动交付。\n6. 机制建设：将资源申请和调拨分配沉淀为标准流程、策略规则与自动化工具，推动资源预测、容量管理、配额分配、监控预警和经营分析的平台化建设。\n1. 业务洞察：具备云计算或互联网资源运营经验，理解 MaaS 业务模式、Token 计费逻辑及推理算力特性，能够从业务与资源视角识别关键问题。\n2. 技术理解：熟悉 GPU 显存、算力、卡间互联、集群网络和资源拓扑，理解不同 GPU 及集群配置对训练、微调和推理的适配差异；了解模型训练、微调、部署及性能优化链路，能够判断技术方案的合理性。\n3. 经营分析：具备扎实的经营分析能力，熟悉预算、成本、毛利、产能、利用率及单位经济模型，能够将资源数据转化为经营结论和管理动作。\n4. 组织牵引：具备 P8 级复杂项目管理与跨部门推动能力，能够将模糊目标转化为清晰的任务、责任、节奏、指标和验收标准，协调多方利益并对最终结果负责。\n5. 综合素质：具备优秀的逻辑分析、抽象建模、结构化思维和快速学习能力，能够从复杂信息中识别关键变量和主要矛盾；结果导向，对客户交付和资源红线有责任心。\n【加分项】\n1. 复合背景：具备供应链、IDC 资源运营、算力平台调度、AI 工程、经营分析或业财融合经验；有复杂供需体系或重大客户项目的资源决策与交付经验。\n2. 数据工具：熟练掌握 SQL、Tableau、Power BI 或 Python 等工具，能够独立开展供需预测、经营分析和资源效能评估。",
"standard_classification": {
"std_category_code": "S002",
"std_aux_codes": [
"T017"
],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}