阿里云智能-算力资源运营高级专家-MaaS业务部-杭州

（1）岗位定位
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。
（2）岗位职责
1. 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。
2. 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。
3. 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。
4. 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。
5. 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。
6. 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。

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。
2. 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。
3. 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。
4. 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。
5.