2021年，北大毕业的映微以校招生身份进入到淘天搜索算法团队。名校毕业、计算机专业、技术核心岗位，这些标签加在一起很容易构想出一条“飞跃式”的人才发展道路，但与外界想象的不同，映微加入淘天后的成长路径十分“踏实”。

加入团队后，映微接到第一个任务并不是什么特别重大的命题，而是先给现有的算法模型添加优化特征，以验证特定特征对于结果的整体影响。当然，映微也基于自己此前自然语言处理的研究方向，很快给出了漂亮的结果。但通过简单的上手，她快速了解到了电商算法这个复杂的系统。

回顾总结新人上手的过程，映微认为把事情做对很重要。“新人一般会从一个比较小的工作切入，然后循序渐进，逐渐熟悉整个系统。这个过程做的事情可能看起来没有那么fancy，但脚踏实地地把这些事情做对，才能为解决更复杂的问题积累经验。同时多向优秀的同事们的请教，关注其他人的工作，也会收获很广阔的技术视野。”映微说道。

在入职的第一年，映微就在这样循序渐进的环境中汲取能量，淘天开放、包容的技术氛围给了她越来越好的工作状态。随着技术能力的增长，映微也开始负责更有挑战的事情，迎接一个又一个更大的项目，第一年就以第一作者的身份在CIKM发表了研究论文《MSRA: A Multi-Aspect 

Semantic Relevance Approach for E-Commerce via Multimodal Pre-Training》。

在搜索算法团队工作了一年后，映微因为个人的发展规划，从杭州换到北京，团队也从搜索算法转换到了推荐算法。公司的转岗制度让这一过程“丝滑切换”，映微在换组过程中感受到两个团队的主管和HRG“都非常nice”，都希望她在自己规划的道路上更好发展。

从搜索到推荐，映微涉及了电商领域最核心也最基础的三大技术领域（搜索、推荐、广告）的两块。在新的技术领域，映微又经历了从学习，到掌握，再到独当一面的过程，凭借过往的积累与表现，她在新的团队里也成功晋升，迈向下一个台阶。从初入职场到现在，映微表示自己和刚入职时一样热情满满，“非常投入其中”。目前她正在研究长序列建模问题，一个在比较深的水位中基于用户历史行为等一系列时间序列的模型研究。

在刚毕业的时候，映微并没有特别明确自己的职场规划，也和许多技术人一样在多份头部offer中做选择。而在入职淘天3年多的当下，她回想起当初的决定，是基于对淘天技术沉淀的认可、阿里平台广度的认同。如今她更坚定自己在推荐技术上的精进，在成为一个技术专家的角色的方向上脚踏实地地前进。

卡皮巴拉是主要分布于南美洲的啮齿动物，更为熟悉的名字是水豚。因其呆萌的外表和松弛自在、与世无争的神态，在网络上成为了情绪稳定的代名词。而对在22年就开始研究AIGC的凌潼来说，卡皮巴拉正是一种技术精神的象征。

2022年，中科院计算所毕业的凌潼通过实习加入阿里，投入视频创意AIGC方向。这年，文生图Stable Diffusion模型横空出世，图像质量和生成速度到达了一个新的高度。一个普通人花好几天做成的一张3D动画图，使用这个模型几分钟内就可以完成。而淘宝海量的商品素材与技术应用空间，也吸引着凌潼投入到这片领域中。对未来的AI可能性，他充满着无尽想象。

然而彼时AIGC的大火，带动的是“文生图”——用户输入文字信息，AI生成图片，对于“文生视频”的提及少之又少。一是业界普遍认为这是一个技术成本更高、技术难度更大的领域，二是缺乏应用场景的想象。加入到阿里后，凌通所在的创意平台团队，是一群怀有技术理想、关注前沿领域、同时也拥有过硬专业能力的人，经过一番讨论，团队决定坚定地加入到阿里视频AIGC的建设与研究。

在两年的时间里，凌潼觉得自己成长得比较顺利。从单打独斗和推进执行，到慢慢作为AIGC视频一些小项目的负责人，和团队一块建设某些具体方向。他深切地感受到了自己技术能力的进步，也在探索突破中获得了成就感。他发现，在阿里淘天做的事情和以往参与过的竞赛研究逻辑截然不同，建立在真实场景中的建模，服务于每一位商家和消费者的技术应用，让凌潼真实地感受到技术给社会带来的改变。

“和其他AI不同，淘宝的视频AIGC，必须要把物品的准确性放在第一，但AI哪能分辨商品和场景呢？”凌潼谈到AI技术在淘宝的难点。在图生视频刚上线时，凌潼最头疼的就是每一次图片“动起来”的时候，商品上的细节部分不时也跟着“动”了起来。为了保持商品的准确性，凌潼和团队首先不改变商品的位置，通过算法识别将图片分割为商品及背景，接来下就是对背景开展大量训练，让算法不断学习、理解，使背景单独地、自然地动起来。最后，再水到渠成将商品图贴回前景，构成一个商品视频。

解决好商品的准确性问题后，他们又继续攻克了在图像保真度、基座模型和动态描述改写等方面上的难题。截至目前，凌潼与团队一起发布了多款视频AIGC产品——“尺寸魔方”能够将商家上传的图片或视频通过扩展内容边界，延展至任意尺寸；“阿瞳木视频动效”可以帮助商家对指定商品图片进行一键自动转换动态视频。

在前期外界并不看好、过程中未知困难重重时，仍坚定持续投入研究并最终做出成果，这是许多淘天技术人发展的必经之路，也是成长之路。但面对这些困难时，凌通永远保持稳定的情绪来应对，展现积极的精神状态。他说：“技术精神就是被无数次绊倒后的再次抬脚。”

2019年，淮竹从清华自动化系毕业后选择加入阿里淘天，深耕算法领域展示广告机制策略方向，这已经是他在阿里的第5个年头了。

通过淮竹和团队所研究的推荐和广告的最优化融合算法，信息流场景的展现结果GMV和广告收入获得双重增长，原本趋近成熟的广告展示效率超出预期再次提升。

“这5年的时间像是在阿里读了个博。” 淮竹说。在五年时间里，他一头“栽”进了展示广告机制策略中，成长为了这个领域里的专家。

他最记忆犹新的事情是他负责研发的第一版最优化融合算法——“动态广告展现坑位”算法在淘宝信息流场景的成功落地。这个工作是淘宝展示广告团队和信息流团队在多年的最优化融合合作实践中收敛的技术选型。

在最常见的商业化模式中，往往采用的是定坑接入的商业化策略，也就是在信息流固定的位置展示广告主投放的广告。随着算法的进步，一些广告可以基于消费者兴趣进行智能化投放，一定程度上改善了用户的感受，并帮助广告主更有效地触达消费者。在这次优化之前，淘宝的广告推荐算法已经能够做到高精准度的个性化推荐，并采用定坑办法进行广告投放。

然而，广告展示机制策略像“上帝之手”，不同的机制对商家、平台、用户之间的关系都会有一定程度的影响。定坑的接入模式并没有考虑到不同流量上推荐和广告的价值差异，因此整体分配效率是受限的。而且僵化的定坑模式也难以适应日益变化的业务需求。淮竹和团队思考后得出，相比固定位置的曝光形式，更合理的方式是动态分配广告位，能够根据用户的兴趣偏好分配不同的广告曝光。

但动态分配的想法在落地时遇到了阻力，考虑到不同目标的追求，只能作为一项技术尝试。在之后的半年时间里，淮竹在负责其他项目的同时仍然和团队保持持续沟通，慢慢地大家开始接受了这个新的理念。在团队不懈的努力以及主管的支持下，项目终于重启，动态广告展现坑位算法全面部署在了淘宝app上，每天有数亿的用户体验到这一改变。

淮竹也在5年的“读博”时间中，连续晋升，成为了展示机制策略团队的负责人。有了新的身份后，他不仅要关注对于某个事情的推进和结果，也开始思考如何帮助团队里同学成长。“不同同学的思维方式和性格是不一样的，如何找到团队同学最适合的位置，并给到关键的资源和帮助”，这是淮竹这段时间经常在思考的问题。他觉得一个好的团队，不仅仅要把眼前的业务做好，也要能够让团队成员的收获锻炼和成长。

在他看来，在一个技术同学的职业早期，选择一个高成熟度并且相对稳定的技术环境，是非常难能可贵的。在这样的环境中，再投入一些经历研究前沿技术，会收获他个人能力的加速成长，也将助力他在未来实现更多卓越的成就。

全文完