公司：阿里巴巴
阿里巴巴集团创立于1999年，是中国大陆一家以提供互联网服务为主的综合企业集团，目前实行位于杭州，上海与北京的双总部制度。
阿里巴巴服务范围包括B2B贸易、网上零售、购物搜索引擎、第三方支付和云计算服务。集团的子公司包括阿里巴巴B2B、淘宝网、天猫、一淘网、阿里云计算、聚划算、全球速卖通、阿里巴巴国际交易市场、饿了么、飞猪、优酷、盒马鲜生、阿里影业、菜鸟网络、高德地图、Lazada、Daraz等。旗下的淘宝网和天猫在2012年销售额达到1.1兆人民币，2015年度商品交易总额已经超过三兆元人民币，是全球最大零售商。
至2012年九月底止的财政年度，以美国会计准则计算，阿里营业额按年增长74%至318.39亿元（港元‧下同），盈利急升80%至37.75亿元。2015年全年，阿里巴巴营收146.01亿美元，净利为74.94亿美元。2017年，根据阿里巴巴集团向美国证券交易委员会提交的IPO招股书显示，雅虎持有阿里巴巴集团22.6%股权、软银持阿里集团34.4%股份，另管理层、雇员及其他投资者持股比例合共约为43%，当中马云持阿里巴巴集团约8.9%、蔡崇信持股为3.6%。
2019年11月，阿里巴巴集团在在港交所二次上市。香港财经界把阿里巴巴、腾讯（港交所：700）、美团点评（港交所：3690）、小米（港交所：1810）四只中国大陆科技股的英文名称首个字母，合称“ATMX”股份。
2019年11月26日，阿里巴巴集团港股上市，总市值超4兆，登顶港股成为港股“新股王”。2020年8月，阿里巴巴集团港股总市值首次超过6万亿。
阿里巴巴拆份出去的蚂蚁集团上市前，网络金服整体遭遇到政府的强力监管，阿里巴巴同样受到影响，2021年4月10日，阿里巴巴集团涉垄断被中国市场监管总局罚款182.28亿元人民币。2023年三家中国最主要的金融机构，再联合开罚71亿元，不过也随着官方宣布最后整顿工作的完成，阿里巴巴股价开始反弹。
当「软件研发」遇上 AI 大模型
未来，软件研发一定会进入到 Agent 时代，也就是说它具备一些自主性，并且它可以轻松使用 AI 工具，理解人类的意图并完成工作，最终会形成多智能体的协同模式。
如何优雅地编写缓存代码
本文介绍了在实际编码过程中，如何将缓存代码从业务代码中剥离出来，促使代码更简洁，更便于阅读。
diffusers SD推理加速方案的调研实践总结
以AI试衣业务场景为例
阿里妈妈营销隐私计算平台SDH在公用云的落地实践
基于多方安全计算MPC、联邦学习FL、差分隐私DP等隐私增强计算技术，SDH为品牌提供跨域安全一致的数据决策能力。本文分享SDH的公有云系统架构、核心原理、部署方式及应用案例。
合约广告中基于风险约束的Pacing算法优化
本文提出一种适用于合约保量广告的预算平滑Pacing算法，该算法通过对偶出价因子的百分位位置联动调控Pacing，兼容保量分配机制的同时，有效控制了预算释放过快的风险，并且最大程度兼顾了投放效果的提升。
尺寸魔方：AIGC赋能下的视觉创意智能延展
本文介绍阿里妈妈尺寸魔方相关技术与应用，旨在利用AIGC技术解决数字营销中广告素材尺寸适配的问题。
百变背景：万相实验室AIGC电商图片可控生成技术
本文分享万相实验室可控生成技术方案的设计思路及实践总结。目前该方案已上线，为广大商家提供了方便高效的智能创意制作能力。
一文详解长连接黑洞重现和分析
本文先通过重现在不同业务线反复出现的问题，详细描述了从业务、数据库、OS等不同的角度来分析如何解决它。
一个SQL任务的一生
一条SQL语句的执行究竟经历了哪些过程？作者作为一个刚入职的大数据研发新人对SQL任务执行整个流程进行了整理，本文就作者学习内容和体会供大家参考。
使用策略模式消除冗长的if-else｜记一次smart-auto重构总结
作者针对smart-auto接口测试相关的核心代码进行了一次重构，使代码变得更清晰和可维护。
一文分析架构思维之建模思维
软件里的要素不是凭空出现的，都是源于实际的业务。本文从软件设计本源到建模案例系统的介绍了作者对于建模的思维和思考。
生成式AI原理技术详解（一）——神经网络与深度学习
文章详细讲解了神经网络的学习、存储和计算过程，包括神经网络的结构、参数、激活函数的作用以及深度学习中的前向传播、反向传播和梯度下降等概念。
“打工人”的自我修养 - 如何在 30 秒内把“问题”讲清楚
对有迫切意愿把\x26quot;问题\x26quot;讲清楚的同学，建议按本文走完\x26quot;想清楚\x26quot;-\x26quot;讲明白\x26quot;-\x26quot;要资源\x26quot;这个流程。
AI生图美学在淘宝的实践应用
在提升AI生成图像的美学质量和用户体验的同时打造淘宝特有的风格模型。
一个埋藏9年的底层bug发现历程
一个问题往往是由多个小的不规范或错误累积而成的。本文记录了作者发现问题、现象分析、排查过程、最后解决问题的全历程。
基于LLM大模型Agent的适用范围和困境
本文主要探讨了当前大语言模型在实际应用中的挑战和局限性，特别是集中在基于AGENT的框架如LANGCHAIN、AUTOGEN和METAGPT上的应用。