薪酬概览
平均月薪
¥21400
中位数 ¥19500 ｜ 区间 ¥16500 - ¥26300
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
100% 人群薪酬落在 15-30k
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
4月新增岗位
16
对比上月：岗位新增6
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 |
|---|---|---|
| 1-3年 | 8 | 50% |
| 3-5年 | 8 | 50% |
热招职位
1、追溯方案设计与数据管理：结合IATF
16949、VDA等标准设计产品追溯方案；确保关键制造数据（SN、工序、参数、质检）完整可追溯，优化数据存储与查询效率
2、数据分析与可视化：参与异常追溯分析，提供数据支持；利用BI等工具实现MES数据可视化，提升质量管理水平
3、设备对接与联网实施：协调PLC、SCADA、Kepware等系统与MES的数据采集与通讯；参与设备联网方案制定，确保生产数据实时采集与上传，优化传输稳定性
4、需求受理与系统配置：与生产、IE、工艺、设备、质量等部门对接，收集分析MES业务需求；负责项目导入阶段MES系统功能配置，包括工艺流程、工序控制、物料追踪等
5、系统实现与测试培训：配合供应商和开发团队完成接口开发、调试及上线验证；协同开发团队推动业务需求系统实现，负责UAT测试及用户培训
1、根据生产计划制定物料需求计划,并下单请购,跟踪物料进度,确保满足生产需要;
2、预测跟进供应商产能与交付,对判断无法满足的交付提出预警;
3、跟进到货计划与实际达成情况并追踪检验结果;
4、负责MRP以及库存管理的设计与开发；
5、对呆滞物料进行统一分析并全程把控处理，包括不限于产品选型、兼容替代、售卖、报废等处理方式。
6、对供应链IT系统进行业务需求深化开发，不断完善整套供应链系统的数据化。
1. 负责激光雷达电子相关的失效分析工作，包括问题定位、根因分析、风险评估和改进方案制定。
2. 建立并优化硬件失效分析流程和方法，提高分析效率和准确性。
3. 协同研发、生产和客户质量团队，解决产品在研发、制造和售后阶段遇到的硬件相关问题。
4. 进行失效模式与影响分析（FMEA），并基于分析结果提出产品设计和制程改进建议。
5. 编写详细的失效分析报告，并向管理层和客户（整车厂）清晰传达分析结果和改进措施。
1. 根据业务领域特点开展项目质量策划；
2. 项目过程质量控制，质量监控，质量改进，引导项目流程过点；
3. 质量管理体系建设、优化和维护；
4. 持续研究质量工程方法，在项目推荐合适的质量工具解决业务问题；
5. 制定质量氛围建设方案并实施落地；
1. 防御机制测试： 对公司内大模型的安全围栏进行黑盒测试，通过实验分析其在内容过滤、逻辑保护方面的实现路径和问题，并输出分析报告。
2. 安全围栏建设： 参与公司模型的内容审计系统开发，编写并维护核心的防御 Prompt 和过滤规则库。
3. 风险路径探测： 对公司模型系统（含插件、沙箱）进行常规的安全评估，识别提示词泄露和接口滥用的潜在风险，并提出加固建议。
4. 反蒸馏技术落地： 协助落地基础的防爬取、模型输出干扰等风控方案，保护公司模型资产。
5. 跨团队协作： 与算法团队配合，将发现的安全漏洞转化为模型微调或对齐的训练样本。
我们正在打造一支 AI Native SDL团队，重新定义 AI 时代的软件安全开发生命周期。AI 不仅是我们保护的对象，更是我们工作的核心方式。我们相信安全流程正在从依赖规则、人工经验，演进为由 AI 驱动的智能工程。
* 设计并建设 AI Native SDL 体系，保障 AI 应用、Agent、MCP 等新型业务形态从设计、开发到运行阶段的安全。
* 负责 AI 应用安全架构设计，建立覆盖研发全生命周期的安全能力。
* 构建 Agent 身份认证、权限控制、工具调用、数据访问及运行时安全防护体系。
* 构建覆盖 Prompt Injection、Tool Abuse、模型滥用、越权访问、数据泄露等 AI 风险的纵深防御能力。
* 推动 AI 安全能力平台化、产品化，为研发提供统一、安全、易用的基础能力。
集团安全部-高级安全工程师/安全专家-AI安全工程与风险运营
安全工程与风险感知方向：
* 建设企业级风险感知体系，持续发现业务及 AI 系统安全风险。
* 建设攻击检测、异常行为分析、威胁狩猎及自动化响应能力，提升风险发现与处置效率。
* 打造 AI Native SDL 平台，推动安全检测、安全评审、安全测试及研发流程自动化。
* 利用 AI 构建智能告警分析、攻击研判、自动化响应及安全 Copilot 能力。
* 建设统一安全数据平台，持续提升检测能力、运营效率及安全工程能力。
漏洞治理与风险运营方向
* 熟悉常见漏洞原理及应用安全体系，具备扎实的漏洞分析能力。
* 有 SDL、漏洞运营、风险治理等相关经验。
* 熟悉 SAST、DAST、IAST、SCA、RASP 等安全技术或产品。
* 具备自动化开发能力，能够利用工程化方式提升治理效率。
* 对 AI 在漏洞治理、风险分析及自动化运营中的应用有实践或浓厚兴趣。
* 具备良好的数据分析能力和持续优化意识。
● 建设安全领域的信息监测与分析能力，覆盖舆情、行业动态、外部风险等多类信源，形成常态化运转机制；
● 建立风险分级评估与预警体系，提升对突发事件和潜在风险的感知灵敏度；
● 探索AI及大模型技术在信息采集、分析研判环节的应用，推动智能化能力演进；
● 定期输出风险态势分析与专题研究报告，为管理层决策提供信息支撑；
● 承接外部协作事务的流程化管理，确保高效闭环与合规落地；
● 关注行业合规趋势变化，提前研判潜在影响并储备应对策略；
● 推动外部协作成果向业务能力的转化，将合作经验沉淀为可复用的方法论与产品能力；
● 以数据驱动运营策略，建立量化评估体系持续衡量效果并迭代优化；
● 协同内部多团队资源，推动运营方案从设计到落地的全程执行；
1、负责城市整体仓储和分拣业务运营和管理，共享冻库的管理，商品收货、存储、拣选和分拣等工作，保障履约的稳定；
2、负责推进仓储和分拣运营标准落地，提升仓储现场标准化水平；
3、负责仓储和分拣运营质量提升，改善过程品质防护，降低商品损失和品质客诉；
4、负责仓储和分拣效率优化，提升业务履约能力；
5、负责城市仓储组织能力建设。
1、协助团队进行数据收集、清洗和整理，确保数据准确性和完整性。
2、运用基础统计方法，对业务数据进行初步分析，支持日常运营和决策。
3、协助制作数据报告和仪表盘，将数据分析结果可视化，便于理解。
4、参与数据分析项目的各个阶段，从需求理解到方案落地，学习并贡献自己的力量。
5、与业务团队沟通协作，理解业务需求，并将数据分析结果转化为可执行的建议。
6、完成上级交办的其他数据支持相关工作。
1、根据项目产品需求，负责产品COB封装部分产线规划，包含芯片固晶，胶水固化，打线，AOI，上电测试等工艺，制定产品COB封装线体技术方案，编制线体预算和实施计划。
2、根据项目要求，管理线体规划和落地，在规定时间内完成设备选型，统筹和协调线体搭建，设备调试，小批量试产，量产导入，设备验收等；
3、根据线体规划，制定合适的COB封装工艺路线和参数，编制产品P-FMEA，控制计划，SOP，各工序开班点检，设备点检等线体工艺文件，并对生产员工进行操作培训指导；
4、负责COB封装线体爬坡和量产工艺持续提升，优化线体&工艺设计和验证，降低成本，提升生产效率和良率，达成线体规划良率和效率指标;
5、参与所负责线体的APQP和PPAP；
6、持续提升公司COB封装技术能力。
1. 设计大模型推理（reasoning trace / CoT blob）的加密与隐私保护方案，覆盖密钥管理（per-user / per-session 密钥体系）、加密协议选型、防重放机制设计。
2. 防御机制拆解： 跟踪国内外主流模型的安全策略，通过实验分析其在内容过滤、逻辑保护方面的实现路径。
3. 安全围栏建设： 构建覆盖 Prompt Injection、Tool Abuse、模型滥用、越权访问、数据泄露等AI 风险的纵深防御能力
4. 反蒸馏技术落地： 协助落地基础的防爬取、模型输出干扰等风控方案，保护公司模型资产。
5. 跨团队协作： 与算法团队配合，将发现的安全漏洞转化为模型微调或强化学习的训练样本，并实验验证效果。
6. 系统化：建设企业级安全风险感知体系，持续发现业务及 AI 系统安全风险。推动AI安全能力平台化、产品化，为AI开发提供统一、安全、易用的基础能力。