薪酬概览
平均月薪
¥9900
中位数 ¥10000 ｜ 区间 ¥7800 - ¥12000
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
60% 人群薪酬落在 8-15k
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
9
对比上月：岗位新增5
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 |
|---|---|---|
| 3-5年 | 9 | 100% |
热招职位
1. 检验管理
a. 制定班组检验计划，完成检验任务保交付 b. 监督检验过程，保证各项检验要求被有效执行检验，检查各项检验变更文件及时下发，并培训按照变更文件有效执行 c. 审核检验记录与报告的及时性与完整性，确保数据准确性 d. 监督现场合格品、异常品、NG品的处理 e. 配合量具计量管理人员对所有QC使用相关量具的计量检验工作，保证检验量具的有效性
2. 质量问题管理
a. 出现批量异常及时叫停，并协助相关工程师现场质量异常分析 b. 严格执行异常叫停原则 c. 配合生产部门处理返工/返修，跟踪不良品隔离与处置 d. 参与客户投诉的原因调查、取证以及纠正措施落地被有效执行
3. 体系执行
a. 确保ISO9001/TS16949等质量管理体系在班组落地 b. 配合内部质量审核与客户审核所需相关检验材料 c. 维护质量文件（SOP、检验规范、质量记录）
4. 人员培训与团队管理
a. 培训新员工掌握检验标准与工具使用（如卡尺、显微镜、推拉力测试仪） b. 评估班组成员绩效，实施技能矩阵管理 c. 组织质量意识培训，提升全员质量责任感
• 参与SoC安全架构方案制定，包括安全启动，安全隔离，安全调试等。
• 负责安全子系统架构定义，设计实现以及交付。
• 负责对称/非对称加解密算法及哈希算法的硬件优化与集成，并完成性能，安全性，功耗等关键指标的评估。
• 负责安全相关IP的RTL设计，完成LINT/CDC/预综合等前端设计检查与交付。
• 安全子系统的验证、时序收敛及硅后测试支持。
1. 全面负责CPU IP/芯片端到端质量管理工作，以客户需求为导向，制定E2E质量要求和质量计划，并确保实施符合要求；
2. 负责产品生命周期阶段的质量管控，并持续优化及完善流程或方法；
3. 负责建设与本领域相匹配的E2E流程和管理体系，并持续识别改进点，负责闭环改进；
4. 推动CPU IP/芯片各领域开发流程标准化，制定CPU IP/芯片研发质量管理方案，并有计划的推进、实施；
5. 组织并熟练使用各种质量工具和方法对质量问题进行根因分析、处理、改进、预防措施的制定和执行落地；
6. 提升全员质量意识和质量文化，持续提升组织的质量改进能力。
1. 构建和持续优化公司IPD流程体系和质量管理体系(含流程架构、流程文件、质量管理系统等)
2. 持续跟踪和分析IPD流程实施情况(包括IPD流程导入及落地评估、体系成熟度评估、符合性及有效性评估、项目执行改进等)，识别流程体系的瓶颈和改进点，提出有效的流程优化方案，并推动实施，提高流程适用性、效率和质量
3. 持续改进公司的质量管理体系，设计各类E2E过程及结果质量的数据度量统计模型，建立度量分析体系，根据分析结果进行持续改进
4. 负责组织和协调完成公司内外审等多种审核认证，推进纠正和预防措施的落地
5. 负责开展流程体系、质量活动、质量工具及方法等培训，持续提升组织的质量文化、质量意识、运作效率及质量运营能力
6. 负责规划和建设数字化运营体系，打造数字化运营平台，提供数字化运营能力，并使用数字化运营平台、工具、方法，开展问题识别、分析，提高发现问题、分析问题、解决问题的能力和效率
1. AI资源站点BI建设：负责站点的BI体系搭建与持续迭代，承接业务方与决策层的数据消费诉求，输出可视化看板与专题分析，支撑资源全景可观测、可决策。
2. 跨模块数据核对与一致性保障：建立站点内各模块（如资源池、分配、消耗、成本、效能等）的数据交叉核对机制，识别口径不一致、数据漂移、链路断点等问题，推动上下游修复并沉淀核对规则。
3. 模块内容设计与指标体系搭建：负责站点各模块的内容规划与指标设计，使每个模块"有信息密度、有决策抓手"，避免堆砌指标。
4. 底层数据保障与质量治理：把控站点底层数据链路，建立数据质量评估标准与监控告警，治理上游数据源的口径、时效、完整性问题，输出数据资产文档与血缘关系，保障站点数据"可信、可追溯、可解释"。
5. 跨团队协作与需求衔接：与业务方、数据开发、算法团队协同，承接业务方的分析诉求，将模糊需求转化为清晰的指标定义与数据产品方案，推动需求落地闭环。
1. 学历背景
● 本科及以上学历，食品科学、生物工程、化学、质量管理等相关专业优先。
2. 行业经验
● 3年以上食品/生鲜/OEM/自有品牌质量管理相关工作经验，有大型零售企业或互联网生鲜自有品牌平台背景者优先。
● 熟悉OEM合作模式，具备商品开发、供应商审核、质量协议制定等实战经验者优先考虑。
● 有冷链商品质量管理、仓储物流品控经验者优先。
3. 专业能力
● 熟悉食品质量管理体系（如HACCP、ISO22000等），具备较强的问题分析与解决能力。
● 具备良好的数据敏感度，能通过数据分析发现潜在质量问题并提出改进建议。
● 熟悉国家食品安全法规及平台商品质量标准，能有效对接内外部质量合规要求。
4. 沟通协作能力
● 沟通表达能力强，能够跨部门高效协作，推动OEM厂商、内部业务团队共同达成质量目标。
● 性格开朗，团队意识强，具备包容性和分享精神，能够在多变环境中快速适应并推进工作。
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。
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。
1. 负责 EDR 等终端安全产品在 Windows 和 macOS 平台的有效性对抗和验证，评估并发现防御体系盲区。
2. 参与授权下的内部红紫对抗攻防演练，基于自研 AI Agent 开展社会工程学防御验证、边界突破、终端落地及持久化等，推动检测和防御能力改进。
3. 基于大模型智能体框架建设自动化攻防能力，实现攻击面分析、任务规划、工具调用、终端对抗和攻击链编排。
4. 对常见智能体进行安全攻防对抗，包括但不限于智能体驱动的新型社会工程学攻击手法、智能体终端持久化及防御检测绕过等。