薪酬概览
平均月薪
¥10600
中位数 ¥10000 ｜ 区间 ¥7900 - ¥13300
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
87.5% 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
2月新增岗位
19
对比上月：岗位新增15
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 | 4 | 23.5% |
| 3-5年 | 9 | 52.9% |
| >10年 | 4 | 23.5% |
热招职位
1.负责工艺规程、批生产记录等文件的制定、优化与审核，确保工艺操作标准化。
2.监督生产过程符合工艺要求，开展工艺数据分析，预防与解决技术问题。
3.主导或协助工艺验证、工艺革新与技术转移项目，推进工艺持续改进。
4.参与偏差调查、变更评估，从工艺角度提出改进措施并跟进落实。
5.配合完成新产品导入、工艺优化等专项工作，协助车间工艺培训与人才培养。
1、相关设备安装、改进、调动、闲置、报废及维护。25%
2、设备的签收、验收；组织有效性评估、报废20%
3、设备生产厂家解决相关疑难问题等。15%
4、制订设备安全操作规程、维护作业标准、定期维护保养计划，操作规程的制定。15%
7、参与CTS特性中与设备改善相关的分析改善，并跟进改善效果。
1、图纸审核
2、项目立项、预算，制定计划书
3、领导安排的其他事物
4、参与CTS特性中与设备改善相关的分析改善，并跟进改善效果。
5、加工工艺制定
1、开展生物大分子理化分析，包括HPLC、毛细管电泳、残留检测（HCP、DNA等）相关方法（IEC, SEC, RP, HIC, HILIC, CE, icIEF）等；
2、负责抗体类药物的理化分析方法开发，监督及完成工艺开发样品质量研究工作；
3、调研前沿理化分析技术，参与技术平台搭建；
4、指导并完善仪器操作SOP、方法SOP文件，开展仪器的日常管理、维护及更新；
5、负责实验数据记录、数据整理及归档，撰写报告及相应技术文件；
6、培训及团队内技术指导，做好员工工作的沟通、协调；
7、积极完成上级分配的其他工作任务。
1.质量监督与检查：对车间生产全过程进行实时质量监督，依据质量标准和操作规程，定期进行现场检查，确保生产活动严格符合药品生产质量管理规范（GMP）及相关法规要求。
2.质量文件管理：参与制定、修订和完善车间质量管理相关文件，确保文件的准确性、完整性和现行有效性。
3.质量数据收集与分析：收集、整理和分析车间生产过程中的质量数据，如产品合格率、不合格品率、质量偏差等，分析挖掘数据背后的质量问题，为质量改进提供数据支持和决策依据。
4.质量问题处理与改进：协同车间生产团队，及时处理生产过程中出现的质量问题，如不合格品处置、质量偏差调查等。
5.质量培训与沟通：协助车间开展质量培训工作，提高员工的质量意识和操作技能，确保员工熟悉质量管理要求和操作规范。与其他部门（如研发、采购、销售等）保持良好的沟通协作，共同解决涉及质量的问题，保障产品质量的稳定性和一致性。
负责小区内人行车行出入口管控，人员盘查及小区内秩序巡逻。
入职资格：
年龄18-40周岁，身体健康，五官端正。
无违法犯罪记录，无纹身，退伍军人优先考虑。
工作时间：12小时工作制，半个月倒一次班 两班倒。
福利待遇：
每月到手佣金5200~6000
缴纳商业保险，提供住宿。
节日员工关怀，员工活动。
1.负责车间质量体系建设与维护，确保生产全过程符合GMP/CGMP法规要求，保障产品质量100%合格。
2.监督生产线操作符合工艺规程与SOP，识别质量隐患，主导质量异常调查与处理。
3.负责GMP文件审核、变更控制、偏差调查、CAPA跟踪及验证报告审核。
4.组织应对国内外官方审计及客户质量审计，协调处理市场质量投诉与不良事件。
5.开展质量培训，培养车间质量人才；支持新产品转移、工艺变更等专项质量工作。
1、参与检讨并模具维修标准,确保模具维修标准准确性指导员工作
2、主导组织并模具维修技能培训,有序进行
3、参与检讨并模具维修问题,提供相关资料
4、主导安排并模具架模,使模具快速架模
5、主导安排并维修人员模具维修,使模具快速恢复生产
6、主导安排和指导维护人员模具装配,使模具快速准确安装完成
1.将安全策略转化为技术规范（如《模型安全编码指南》《数据隐私保护技术要求》），指导业务团队（如模型工程师、数据分析师）采用技术手段落实安全要求。
2.主导AI安全风险评估，使用工具（如检测模型偏见、Microsoft 扫描模型漏洞、评估模型鲁棒性）定期扫描训练数据、模型文件及推理服务，识别潜在风险（如数据泄露、模型被篡改、恶意 prompt 注入），生成技术评估报告并提出整改方案。
3.开发自研安全工具（如模型水印嵌入工具、数据脱敏自动化脚本、智能体安全沙箱），提供标准化接口（如RESTful API）供业务团队调用；维护现有安全工具（如漏洞扫描系统、日志分析平台），确保工具有效性。
4.建立24小时安全事件响应机制，使用技术手段（如分析系统日志、检测网络攻击、模型回滚工具恢复受感染模型）快速定位事件根源（如模型被恶意篡改、训练数据泄露），协调技术团队（如安全运维、模型团队）采取隔离、修复等措施，降低损失。
5.为业务团队提供技术支持（如解答模型安全编码问题、指导数据隐私保护技术实现）；开展技术培训（如“模型安全攻防实战”“数据隐私保护技术实践”），提升团队技术安全能力，减少人为技术失误导致的安全问题。
负责落实公司安全事务工作部署，管辖区域内公司全业务线安全事故事件处置、安全事故事件预防以及安全资源构建和维护等，主要工作包括：
1.事故事件处置：负责辖区内全业务重特大橙色等级和红色等级安全事故事件处理。
2.区域安全风险防范：负责了解辖区内各城市的交通、消防等政策信息，对业务开展提出指导建议和安全风险建议，负责协调区域内业务同学做好各类安全事件的预防工作。
3.支持业务开展：负责部署地方资源，提前沟通属地交通、治安、刑侦、消防、安监等部门，协助业务一线团队落地业务动作，保障业务在区域内的安全。
4.安全文化宣导：负责辖区内各业务的安全文化宣导，协同推进落地并检核。
5.资源建立与维护：配合属地公安、消防、交警等政府部门开展警企活动，保持良好关系，弘扬社会正能量。
6.复盘分析：汇总辖区内的事故事件数据，复盘和分析事件发生的原因，并制定预防方案，推行并反馈效果。
7.安全巡查：负责辖区内定期和不定期的安全巡查，如配送员的违规违法骑行、配送员的日常行为规范、零售仓站安全巡查等。
8.大型会议、活动安保管理：负责辖区内重大会议、活动、节日的安保方案制定、落地、检核和复盘。
9.培训宣导：负责辖区内对业务一线团队、职场等进行安全知识、安全管理方案等的培训和宣导。
1.协助质量副总经理/总经理制定并实施公司质量发展战略，建立和完善质量治理体系，推动质量管理体系持续符合中国GMP、FDA、EU GMP、ICH及其他适用法规要求，确保公司质量目标与经营战略有效衔接。
2.统筹药品全生命周期质量管理，监督质量体系各要素有效运行，组织开展质量风险管理、质量趋势分析及持续改进工作，保障产品质量、安全性和合规性。
3.负责国内外法规及监管要求的研究与转化，统筹国内外药政监管机构检查、客户审计及认证审核工作，建立常态化迎检机制，持续提升企业国际合规能力和市场准入能力。
4.推动质量文化建设和数据可靠性管理，建立风险预警和质量改进机制，强化全员质量意识和合规意识，提升企业质量管理水平和质量竞争力。
5.负责质量团队建设和人才梯队培养，打造专业化、国际化质量管理团队，为公司高质量发展提供组织保障和人才支撑。
6.完成公司及上级领导交办的其他工作。
（一）项目管理。结合药企生产运营需求（如生产调度、质量控制、设备运维等）主导AI相关项目（智能体、垂类模型、机器人应用、数据治理等）的立项技术分析、实施执行及验收全流程管理，对项目进度、质量负责。
（二）AI应用落地与优化
1. 聚焦制药生产运营板块，主导AI智能体应用落地，推动智能体在生产调度、异常预警、流程自动化等场景的部署与优化，提升生产运营的智能化、自动化水平，降低人工干预成本。
2. 牵头制药行业垂类AI模型开发与迭代，结合生产工艺、质量检测、设备运维等核心需求，主导模型需求梳理、数据标注、训练优化、部署上线及效果验证，确保模型适配制药行业场景，满足GMP数据追溯、合规管控要求。
3. 统筹工业机器人（如生产巡检机器人、物料搬运机器人等）在制药生产环节的应用规划、实施与运维管理，推动机器人与AI技术融合，优化生产流程，提升生产效率与操作规范性。
4. 跟踪AI应用效果，梳理应用过程中的痛点与不足，主导技术优化与迭代升级，持续提升AI应用的稳定性、实用性及合规性，最大化AI技术对生产运营的赋能价值。
（三）数据治理与数据安全。
1. 主导制药生产运营板块AI应用相关数据治理工作，建立健全数据标准、数据质量管控体系，统筹数据采集、清洗、转换、标注、存储及归档全流程管理，确保数据的准确性、完整性、一致性及时效性。
2. 牵头数据治理项目落地，协调跨部门梳理数据需求、解决数据孤岛问题，推动生产、质量、设备等核心业务数据的整合与共享，提升数据资产价值，支撑AI应用深度落地。并兼顾数据安全。
（四）团队与供应商管理。负责对接各子公司的AI应用团队，提升团队AI专业能力、数据治理能力（数据标准、数据质量管控等）。统筹AI及数据治理相关供应商的筛选、评估、合作管理，确保供应商服务符合项目需求及合规要求。
（五）跨部门协同与技术创新。协同生产、质量、设备、IT等跨部门，对接各部门AI应用及数据治理需求，制定方案解决生产运营过程中与AI应用、数据治理相关的技术难题，提升跨部门协作效率。跟踪AI领域、数据治理领域前沿技术转化、应用、落地。
AI应用开发与系统集成工程师（数智化工厂方向）(J10957)
1. 负责将算法团队交付的模型进行服务化封装（如RESTful API、gRPC服务），开发高性能、高可用的后端应用，并负责在服务器或云平台上的部署、监控与维护。
2. 对接生产现场的 PLC、传感器等工业设备，实现设备数据的采集、传输与解析，打通信息系统与物理设备间的数据壁垒。
3. 开发用户友好的Web前端或桌面客户端界面，用于数据展示、模型参数输入、预测结果可视化及交互式分析。
4. 负责AI应用与公司内部系统（如MES, LIMS, ERP, 实时数据库）的集成，设计并实现稳定、安全的数据交换接口与自动化数据管道。
5. 开发供生产或技术人员使用的内部AI工具平台、数据分析平台或模型管理平台，降低AI技术使用门槛。
6. 参与AI项目从技术可行性评估、供应商产品对接（若需要）、技术选型、开发实施到上线运维的全过程，确保项目成功落地。