“软件技术”含量越来越高的装备制造业

相比互联网处处可见的开源，装备制造业是个相对封闭的圈子，行业知识壁垒高、软硬结合等特点，再加上传统制造业“傻大穷”形象，做事风格不像互联网那样“高举高打”，因此不是流量的关注焦点，也无形之中降低了“卷”的热度，让这个圈里的软件技术人似乎没有很明显的“中年危机”。

而这些特点正是我写这篇文章的主要原因。希望能在职业规划、就业、择业的路径选择上给到大家一些参考。

装备制造业主要是汽车、机器人、半导体、新能源、数控机床、电气设备、造船和海洋工程、轨道交通、军工航空航天、工程机械等，这其中的汽车、机器人、半导体、军工航空航天等领域之前都已经有专门文章分析，感兴趣的私信获取，这里不再展开。

这篇文章从上位机、下位机、仿真应用、数据分析、数字化底座、AI算法、工业机器人、信息安全、运维等几个视角整体介绍下装备制造业提供的软件技术类就业机会，最后从入门要求、薪资待遇、就业机会在各核心城市的分布等几方面做个总结。

一、上位机

在工厂中，人对设备的控制是操作员通过在工控机（安装了Windows、Linux等系统的加强型电脑）上向设备（基于ARM、DSP、PLC等开发的控制程序）发送命令来完成。

工控机上的软件种类比较多，如，做监控控制的SCADA、人机交互的HMI、分布式控制的DCS，以及MES、ERP，甚至自研工具链等等，这些统称为上位机软件。

上位机上的程序开发，类似PC电脑上的程序开发，一般使用C/C++、Python、VB、C#等编程语言，再配上Qt、Winform、WPF、组态王 (Kingview)、LabVIEW、Intouch等主流框架来完成。

由于上位机软件需要与下位机频繁通信才能实现命令下发、状态监控、故障报警等功能，上位机软件工程师需要和硬件工程师、电气工程师等一起开发、联调。

这就要求上位机软件开发除了传统的软件技能之外，还需要：

1、多跑现场，去厂房、车间中了解人员如何操作、设备如何工作，熟悉工艺和业务流程。

2、学习并了解下位机软件开发，其实在很多企业中，软件工程师都是上位机、下位机软件开发一起干的。

3、除了传统软件技能之外，还要懂硬件原理、阅读电路图、设备手册，让自己具备软硬结合做开发的能力，可以跟设备工程师密切合作、工作中快速排查问题。

4、重视行业中的协议和标准，尤其工作年限大了之后，有意识地深扎某个领域，如半导体、医疗设备、新能源、机器人、工业自动化等，成为领域内的专家。

二、下位机

前两周吃饭时，听一个在风力发电行业工作过几年的朋友讲了一些风力发电机的常识。

今天中国各地大规模部署的风力发电机是可以工作在3~25米的风速范围内，做到不间断发电的，但要想发电效率达到最高，同时又避免风速过高而烧毁设备，就需要根据当前风速、风向，对扇叶的方向、角度做调整。

这就需要风力发电设备的机械系统、电力系统、控制程序来配合一起完成，而控制程序部分就会涉及到软件编程，即终端设备的PLC开发，也就是常说的下位机。

现实中，下位机涉及到的领域远不止风力发电设备，在装备制造业中，只要设备的复杂度够高，就需要软件来实现设备侧的驱动、数据采集、通信、控制，如：

高铁、地铁等轨道机车上的牵引辅助变流器

电力系统中的风力发电机、DCDC转换器、变频器、储能变流器、光伏逆变器、电压调节器、柔性直流变压器、柔性交流输电系统、高压Statcom、继电保护器、能量管理系统等。

宁德时代、亿锂纬能等企业的锂电池生产设备

充电桩整机系统的架构、协议、人机界面、通讯等

汇川气动产品、电梯、机械人伺服系统的嵌入式系统开发

三一重工生产的港口机械设备中的ECS系统、控制器、域控制器软件

在ECU上开发电动叉车核心零部件的控制程序

传动系统中的电机控制器、换挡控制器软件开发

装载机整机电控系统中的动力控制、液压控制、电气部件控制、人机交互等场景的控制策略、通讯协议等软件开发

起重机的整车控制程序、控制策略的开发，三电控制系统控制程序开发，以及操作屏、VCU等控制程序开发

电机控制器、电机对拖平台的控制逻辑开发

光伏解决方案中通信网关上的应用软件开发，或者光伏组件与其它电子设备结合时需要做RTOS/Linux BSP移植、内核裁剪及启动优化。

非标电机设备中的PLC软件开发

CBTC、FAO、TACS等列车自动运行控制系统的软件开发

动力系统中控制软件的开发，如，MCU、BMS、TMS、TCU、VCU等

仓储物流场景中的AGV设备终端软件开发

电动汽车增程器、环卫清扫车上的控制系统软件

工程机械驾驶仓中的空调、电池热管理控制系统软件

做下位机软件开发时，所需的技能远不只软件技术，还需要大量制造业中的领域知识，甚至很多时候软件只是辅助技能。

所以下位机软件开发工程师一般有几类特点：

1、机器人、自动化、新能源、自动化、电机与电器、电力电子、电力系统、电气工程、控制工程、工业工程等专业背景

2、工作中会经常与系统、电气、硬件等岗位的人协同，甚至参与硬件选型评估、原理图评审，解决硬件-软件协同问题（如通信接口稳定、射频干扰、功耗异常、电源管理等），所以需要熟悉数字电路、模拟电路、电路分析、电力电子之类的专业知识，可以看懂和绘制电气图、电路图，熟悉行业标准。

3、可能是基于欧姆龙、西门子等设备做PLC，也可能是基于ARM、STM、FPGA、DSP之上的LINUX、FreeRTOS、UCOS、ROS/ROS2等操作系统做开发。

3、编程语言可能是C/C++、Python，也可能是某些平台的二次开发脚本语言。

4、要懂CODESYS、MATLAB、Bodas、CCS、MPLAB IDE等各种嵌入式场景下的配套工具。

5、懂工业场景下的各种通讯协议，如，I2C\SPI、UART、CAN、Modbus、TCP、IEC 103/104、IEC 61850GB、OCPP、OPC UA、MQTT、TSN、EtherCAT、Profinet、EtherNet/IP、CDT、DLT645、RS485、DDE、SuiteLink等

6、与互联网随处可见的开源相比，设备软件涉及到的行业、专业壁垒比较多，从个人发展角度来看，更容易形成经验优势。

7、因为会涉及到设备调试、解决客户现场问题、售后用户培训等工作，所以装备制造业企业中的嵌入式开发岗位会经常出差解决现场问题，甚至工作地点就在工厂基地。

三、仿真应用

工业场景下，纯软件没法独立运行，所以对现实物理世界的仿真很重要，CAE更是大国重器。

仿真工具的开发门槛很高，即使有开源仿真框架（PyBaMM、OpenFOAM等），也要进行大量开发，平台化部署，要涉及到3D渲染，Fortran、MATLAB、Java、C++等编程，以及大量的数值计算等等。

这些还不是最难的，真正门槛高的原因是，每一个仿真软件从开发到成熟都需要在大量客户实际场景中的经验积累。

关于CAE软件领域特点，以及市场上的主流玩家，我之前已经有文章详细分析过，感兴趣的私信我获取，这里不再展开。

本文讲到的装备制造业，在仿真方面，“仿真应用”占比很高，对仿真工程师的要求也是以特定领域的应用为主，比如：

使用PowerFactory、PSS/E、PSIM、Plecs、PSPICE、PSCAD、MATLAB simulink、HAWC2、FAST、AMESim、Modelica等特定领域的仿真软件来搭建产线虚拟模型，验证产线布局、设备配置及工艺流程的可行性，以及分析生产节拍、设备利用率、瓶颈工位等关键指标，并输出优化方案。

对物流系统进行规划和仿真，以优化物流流程和提高生产效率

轨道交通系统中，对车辆系统、信号系统、供电、储能系统等关键子系统进行建模

对动力电池系统结构进行仿真、优化

可以看出，“仿真应用”这类岗位，主要还是需要掌握领域知识，熟悉各种求解器，再懂点脚本，会使用Python/R进行数据清洗就可以了，不需要懂专业的软件编程。

少数涉及到对仿真软件二次开发的场景，复杂度也不高。

四、数据分析

市场上的数据工程师简单来说可以分成几类：

1、大数据平台工程开发

少数大公司会自建离线、实时数据平台，就会涉及到大数据工程开发，需要大量Java开发团队，使用HDFS、YARN、Spark、Hadoop、Flink等建设自己的数据引擎。

2、数据开发

根据企业的业务属性，来做数据仓库的规划、架构、开发，以及数据仓库模型的ETL实施、ETL性能优化，对数据平台的数据进行治理，让数据真正变成资产和服务，应用到生产中。

3、数据分析

踩在数据平台和数据资产的肩膀之上，为营销、生产、采购等业务部门，以及财务、人力等职能部门提供数据服务，甚至帮管理层取数、做报表，日常的工作就是数据采集、清洗、建模、分析、出报表。

制造业企业规模不大时，数据复杂度不高，开发团队或运维团队就把数据的活给干了，很多企业都是开发工程师直接从MySQL中取数，放进Excel中做分析的。

当企业规模变大，就会逐步对第3、2、1类的数据工程师有需求了。

拿数据分析师来举例，不论在哪个行业干，数据工程师必须要了解业务、懂领域知识，比如，在互联网公司做电商业务的数据分析师需要懂商品、交易、订单、退货，装备制造业同样如此：

做风电机组关重零部件疲劳寿命研究及可靠性验证时，数据分析师需要对风电机组载荷、振动噪声等数据做分析。

隆基绿能需要数据分析师对硅片、电池、组件等板块的数据做挖掘分析，通过参数优化、约束寻优等来提升产品性能。

中车需要根据列车运行过程中收集数据，从车地数据融合、系统间耦合、单系统多参数耦合等方面做分析，帮助优化系统设计。

徐工通过挖掘电池运行数据分析，来做剩余寿命估计、残值评估，通过对设备的使用频率、使用地域分布、常见故障发生规律进行分析，来识别数据中的趋势、模式、异常值等。

五、数字化底座

工厂数字化这件事的技术底座是工业机器人、AGV等智能设备，以及制造业企业中普遍使用的TMS、CRM、OA、WMS、MES、PLM、PMC、MOM、SCADA等工业软件。

除了少量机器人、AGV厂商之外，大部分装备制造业只是采购、应用，并不会自研，因此工程师团队“干杂活”比较多，如：

1、根据工厂自己的生产工艺、质量管理、仓储物流等流程，对工业软件做配置、改造、定开、性能优化，如，在PTC公司的PLM软件windchill上面做定制开发，根据CRM厂商提供的接口开发自己的特有逻辑。

2、维护SAP系统中的S4、ECC6.0、CRM、BW、PO、SLM，如，用户及权限、传输变更、后台作业、补丁升级。

3、将不同的工业软件系统与工厂的设备进行集成、数据打通，并基于工业软件系统中的数据来做抽取、建模。

4、工业机器人的离线编程、示教编程，让人机协作更流畅。

5、做帆软FineReport等数据平台产品的实施、二次开发，加工出业务部门需要的驾驶舱、大屏等。

市场上的工业软件厂商在选择产品能力开发时，并不会满足所有客户的需求，一般只是取商业需求中的“最大公约数”，用80%的需求满足市场上80%的客户就可以了。

这就导致大型龙头企业会有20%很重要的需求得不到满足，这就需要提需求给工业软件厂商做定开，或者龙头企业自己搞个小团队做少量工业软件自研，如：

风力发电场中的能量管理平台

中般奥蓝托、中国商飞、中电国睿等研发的自主可控工业设计软件

工业软件的研发虽然需要软硬结合又有领域知识壁垒，可因为制造业的薪资水平普遍偏低，这类工程师在市场上普遍“卖不出好价钱”。

只有像华大九天、中望等极少数头部工业软件厂商的员工才能拿到高薪，因为他们的产品技术门槛够高、且处在卡脖子的位置上。

六、AI算法

装备制造业的复杂度高，控制软件中的算法含量也高，企业会雇佣大量算法工程师来做研究竞品、找论文、写专利、系统建模、算法设计、仿真验证，以及在DSP、ARM上用C语言编写实现代码。

装备制造业中用到算法的场景有很多，如：

并网逆变器中会涉及到矢量控制、传递函数推导

将CV用于不良品检测、人员动作规范检查、光学成像优化

工业机器人中的路径规划、SLAM

用运筹学来搞决策引擎，优化生产计划、运维网络、供应链

AGV场景下，路径规划、任务分配、资源调度、躲避障碍

新能源装备中，建立动力学模型、状态空间模型，利用PID控制、MPC控制、自适应控制、模糊控制、神经网络控制等控制理论来开发控制算法，再把算法部署到PLC或嵌入式系统。

维护风电场的仿真环境，做控制策略开发、优化，通过扫描日常运行数据、建立模型来做设备的故障预测、诊断，给运维提供建议。

风电机组的载荷计算、测试比对、模型识别修正，以及载荷控制策略开发、优化

在光储充换场景下，通过优化算法来实现分布式发电预测

电液系统中的控制匹配、控制算法开发。

电动汽车电机控制算法及整车控制策略开发

电力行业继电保护装置中的保护测控算法，能量管理系统中的控制算法（PID算法设计、滑动平均值、逐点限制法）和控制策略（光储置换控制逻辑等），电网故障快速识别与保护算法

电力交易系统中的交易辅助策略、调度算法开发

电力电子领域的正向设计、参数拟合、拓扑选择、ICCAP建模技术等工作

在动车组和城轨地铁上部署列车和关键部件的故障诊断预测模型、异常检测模型、智能决策模型

在列车调度场景中，开发列车集群级控制调度算法与模型，实现智能运营、运行冲突检测

为了保证车辆的安全、合理、舒适、性能，对机械设备的横纵向控制算法在矿山等复杂工况下进行优化

对起重机上的机电液控系统进行联合建模与仿真，解决电液系统的非线性、时滞、参数时变等问题

工作在这些场景下的算法工程师不只需要懂C/C++、Python编程和传统的算法技能，还需要电力、电气、能源、自动化控制、工厂工序、作业规范等方面的领域知识。

当然，在上面这些基础能力之上，跟其它行业的算法岗位一样，要应聘到头部公司的顶尖算法工程师，PK的还是学校学历、顶会期刊论文、竞赛、大厂履历、前沿项目。

近几年，装备制造业的算法应用还出现了一些新趋势：

1、大模型应用

企业开始在研发、生产、供应链管理、销售等软件系统中，以及知识问答、智能客服、数字员工等场景下，尝试探索整合大模型，或降本提效、或提升产品竞争力。

这里面会涉及到数据的采集、清洗、标注、特征工程、构建数据集、模型微调训练、模型压缩（蒸馏/量化/剪枝）、部署、推理、prompt开发与优化、测评与迭代、运维监控等各种环节，甚至有AI平台、向量数据库、大数据生态平台等基础设施的开发与维护。

因此，装备制造业企业也开始出现了很多大模型相关的算法、Agent开发、AI平台产品开发等岗位需求。

关于大模型这个话题我之前写文章详细分析过，感兴趣的私信获取，这里不再展开。

2、自动驾驶

想象空间最大、竞争最激烈的乘用车自动驾驶领域之外，在矿山、港口、公路、轨道交通等场景中，在叉车、港机等大型机械产品中，自动驾驶技术一直在默默发展。

我们可以看到，三一重工、中联重科、徐工等装备制造业龙头也有多传感器整合、SLAM、规控等自动驾驶类的岗位需求。

自动驾驶产业链上的主要玩家其实是乘用车领域，之前有文章分析过，感兴趣的私信获取，各种商用车领域只是个缩小版，这里不再展开。

七、工业机器人

中国装备制造业对机器人的使用量已经是全球最大，除了少数机器人厂商之外，大部分企业只是采购、应用机器人。

我之前已经写文章详细分析工业机器人产业链（感兴趣的私信获取），这里不再展开，今天主要聊聊工业机器人的应用。

一般来说，KUKA等机器人厂商卖出的是平台产品，企业采购之后会根据自己的具体场景（金属加工、抛光打磨、装配、机床上下料、码垛/搬运、分拣）对机器人做控制调整。

如果场景比较简单，使用示教器就可以了，如果场景复杂，就需要使用RAPID、KRL之类的机器人编程语言。不过，毕竟是控制脚本性质的东西，这些编程语言比C/C++这类高级编程语言来说要简单很多，其复杂主要在其领域知识。

所以严格来说，这属于“生产”或“技术”，并不算“研发”。

八、信息安全

在互联网大厂或者华为、科大讯飞等这些知名IT的企业中，安全岗会被拆得很详细，有安全产品研发、核心技术攻关、安全运营对抗、业务安全等各种不同的岗位。

而在装备制造业中，信息系统的安全基本以“采购底层产品能力 + 业务安全运营”为主，安全工程师的工作基本主要聚焦在：

1、NDR、EDR、DLP、WAF、防病毒、桌管等安全系统的部署、实施维护、策略配置、运行监控、日志分析、漏洞扫描、攻防演练、安全加固

2、安全渗透测试、等保测评、合规性测试、认证测试研究和实施

3、安全事件分析、输出安全报告、风险评估和审计

4、根据行业、国家的政策、法律、法规，制订公司内的信息安全制度

5、组织员工的安全知识培训、宣传、考核

九、运维

运维岗位大致可以分为以下几类

1、运维开发

如DevOps、系统监控、日志分析等各类工具软件的研发。

2、系统运维

当软件系统发布到生产之后，需要做稳定性保障、监控值班、处理报警、版本升级、配置修改、安全加固、日志清理、数据的容灾/备份/调取等。

3、资源管理

预算申请、容量规划、资源分配与调度。

4、系统实施

企业采购ERP、CRM、WMS、TMS、MES、SAPBPC/Hyperion、SRM等工业软件之后，做落地实施。

5、IT保障

企业的设备管理、电脑/网络问题、办公软件问题等各种“网管”类的工作。

具体到装备制造业的运维，有几个特点：

1、一般只有在大中型的IT企业中才会有运维开发团队，在制造业中，运维岗位主要以系统运维、资源管理、系统实施、IT保障为主。

2、装备制造业的系统往往是软硬一体的解决方案，运维岗位往往也是从终端设备、软件系统到硬件资源都涉及。

3、大型企业会采购各种类型的工业软件，这些软件的集成、定开、打通、取数、生产安全保障也是装备制造业运维团队的特色。

以上，介绍了装备制造业提供的软件技术岗位需求，可以看出处处都在强调领域知识。

这些领域知识既是优势，可以让有积累的人相对舒服地做事，而不用担心随随便便来个新人就被替换掉。

但同时也是劣势，时间久了之后会固化一个人在市场上的匹配度，因为他们的技术栈、系统架构、领域知识与市场上的主流IT公司格格不入。

好在软件工程师不管进入哪个领域，最初几年都是以打基础为主，跟领域知识绑定的并没有那么死，比较容易跨领域跳槽，也就还有再次选择的机会，如果等到工作5、8年之前再跨领域跳槽就难了。

接下来从门槛要求、国际化、待遇特点、城市分布等几个角度来分析这些就业机会的特点。

一、门槛要求

对应届生来说，装备制造业校招时的学校学历要求普遍低于互联网等传统IT企业，当然，根据供需理论来看，主要还是不够卷。

至于社招，除了算法依然要PK学校学历、竞赛、顶会论文，其它岗位往往只要求本科学历即可，甚至一些需要扎根工厂做运维、机器人编程的岗位，工作内容琐碎，软件技术方面来说复杂度并不多，专科也OK。

当然，就业市场永远供需匹配的逻辑，门槛低说明来卷的人少，为什么来得人少呢？群众的眼睛是雪亮的，毕竟谁也不傻。

二、国际化

中国装备制造业在走向全球，企业也会对软件技术人也就会带来额外的诉求，如：

1、法律法规

由于不同国家区域的数据、网络、合规等与大陆不一样，需要软件技术人员熟悉跨境方面的法律法规，如，欧盟的GDPR、美国加州的CCPA等。

2、基础云服务

熟悉国际主流云服务（AWS/Azure/GCP）上的安全服务，尤其对后端研发、运维、安全等岗位。

3、英语

base在海外的岗位，或者与海外团队配合的岗位，需要英文可以作为工作语言。

4、差旅

干软件技术工作，差旅是很让人头疼的事。

年轻人刚毕业时，大部分人都喜欢到处转一转，只要不是倒霉赶上那些鸟不拉屎的地方，可不就是公费旅游嘛，可一旦处了对象、上了年龄、有了家庭，没有人愿意动不动往外跑。

更何况海外差旅比国内普遍时间长，海外人生地不熟、衣食住行都有不习惯的地方。

三、待遇

传统装备制造业特点是重资产，以及研发生产的规模化、标准化、流程化、制度化。

因此，除了掌握核心技术的骨干之外，绝大部分人待遇并不高，即使本篇文章中提到的软件技术岗位也一样，但幸好工作机会主要分布在各都市圈的二、三线城市，性价比倒也可以。

另外，近些年头部企业因为信息化程度高，系统复杂度高，甚至自研工业软件，并大面积使用算法、AI来降本提效，就会大规模招聘的高端人才，如，CV、自动驾驶、大模型等算法工程师，数据引擎、AI平台开发等工程师，工业软件开发工程师等。

要求上来了，要跟市场上的IT公司竞争人才，待遇自然也要水涨船高，有些岗位的待遇慢慢可以跟IT公司一较高低了。

以下列举一些周边接触到的各家企业薪资数据，供大家参考：

三一重工、苏州、软件开发、月12K

中联重科、长沙、前端、月15K

中联重科、长沙、算法、月15K

宁德时代、宁德、数据分析、年包25W

隆基绿能、西安、后端、月15K

徐工集团、徐州、算法、月13K

中车、株洲、嵌入式、11K

中车、长春、Java、加公积金到手15W

欣旺达、深圳、嵌入式、19K

中船、无锡、C++、9.5K

兵器科学研究院、北京、年22W

四、城市分布

北京、上海、深圳这三个一线城市虽然就业机会多，但是消费、地价太高，而装备制造业重资产、占地方，消耗的水、电等自然资源量很大，甚至会产生污染，因此，大型装备制造业跟一线城市一般是尿不到一个壶里去的。

除了少数军工、航天等央国企之外，大部分装备制造业都没法在一线城市成长起来，也不会将重心放到一线城市，最多只是开个研发中心，方便吸收高端人才。

因此，在分析装备制造业就业机会分布时，我们只考虑这三个一线城市之外的地方。

北京、上海、深圳之外，中国装备制造业的就业机会分布有几个特点：

1、私企主要在浙江沪、广深这两大都市圈的苏州、杭州、宁波、无锡、南京、广州、惠州、东莞、佛山等城市，原因是这些企业全部为改革开放之后成长起来的民营经济，当然是扎根在民营经济最发达的江浙沪、广深这两大都市圈。

2、少数私企没有在两大都市圈，但也都是因为当地有一些特殊资源才崛起的，如，因为有当年长沙建筑机械研究院的底子，长沙诞生了三一重工、中联重科等工程机械领域的“五花金花”；徐工来源于早期的徐州工程机械研究院；

2、央国企主要在武汉、成都、西安、南京、贵阳、重庆、青岛、沈阳、绵阳、株洲等城市，原因是这些地方本身就是中国早期的工业重镇，以及三线建设时期，大量的高校、企业从东北、北京、上海等发达地区迁入到这些地方。

以下，以国内各装备制造业龙头企业的软件技术类岗位分布城市（非一线城市）为例，供大家参考：

汇川在苏州、南京、西安

做锂电的宁德时代在宁德、成都、宜宾、溧阳，亿纬锂能在惠州、荆门，欣旺达在金华、惠州、重庆、西安

做工程机械的三一重工在长沙、株洲、益阳、苏州、湖州，中联重科在长沙、常德、马鞍山，徐工集团在徐州

做光发电的阳光电源在合肥、南京，隆基绿能在西安

做轨道交通的中车在株洲、武汉、青岛、西安

紫潍动力在潍坊

做电气装备的中国电装在西安、许昌、平顶山、济南，特变电工在西安、天津、南京、乌鲁木齐、沈阳，东方电气在重庆、成都、杭州、广州，上海电气在南京、杭州、西安、武汉

先导智能在无锡、珠海

TCL中环在无锡、广州、银川、呼和浩特、天津

做减速器的中大力德在宁波

做轴承的人本集团在杭州、温州

做风力发电装备的金风在无锡、远景科技在无锡

做数科机床的华中数控在武汉，做传统机床的通用技术集团机床业务在南京、沈阳、天津、大连

中核集团在武汉、天津、西安、成都

做航空航天装备的航天科技在西安、成都、郑州、重庆，航天科工在西安、成都、武汉、杭州、贵阳、南京，航天工业在西安阎良、广州、成都、沈阳、哈尔滨、天津、南昌、景德镇、贵阳，中国航发在沈阳、长春、成都、贵阳、无锡、西安、株洲、哈尔滨、南京

做海洋工程装备和船舶的中国船舶在武汉、哈尔滨、无锡、西安、天津、南京、重庆、广州、杭州、郑州，

中国兵工在绵阳、重庆、西安、昆明、南京、太原、成都、蚌埠

中国兵装在绵阳、重庆、武汉、沈阳、成都、西安、合肥

以上，整体介绍了装备制造业的软件技术就业机会，个人经验所限，有不足之处请跟我反馈，提前谢过。

上个世纪末以来，软件技术领域一直充满活力，从互联网到移动互联网、区块链、AR/VR、机器人、自动驾驶、大模型等一波又一波的热潮，每一波都有资本和码农入坑、出坑，再赶下一个坑。

这些风口上的领域即是媒体的焦点、也是从业人员热议的对象。

因此，资本、企业、从业者一起造梦：毕业起步加入大厂，卷技术卷职级，不断晋升加薪，或者加入小公司之后赶上风口奋斗几年之后创业成功，30岁就成为高管甚至财富自由等等。

一将功成万骨枯，每一个风光无两的公司背后，都有大批的韭菜起起伏伏，大浪淘沙之后，除了极少数时代的幸运儿之外，绝大多数人都在30岁之后慢慢地热血消退、走入“中年危机”。

而在市场主流焦点之外，跟高科技看似不沾边的装备制造业却低调的开始养活了越来越多的软件技术人。

原因也很简单，随着中国装备制造业不断向上点科技树，软件在制造中的使用深度，也正沿着逻辑控制、系统化、数字化、智能化的方向，在不断升级。

我们一直担心AI、框架等让我们失业，但往往忽略了一点，正是软件技术的无边界扩张，才让码农从一个小众的社会群体变成社会关注的焦点，而AI、框架更让扩张的速度更加快。

而装备制造业，只是软件技术无边界扩张的一个山头而已。