矽谷工程師薪資大公開，看Google、蘋果工程師如何分級、薪水多少？|數位時代 BusinessNext

大家眼中的工程師薪水都很高，但到底有多少？CNBC的報導指出，在矽谷，應屆畢業的軟體工程師可拿到六位數美元的薪資（不含股權報酬），根據資歷，有些工程師每年更可以賺得數百萬美元，而這都取決於**「級數」的不同**。

在Google，初級工程師從第三級開始；蘋果（Apple）的工程師則分為五級，從ICT2到ICT6；微軟則從59的軟體開發工程師開始到80的技術研究員或某個專業領域的領導者。級數越高，報酬越高。（1,500家台灣企業薪資全公開）

不過，更多人好奇的應該是，這「級數」怎麼運作或怎麼換算？如果Google的第四級跳槽到Facebook，該算哪一級？如果在蘋果升到ICT3，薪資漲多少？尤其在現代，越來越多人靠跳槽加薪，更得搞懂「級數」才行了。於是，兩個美國畢業生穆沙（Zuhayeer Musa）和莫西登（Zaheer Mohiuddin）建立了網站「Levels.fyi」，蒐集來自矽谷的大型科技公司員工薪資資料，讓人們可以根據自身設定的估值去判斷。

薪水15萬美元起跳

Levels.fyi的數據顯示，在Google、Facebook、亞馬遜（Amazon）、蘋果和微軟的軟體工程師薪資都很高。Levels.fyi預估，在Google的第三級或剛畢業的初級工程師可掙得總薪資18萬9,000美元或12萬4,000元薪資加上4萬3,000美元的股權報酬；而在Facebook，初級工程師、「E3」級一年可賺16萬6,000美元。

數據顯示，薪酬隨著級數升高而增加，甚至呈現指數型成長。例如，Google的第七級，被認為是大部分工程師的最高級數，年薪為60萬8,000美元。

Quora前招聘經理奧斯曼（Osman Ahmed Osman）說，雖然每間公司不同，但多數公司採用同一級數標準，分為六級，而每一級別在不同公司的職稱略有差異。

每家公司的級別術語也可能不太一樣，例如蘋果的叫ICT，代表個人貢獻技術（individual contributor tech），Salesforce的級別稱為MTS，代表技術人員（member of technical staff）。

雖然Levels.fyi的數據是眾包的，可能不太牢靠，畢竟那些會提交薪資數據的應該還是賺得較多的那群人，但Levels.fyi創辦人說他們能清除不太可靠的資料點，而且這些數據和Radford、Connery Consulting等數據公司賣的真實資料相當匹配，有些企業的人資就相當依賴這類網站數據。

有利的談判工具

如果是在一間大公司有不錯級數的人，可能會想看看自己可以在較小型的企業取得什麼位置，最重要的是，可以加多少薪水。

但級數的薪資水平並非透明的，這便讓許多求職者在薪資談判上占劣勢。在瀏覽網站上的數據時，你可能會嚇到，有些只有幾年經驗的竟然可以年賺數十萬美元，而有些人的低薪可能只是因為談判技巧差。Levels.fyi網站創立的初衷，正是想幫助人們解決這項難題。

薪資分級可以讓人們有往上爬的動力，但也為整個矽谷的工資帶來壓力。「總的來看，我認為，每當Google和Facebook發現他們失去太多中層員工時，就會調高薪資水平。」軟體公司Triplebyte的創辦人塔格爾（Harj Taggar）說，而這時，Uber或Slacks等企業也會接著調高基本工資，接連繼續影響其他企業。

他說，

Facebook和Google是軟體工程師人才市場的領頭者，為矽谷的薪資水平定錨。

雖然人們看似不斷追求高級別，但可以達到工程師最高級別的人並不多。「大多數人在退休前都落在第三到第五級。」莫西登說。

薪資「級數」不是矽谷獨創

雖然矽谷玩轉這套方法很熟練，但這種「技術階梯」的方法早已在許多公司施行長達70多年。

奧斯曼從二戰後的杜邦公司追蹤這套方法的起源，當時施行的目的就是為了激勵有才華的員工可以不斷成長與進步。

分析完工程師，levels.fyi繼續將目光轉向不同行業領域，例如金融市場，「雖然級數不多，但卻更標準化。」莫西登說。像是高盛、摩根史坦利、花旗，在分析師、合夥人、副總裁、總經理等高管的薪酬水平都非常相似。

責任編輯：蕭閔云

本文授權轉載自：經理人；作者：王德平

快速展店背後的挑戰　如何降低跨據點管理與維運負擔

對連鎖零售企業而言，展店代表商機與成長，但當門市數量快速增加，營運與管理的複雜度也隨之提升。尤其對便利商店（C-store）、餐飲連鎖與其他高密度展店型態的企業而言，總部需要面對的不只是據點數量增加，更包括不同門市的設備管理、系統維護、日常維運與人力配置等多方面挑戰。

過去多據點門市的設備與資訊管理，往往以單一門市為單位，各據點可能擁有不同的攝影機、錄影設備配置與管理模式。當總部需要掌握事件狀況、確認門市營運情形，或進行跨區域管理時，往往需要投入大量人力逐一確認資訊，不僅增加管理負擔，也提高維運成本。

此外，零售產業本身具有高度變動性。門市可能因應市場策略進行展店、搬遷、改裝，甚至調整營運規模。傳統一次性設備投資模式，容易讓企業在面對據點變化時缺乏彈性，也增加設備重新配置與後續維護的負擔。

因此，現代零售企業所需要的不只是單純記錄事件的設備，而是一套能隨企業成長彈性調整、協助總部有效掌握多據點安全資訊，並支援未來智慧應用發展的智慧化管理架構。

從既有設備開始升級　降低全面汰換設備的轉型負擔

面對智慧化轉型需求，許多企業最大的挑戰並非是否需要升級，而是如何在不中斷現有營運的情況下完成轉型。

對已經投入大量資源建置安全系統的零售企業而言，全面汰換既有架構不僅成本高，也可能影響門市日常運作。因此，能夠兼容既有設備並逐步升級的彈性架構，成為企業導入智慧安全管理的重要關鍵。

透過混合雲架構，企業可以從既有設備開始，逐步整合不同據點的安全資訊與管理需求，同時導入雲端管理能力。相較於一次性重新建置，新一代平台架構能協助企業延續既有投資價值，並依照實際需求逐步導入更集中化、智慧化的管理能力。

此外，訂閱式雲端服務模式和混合雲安防架構，也為零售企業帶來更靈活的資產管理方式。相較於頻繁的硬體汰換、傳統一次性採購或繁瑣的跨品牌安防系統的管理，企業更有彈性的因應門市拓展、搬遷、調整或營運規模調整，精準配置資源，降低一次性投入壓力，也減少因據點變動造成設備閒置的情況。

對快速成長的連鎖零售企業而言，安全管理不再是一套固定且難以調整的架構，而是一個能隨企業規模與需求持續演進的平台。無論是新增門市、跨區域管理，或因應營運策略調整，都能以更彈性的方式完成管理升級。

AI 不只是安防工具　更開始協助零售提升營運效率

隨著 AI 技術快速發展，安全管理的角色也正在改變。過去企業導入影像系統主要用於事件記錄、事後查看與追蹤；如今，智慧雲端安防平台則能進一步從大量影像資訊中辨識人、車與行為，協助企業從「看見發生什麼」進一步「理解正在發生什麼」，甚至主動協助管理者發現與處理事件。對門市數量眾多、人力有限的連鎖零售業者而言，AI 正逐步成為降低管理負擔、提升營運效率的重要工具。

從基本事件偵測到自然語言規則　讓 AI 主動理解更多異常情境。 AI 智慧辨識已能針對跌倒、奔跑、徘徊、跨線等常見事件進行自動偵測，協助門市減少人工查看影像的需求。而進一步透過 Think Alert，管理者更可以直接以自然語言設定客製化的偵測條件，將 AI 應用延伸至傳統事件規則以外。以門市尖峰時段為例，店員往往需要同時處理結帳、補貨與顧客服務，總部也難以持續掌握每個據點的即時狀況。透過 Think Alert，管理者可以直接以自然語言設定「在門店入口抽菸的人」等情境；當符合設定條件的畫面出現時，系統即可主動發出警報，協助管理者即時掌握異常狀況。對於門市數量龐大的企業而言，這代表 AI 不只是協助辨識既定事件，更能依據不同營運需求，讓管理者以更直覺的方式設定希望 AI 主動關注的情境。

從大海撈針到快速完成調查　Think Search 搭配 Case Vault(案例庫) 掌握完整事件脈絡。 當事件發生後，如何從大量、多據點的影像中找到關鍵人物與事件脈絡，往往是最耗費人力的環節。透過 Think Search，管理者可以直接用自然語言描述想尋找的對象與情境，例如，當家長反映孩童可能在門市附近走失時，店員或總部人員不需要逐一查看不同攝影機的錄影畫面，只要在 Think Search 輸入「昨日上午，牽著小女孩的男性」等自然語言描述，系統即可協助從大量影像中篩選相關畫面，快速找到相關人物可能出現的時間與位置。若需要進一步追蹤，還能將不同搜尋階段找到的重要畫面與資訊整理至 Case Vault，建立事件時間線與人物移動路徑，協助管理者更完整掌握事件脈絡。

從安全管理延伸至顧客服務與門市營運　讓既有影像創造更多價值。 AI 的應用也不只限於安全事件。例如在咖啡店、餐飲等場景，若顧客將手機、包包等物品遺留在座位或櫃台附近，遺留物與遺失物偵測可以協助門市人員更快發現異常，主動確認並協助顧客處理失物問題；人流分析則能協助企業掌握不同時段的門市活動趨勢，作為空間配置與人力安排的參考；車牌辨識可應用於停車區域或門市周邊管理，而工安防護裝備辨識則能協助後場、倉儲等區域進行安全規範管理。透過這些應用，企業能在既有設備基礎上，進一步將影像資料延伸至安全、服務與營運等不同場景。

對連鎖零售業而言，AI 的價值已不只是「看得更清楚」，而是讓企業更快發現問題、更快找到資訊，並進一步理解事件脈絡與營運狀況。從基本事件偵測、自然語言設定規則，到 AI 搜尋與事件調查，再延伸至顧客服務與營運分析，雲端安防平台正讓影像從被動的紀錄工具，逐步成為支援多據點安全管理與營運決策的重要資訊來源。