ARTICLE · 1204285

AI 制药很火,但招聘求职真相如何?

发布时间：2026-10-18 10:35:34 最近访问：2026-10-18 10:35:36

AI 制药很火,但招聘求职真相如何?

AI 制药很火，

但招聘求职真相如何？

横跨 AI 制药全产业链的 2026 年招聘一线观察　｜　作者：齐云龙

一直说“金九银十”｜

10月是全年招聘的最后一个高效窗口。11月中旬之后，企业进入年终盘点，面试排期基本会被拖到年后。

导读｜

本文的样本，贵在“新”：取自 2026 年 7—10 月招聘一线的真实岗位 JD，覆盖 AI 制药平台、创新药企、CRO／CDMO、实验室数字化与品牌传播等关键环节，从招聘端的措辞、薪资与门槛，反推行业正在发生的真实位移。薪资部分一律以行业大盘报告为准（智联招聘、科锐国际、猎聘等），一线 JD 只作切片印证——不用几十条样本去下行业结论。一边是融资新闻排队刷屏，一边是招聘卡片里朴素得近乎沉闷的岗位；热的是资本，冷的是错配。招聘市场，只为交付结果付费。文中附“AI 制药全景图”与“全文思维导图”，一图看懂三条因果轴、瓶颈位移、岗位四象限、能力四轴与薪资倒挂。

事实速览｜AI 制药就业，数据说真话

智联招聘《2026 年生物医药产业人才发展报告》：2026 上半年 AI 制药职位数同比 ＋84.0%；智能医疗器械职位数 ＋113.1%；计算机辅助药物设计平均月薪 25 465 元（研发岗首位）；临床研究岗位需供比（三季度） 4.59（极度紧缺）。
猎聘大数据研究院《2026 FDE 人才供需趋势洞察报告》：2026 年 6 月 FDE 新发职位环比 ＋237.21%，人才供需比约 0.28，近一年平均年薪 40.8 万元。
样本：50 个 2026 年 7—10 月真实在招岗位 JD（BOSS 直聘等公开平台），覆盖 AI 制药平台、创新药企、CRO／CDMO、实验室数字化与品牌传播。
政策与大盘：“十五五”首提“全链条支持创新药和医疗器械发展应用”；2026 上半年医药制造业工业增加值 ＋5.6%、1—8 月对外授权突破 1200 亿美元（同比 ＋36%，占全球同类交易 58%）；新一线城市招聘占比 32.8% 首超一线。
核心判断：AI 把研发每一层变薄、在缝隙塞进新人；资本正从“生成端”流向“验证端”与“机制端”。

全文思维导图

一图掌握：三张因果图、五个招聘变化、薪资倒挂、四条法则、能力四轴、冷热分明与地域下沉

▲ 全文思维导图｜彩虹渐细分支图，数据来自本文样本与公开报告

开篇｜热闹与冷场，同时存在

只看融资新闻，AI 制药是这两年最热的赛道之一：自动化机器人进了国家级实验室，人形机器人开始做细胞传代与毒性检测，AI 基座模型动辄拿下数亿元融资。

只看招聘市场，却是另一幅画面：药学应届生在投实习；做三年分子设计的算法工程师发现，自己比隔壁靠打假谋生的自媒体博主（博士肄业）更难找到理想工作；生物化学实验室的博士看完薪资区间，默默关掉了页面。

这两幅画面都是真的，只是描摹的不是同一个坐标。如果要用一句话概括现状：AI 没有消灭任何一层，它让每一层变薄，然后在每一道缝隙里塞进新的人。

这句判断，是后文所有结论——哪些岗位在涨、哪些在塌、钱该给多少、该补什么能力——的共同源头。

AI 制药全景图

一图看懂：三条因果轴、瓶颈位移主链、岗位族群四象限、能力四轴与薪资倒挂

▲ AI 制药全景图｜数据来源：智联招聘《2026 年生物医药产业人才发展报告》、猎聘《2026 FDE 人才供需趋势洞察报告》及公开在招岗位 JD

背景｜热在哪，又长在哪

先看清“热”的那一面：政策、大盘与城市布局

2026 年是“十五五”开局之年。国务院《国民健康“十五五”规划》首次提出“全链条支持创新药和医疗器械发展应用”，“创新药”被提及 7 次，为历次五年规划之最，并明确要求推动人工智能赋能医药全产业链升级。

落到硬指标：2026 上半年规模以上医药制造业工业增加值同比增长 5.6%，利润总额 1773.2 亿元（同比＋4.2%），出口货值 1239 亿元（同比＋7.8%）；国家药监局共批准药品上市注册申请 2318 件，其中“全球新”创新药 38 个，创新药对外授权交易总额约 1100 亿美元，已达 2025 年全年总额的 80%；国家药监局 2026 年 9 月的最新口径更猛——1—8 月对外授权总额突破 1200 亿美元、同比＋36%，占全球同类交易约 58%，全球金额前十中有 8 笔涉及中国企业。

智联数据显示，生物医药产业求职人数同比＋7.7%——钱在涌、岗在增、人在涌。

但岗位并不均匀分布。城市等级上，新一线城市生物医药相关职位数占比 32.8%，首次超过一线城市（19.8%）与二线城市（23.5%），产业持续下沉；长三角、京津冀、粤港澳三大城市群合计占 45.6%，仍是核心集聚区。具体到核心岗位：北京在生物／医药研发、临床研究／试验、医疗器械研发三大岗位招聘需求全面领跑（占比 13.3%／13.4%／15.5%）；深圳医疗器械研发岗位占比 7.5%、全国第二；成都生物／医药研发（5.9%）与临床研究／试验（5.2%）均列全国第三，是西部枢纽。

一句话：创新药看北京与长三角，器械看北京、深圳、上海与苏州，临床 CRO 优先北京、上海、成都与广州。

城市等级	职位数占比	核心岗位城市优势
新一线城市	32.8%（首次居首）	北京：研发／临床／器械全面第一深圳：器械研发全国第二成都：研发／临床均列第三
二线城市	23.5%
一线城市	19.8%
三大城市群合计	45.6%	长三角＋京津冀＋粤港澳，核心集聚区

01先看清三张图：只有一张图是不够的

大多数关于“AI 制药带动就业”的讨论，都只画了一张图：分子设计效率提升，下游需求暴涨。

这张图是对的，但不完整。真实的行业变化，至少由三条因果轴共同决定。

1.1　纵向效率轴：设计变便宜，下游变贵

药物研发的链条大致是：

靶点发现 → 分子与抗体设计 → 化学合成 → 体外活性（assay）→ ADME 与药代 → 毒理 → 临床 → 注册 → 上市。

AI 做的不是替代某一步，而是把“搜索空间”这一步的成本压到接近零。传统方式从 10⁶ 量级化合物里筛出 1 个候选分子，每个失败候选的成本是一次真实合成加一周表征；生成式设计把候选空间收窄到 10² 量级，每个候选的设计成本变成一次推理。于是下游不再需要海量试错，却需要极高的一致性与可追溯性。

AI 越强，湿实验、合规、数据的岗位越缺。这不是悖论，是因果。

这条轴有很硬的市场数据。智联招聘《2026 年生物医药产业人才发展报告》显示，2026 年上半年 AI 制药相关职位数同比增长 84.0%；而真正被它拽紧的，是验证端、临床端与跨界岗位——这些才是“下游变贵”的实锤：

验证端／临床端信号	关键数据	说明
智能医疗器械研发	＋113.1%	智能器械研发可超 2 万／月
计算机辅助药物设计	研发岗薪资首位	2.5万元／月
临床监查员／协调	需供比 4.59（三季度）	极度紧缺
医药／医疗器械出海	＋10.0%	海外拓展月薪 1.6 万＋

这组数字本身就是一张因果链图：AI 制药＋84.0% 是因，验证端与临床端的紧缺（临床监查员／协调需供比 4.4／4.3）是果。吞吐量由瓶颈工序决定，而岗位大多长在瓶颈上。

科锐国际在《2026 人才市场洞察及薪酬指南》发布会上给出更落地的数据：AI 把“靶点发现→候选化合物”的周期平均缩短约 40%，部分 AI 制药企业已将传统需 2.5～4 年的研发流程压缩至约 18 个月；临床环节基于电子病历的智能匹配使患者入组效率周期缩短约 40%，I 期临床成功率由 60% 提升至接近 90%。

与此同时，智能医疗器械的政策权重上调——“脑机接口”在《十五五》中被与医疗设备大类并列纳入科技攻关领域；医疗器械研发的求职者专业前五为机械设计制造及自动化（10.4%）、机械工程（3.7%）、计算机（3.6%）、生物医学工程（2.7%）、软件工程（2.7%），应届生占比极低（约 0.3%），跨界转入特征明显。

出海岗位的薪资呈明显分层：跨境电商运营（大专为主，约 1.0 万元／月）是友好入口；海外市场拓展约 1.6 万元／月（本科 83.5%）；再往上是国际 BD 经理 1.5～2.5 万元·15 薪、海外注册经理 2.8～4.6 万元，全球 BD 副总裁年薪可达 100～200 万元。

多位业内人说，中国创新药出海的深层瓶颈不是资本或政策，而是人才——本质仍停留在“借船出海”，正艰难转向“造船出海”。

1.2　横向机制轴：结构可匹配，不等于机制被理解

这是最容易被忽略、却对行业影响最深的一条轴。AI 目前擅长的是在已知靶点上做结构匹配，也就是回答“这个分子能不能嵌进这个口袋”。但它几乎无法回答三个更根本的问题：

1. 这个靶点在疾病里是因果，还是只是相关？多组学数据能指出与疾病严重度高度相关的基因或通路，但混杂因素与代偿生物学会让这个信号骗人。2. 这个靶点有没有成药性？结合口袋、界面、几何构象看起来很漂亮，但背后产生的生物学可能很弱、冗余，甚至不安全。3. 调制这个靶点带来的获益，能不能大到穿越人类异质性？这通常需要细胞扰动、类器官、动物模型、生物标志物与临床试验才能回答。

这个技术瓶颈有非常直白的实证：GPCR 这类膜蛋白的配体亲和力预测，目前 AI 准确度只有五六十分，远不能取代湿实验；一家专做 AI 候选蛋白湿实验验证的公司披露，Anthropic 送来的上千个分子，最终只筛出三成多能真正结合；DeepMind 分拆出的 Isomorphic Labs，2025 年拿下 21 亿美元 B 轮，2026 年 2 月的技术报告称在部分结构基准上超过 AlphaFold 3，但截至 2026 年 6 月，没有公布任何临床阶段分子。

有句行业分析说得最准确：老流程慢是因为搜索慢；新流程拥挤，是因为搜索比确证跑得更快。

结论：AI 吞掉的是“找分子”的活，留下的是“找病”和验证的活。

而靶点、验证、临床、交易四个下游环节，全靠“找病”供料。疾病机制研究因此从学术圈里的一环，变成了产业链的咽喉。

1.3　资本轴：钱从生成端流向验证端与机制端

过去两年，钱最愿意给的是“生成端”——能造模型、能出分子、能讲生成式设计故事的团队。

现在资本正往两个方向跑：

一是验证端，专做 AI 候选蛋白湿实验验证的公司拿下 4000 万美元 A 轮，吞吐量一年涨 5 倍，客户超过百家；

二是机制端，不做小分子的公司做生物学基础模型与虚拟细胞，估值逻辑不是“我有多少条管线”，而是“我能不能预测干预之后细胞会怎么变”。

当设计能力迅速商品化，资本会为“能证伪”和“能预测”付钱，而不是为“能生成”付钱。

02招聘端的五个真实变化

变化一　FDE 从军工／金融外溢到生物医药

FDE 译自 Forward Deployed Engineer，字面意思是“前线部署工程师”：工程师带着工程能力直接坐到客户现场，把 AI 系统嵌进对方的实验流程、数据管道和决策流程里。不是远程支持，不是卖咨询，是驻场交付。

它有多火？猎聘大数据研究院《2026 FDE 人才供需趋势洞察报告》给出的数字相当直接：2026 年 6 月新发职位环比增长 237.21%，8 月单月新发职位量已接近上半年总量；人才供需比约 0.28；近一年相关岗位平均年薪 40.8 万元，50 万元以上岗位占比 28.25%，明显高于 IT 互联网技术岗的 16.11%；地域上上海 23.33%、北京 22.50%、深圳 14.31%、杭州 8.19%，四城合计 68.33%；学历门槛也在松动，本科及以上占 97.81%，硕士及以上占 35.51%。

落到生物医药，真实 JD 长这样

· 制药 AI 前线部署工程师：18K～35K·13 薪，北京，需经常出差。场景具体——偏差与 OOS 调查、变更管理、迎检、工艺验证、年度产品质量回顾、供应商审计；要求 3～5 年药企研发或生产质量一线经验。· 生命科学前沿部署工程师：2.5 万～3 万·14 薪。职责六条，含“AI 效果校验与评估体系搭建”。· 某 AI 公司 AI 解决方案顾问／FDE：30～60K·15 薪，硕士，3～5 年。加分项第一条写着“深度 AI 用户，用 AI 产品解决实际工作流中的问题”。

为什么FDE这两年在生物医药突然爆发？

一句话：药企自己招不动人，也招不准人。药学与生物信息背景的人懂业务但写不了生产级代码；算法工程师懂模型但不懂湿实验的现实——批次失败率、仪器协议、法规硬约束。FDE 就是那层“翻译＋交付”，能把 PoC 从 60 分推到能进 GMP／GLP 流程的 90 分。

变化二　重心从“模型”下沉到“数字化基建”

一个在招岗位的职位概述只有一句话：负责医药研发实验室仪器设备与信息系统之间的连接、接口集成、数据整合。1.4 万～2.3 万元／月，北京，3～5 年，本科。朴素，但这恰恰是整个行业最真实的痛点位置。同类岗位要求熟悉 LIMS、LES、ELN／E-logbook、Empower／CDS 等系统及其业务流程、数据对象与数据结构。

更值得注意的是，同一类岗位已开始把 AI 写进核心职责：

· 某实验室数字化岗（ITBP）要求具备 AI 智能体搭建、配置与自动化任务流程设计能力；· 另一家生物药企 ITBP 岗要求主导过 LIMS／ELN 完整实施上线，具备 CSV 项目经验，满足 ALCOA+ 与 GMP／ISO 审计要求；· 某传统药企 AI 管培生（信息方向）：建设企业 AI 能力平台（LLM API 网关、知识库平台、RPA 工具集），梳理 ERP／CRM／EDC／LIMS 字段并建知识图谱与数据字典，加分项直写 LangChain、LlamaIndex、FastAPI、Veeva、Medidata；· 某跨国药企 Principal Business Analyst：配置验证 ELN／LIMS 平台，评估生成式 AI 与 Agent 工具在实验室信息学中的适用性，满足 GxP 与 21 CFR Part 11。

还有一类岗位特别值得注意——“翻译者与守门人”。某 ELN 系统兼职需求顾问的 JD 原话：承担实验业务与系统实施之间的角色，确保系统设计符合实验室实验记录书写习惯、数据完整性要求及 GMP／GLP 合规要求。还有公司招 LabWare LIMS 现场翻译工程师，按天结算 2000～2200 元／天。

共同信号｜AI 项目 80% 的时间不在训模型，而在准备数据、接系统、建规范。

变化三　湿实验没有消失，它从“成本”变成了“瓶颈资产”

很多岗位反复出现“懂湿实验的 AI 工程师”，不是因为怀旧，而是因为 AI 生成的分子最终必须被实验证伪或证实，行业对幻觉与无效分子的容忍度极低。真正稀缺的是会设计闭环实验的工程师——用主动学习把每个实验的信息增益最大化，把验证周期从 6 个月压到 6 周。带“判定权”的角色在涨价：看 JD 里出现的是“判定标准”“签核”“审核”“放行”，还是“执行”——前者值钱，后者被压缩。

更激进的一条路，是用机器人替代人工执行。源络科技（Monte 系列）创始人连文昭是上海交大人工智能学院教授，曾任 Google X 资深研究科学家、Figure AI 技术总监。其判断是：生物医药研发效率提升缓慢，核心原因之一是传统范式仍高度依赖人工实验——试剂、设备、环境、操作方式多个变量影响结果，而人工很难全部控制与记录。Monte02 人形机器人定位精度亚毫米级，可在实验室自主完成移液、细胞传代、细胞毒性检测等长序列精细操作，已落地 10 余家企业与科研机构，并获阿里巴巴领投的数亿元 A 轮融资。

答案很清楚：湿实验不但没有被 AI 取代，反而成了 AI 落地的护城河和稀缺资源。

计算负责提出假设，实验负责宣判真伪，而把这两者接起来的人才是当下最贵的。

变化四　业务侧“AI 化”岗位批量出现

药企与 AI 公司都在招：AI 药物发现项目经理、AI 产品经理、懂 AI 资产的技术 BD、研发知识库与 Agent 落地负责人。这类岗位不考你写多少行代码，考的是行业理解、跨界沟通，以及能不能把一个不确定的技术讲成管理层愿意签字的商业语言。

一个很有代表性的 JD 来自一家创新药企的 AI 技术解决方案专家岗（90～120K，硕士，10 年以上）：主导构建统一的人工智能中台架构（AI Agent／MaaS），整合国内外主流大语言模型；主导构建面向医学部智能化平台，推动文献智能解读、临床试验方案自动草拟、学术论文趋势分析；统筹构建基于企业知识库的智能聊天引擎；建立数据安全治理框架；主导引入低代码 AI 开发平台，构建“先复用后开发”的快速构建体系。请注意最后一句——“支持业务部门以拖拉拽方式快速创建场景化 AI 工具”，这要的不是会写代码的人，而是懂业务、能翻译、能推动落地的人。

变化五　连“讲清楚硬科技”都成了刚需岗位

一家聚焦 AI for Science（AI4S）基座模型的企业在上海招“市场与 PR 总监”，30～50K／月，职责包括全盘负责品牌、PR 传播、市场内容与行业生态建设，搭建白皮书、技术博客、案例、科学家访谈、行业报告的内容体系；要求懂技术向传播、能看懂大模型与科学 AI 技术，加分项是理工科背景＋生物医药／新材料行业传播经验＋英文能力。

还有一家招品牌负责人的，薪资标到了 70～100K：要求 8 年以上品牌、公关或市场营销经验，具备从 0 到 1 打造或重塑科技品牌的成功经验，有可量化的品牌影响力提升案例，深厚的技术理解力与出色的故事构建能力，能把复杂技术转译为具有公共影响力的叙事。

把这两条和前面的 FDE 并起来看：AI 进入深水区后，市场既缺能把系统送进实验室的人，也缺能把系统讲给人听的人。这两端都是“翻译”工作——一端翻译给机器和流程，一端翻译给资本和公众。

03反直觉的发现：薪资倒挂有据可查

先纠一个偏。如果只盯着几十条在招 JD 的挂牌区间，很容易得出“薪资天花板在品牌岗”的结论——那是个案极值，不是行业水平。把同一件事放回行业大盘重算，结论不但没塌，反而更硬。

18.2万元全行业平均年薪

29.8万元创新药赛道年薪

100万元+头部 Biotech 中位

数据来源：智联招聘《2026年生物医药产业人才发展报告》、慕仕咨询《2026医药人才招聘与薪酬白皮书》

先看标尺。医药全行业平均招聘年薪 18.2万元（同比 +5.3%），创新药赛道 29.8万元，高出 64%；头部 Biotech 研发岗年薪中位数已突破 100万元（2024年为 82万元），而多数中小 Biotech 同级岗位只有 60～70万元。第一层真相是：选赛道，比选岗位更决定量级。

+87%CADD 对比生物制药

+30%AI+医药人才溢价

38%AI 复合人才缺口率

数据来源：智联招聘 2026年上半年平台数据；科锐国际《2026人才市场洞察及薪酬指南》

岗位平均招聘月薪梯度

岗位（智联 2026 上半年）	平均招聘月薪
计算机辅助药物设计（CADD）	25 465元
智能器械研发（手术机器人／脑机接口）	超 20 000元
药理研究	19 160元
海外市场拓展	16 326元
药物合成	15 448元
医疗器械研发	14 849元
生物信息工程师	14 826元
生物工程／生物制药	13 632元（+6.8%）
跨境电商运营	10 064元

CADD 以 25 465元居全行业研发岗首位，比生物工程／生物制药（13 632元）高出 87%。AI 复合能力的溢价是真的，而且是全平台样本结论，不需要靠几十条 JD 去证明。

100万元AIDD 年薪 P50

135万元AIDD 年薪 P75

180万元AIDD 年薪 P90

数据来源：赢仕猎头《中国生物科技研发人才薪酬全景2026》；AIDD 同比 +25%，为各研发方向最高

还有一个反例能校准判断：临床研究／试验是当下最缺人的方向——智联招聘《2026年三季度人才市场热点快报》（10 月 13 日发布）显示，该方向职位数同比＋42.0%，需供比 4.59，每个求职者对应约 4.6 个岗位（上半年临床监查员 4.4、临床协调 4.3）。但临床监查员（CRA）1～3 年经验的月薪普遍在 10～20K·13～15 薪，仍明显低于 CADD 的 25 465元。紧缺只决定好不好找工作，不决定薪资高低——定价权在“有多难被替代”，不在“有多缺人”。

再看分位。平均月薪只能解释到 2.5万元这个量级，真正的顶部藏在分位数里：AI 药物发现（AIDD）同比 +25%，是各研发方向中涨幅最高的；AI 负责人薪酬区间 150～300万元，AI 算法科学家／工程师 50～180万元。

所以，“天花板不在算法岗上”这句话必须修正：AI 方向的天花板恰恰最高，它的问题是窄，不是矮。CADD 岗位投递者中硕博合计 74.7%（博士 12.8%），是全行业学历门槛最高的岗位——月薪高，是因为门窄。

总监层级中位年薪对照

总监层级岗位（科锐国际 2026）	中位年薪
市场总监	120～150万元
销售总监	120～150万元
业务拓展总监	100～130万元
生产总监	75～95万元
器械研发总监	70～90万元
质量总监	65～85万元

真正的倒挂在这里。它不在“算法岗 vs 品牌岗”的平均月薪上，而在总监这一层的中位年薪上：市场总监 120～150万元、销售总监 120～150万元，比器械研发总监（70～90万元）、质量总监（65～85万元）高出近一倍。“讲清楚”的岗位，在总监层并不输“做出来”的岗位，甚至更高。

回头对账那两条一线 JD：品牌负责人 70～100K·14～15 薪，约合 98～150万元年薪，正好落在市场总监 120～150万元这一带；AI 技术解决方案专家 90～120K·15 薪，约合 135～180万元，正好落在 AIDD／AI 负责人 135～180万元这一带。它们不是几十条样本里碰巧冒出来的极值，而是行业结构在招聘挂牌上的正常投影。JD 切片的用处是提前看见结构，宏观数据的用处是验证它成立——两者对上了，结论才算数。

判断薪资请分三步看：平均月薪看赛道溢价，分位数看天花板，总监对照表看哪条路更宽。想拿溢价就进 AI 复合方向（+30%），但要接受它是窄门（硕博 74.7%）；想走宽路，市场、销售、BD 在总监层的天花板并不低，而且门槛不是博士。

04四条可复用的判断法则

这一节比前面的结论更值钱，因为它可以让你自己去判断任何一个新岗位——无论你是招聘方还是求职者。

法则一｜瓶颈位移法。

先问“AI 把哪一步的成本压低了”，再问“于是哪一步变成了新瓶颈”，岗位长在后者上。设计变便宜，合成与验证就变贵；预测变便宜，数据治理与可验证性就变贵；内容生成变便宜，信任、来源与合规就变贵。法则二｜签字权溢价。AI 越会生成，越需要有人能证伪并签字。识别方法很土但极其有效：看 JD 里出现的是“判定标准”“签核”“审核”“放行”，还是“执行”——前者值钱，后者被压缩。法则三｜数据可验证性税。凡是让 AI 读得懂数据的岗位都在涨价，凡是只做数据搬运的都在跌价。AI 的燃料不是数据本身，是可验证的数据。法则四｜反向挤压清单。被压缩的是纯检索与文献综述、基础数据录入、标准化重复 QC 检验、低难度内容创作、初级 CRO 岗。人均产出提升导致头数收缩，这才是“就业不乐观”的真实来源——需求从执行层移到了判断层。

05冷热分明：哪些岗位在涨，哪些在塌

前面五条变化，落到“人”上就是一句话——有的岗位被资本和需求一起推着涨，有的岗位正被自动化和瓶颈位移悄悄挤掉。下面把 50 个 JD 样本里能看清的趋势直接摊开：左半是升温方向（带数据），右半是被压缩方向（按逻辑推导，不编百分比）。

升温

FDE 前线部署工程师

信号　猎聘报告：FDE 供需年增＋237.21%

逻辑　AI 公司把模型卖进药企，必须有人“驻场交付”；瓶颈位移到最后一公里

升温

实验室数字化／ITBP

（LIMS／ELN 实施、CSV、ALCOA+、GxP）

信号　多家药企把 LIMS／ELN 实施列为核心职责

逻辑　湿实验变瓶颈资产，数据管道必须先通；懂合规＝有签字权

升温

AI 制药研发岗

（含计算机辅助药物设计）

信号　智联：AI 制药＋84.0%；计算机辅助药物设计月薪 25 465 元（研发岗首位）

逻辑　分子设计出来必须有人合成验证，结构可匹配≠拿到实体分子

升温

智能医疗器械研发

信号　智联：相关职位＋113.1%；智能器械研发薪资可超 2 万／月

逻辑　医疗器械智能化是仅次于 AI 制药的第二增长极

升温

临床监查员／协调

（临床转化验证）

信号　智联三季度：需供比 4.59，职位数同比＋42.0%

逻辑　创新药加速向临床转化，验证端极度紧缺

升温

AI 技术解决方案／售前／科学传播

（AI4S 品牌、医学写作）

信号　薪资倒挂：25～100K·14～15 薪；“讲清楚硬科技”成独立岗

逻辑　业务 AI 化后，把价值讲给人听、讲给监管听的那张嘴稀缺

升温

致病机制／转化医学研究

信号　机制轴：结构可匹配≠机制被理解

逻辑　资本从生成端流向机制端，机制岗是咽喉

升温

AI＋医药复合型人才

（懂算法又懂药）

信号　科锐：缺口率 38%、规模约 250 万人；赤象：AI 技能焦虑 41.05% 成首要职业危机

逻辑　行业从“专业壁垒”转向“跨界融合”，π 型人才成核心稀缺

压缩

与业务脱节的“纯调参／堆模型”算法研究岗

信号　模型能力商品化（大模型＋开源），Agent／平台把建模封装

逻辑　从“养一支建模队”转向“用平台＋少量懂业务的人”

压缩

手工记录／数据抄录入员

（实验室文员、纸质转电子）

信号　LIMS／ELN 上线＋自动采集

逻辑　数据可验证性税逼出信息化，纯录入动作被系统吞掉

压缩

重复性湿实验操作工

（低端移液、常规培养）

信号　液体处理机器人／自动化工作站＋高通量

逻辑　通量需求涨，但“人做机械动作”需求降，转向设备运维与实验设计

压缩

纯执行型 CRA／CRC 低端岗

信号　数字化临床运营（EDC、eTMF、远程监查）压缩跑腿动作

逻辑　低端执行被工具吃，向“懂 GCP＋数据＋AI”复合监查迁移

压缩

初级“信息搬运”医药代表／市场专员

（基础学术传递）

信号　AI＋内容工具替代基础物料生成与分发

逻辑　纯搬运价值塌陷，向“懂机制＋会讲＋能建关系”顾问式转型

怎么读这张表：

“压缩”不等于岗位凭空消失，而是“纯执行／纯搬运”版本收缩，“复合／有签字权”版本升温。它不靠统计百分比，而是从瓶颈位移法与数据可验证性税两条逻辑直接推出——这正是前面四条法则的落地。

06能力收敛成四条轴

主轴	核心能力	决定什么
A. 叙事力	技术转译、内容矩阵、媒体关系、品牌 0→1	薪资上限
B. 落地力	需求拆解、Agent／知识库／工作流设计、PRD 与原型、跨团队推进	选择宽度
C. 合规力	GMP／GLP／CSV／ALCOA+／21 CFR Part 11、LIMS 主数据、IQ-OQ-PQ、偏差／CAPA／OOS	能否进实验室侧
D. 机制力	通路、靶点、因果与相关性、成药性、耐药机制、人群证据层级	能否进机制转化

A 轴与 B 轴的门槛不在学历，而在表达与动手能力；C 轴与 D 轴的门槛不在能力，而在词汇与制度。

一个值得玩味的现象是：A 轴与 B 轴强的人，往往会被 C 轴和 D 轴挡住。当简历上写着“擅长品牌策划、内容运营”时，实验室侧会把你归到“传播”类，机制侧会把你归到“文科”类。这不是能力问题，是词汇与叙事形式的问题。

把视野拉到更宏观的层面：人社部测算，我国人工智能人才缺口已超 500 万人、供需比达 1:10，其中 AI＋跨界复合人才缺口率普遍超过 28%。这与科锐的“医药＋AI 复合人才缺口率 38%、规模约 250 万”相互印证——稀缺的不是会写代码的人，是能在医药语境里把代码变成交付的人。

所以给所有跨领域求职者的建议是：补的不是能力，是语言。

把 GMP、GLP、CSV、ALCOA+、偏差、CAPA、OOS 做到“能用一句话讲清”，把“因果与相关性”“证据层级”“耐药代偿”讲清，你的简历就能穿过自动筛选，并进入机制侧的对话。

07给招聘方的五条建议

建议一｜别按“专业”筛人，按“能把哪个环节讲成判据”筛人。

直接问三件事：① 你负责的流程里，哪一步最容易出错？② 出了问题，谁有权力判定“这批不能放行”，依据是什么？③ 如果让你把这一步交给 AI，你会怎么设计验收标准？能答出第三问的人，无论本科还是博士，都是合适的人。

建议二｜给“判定权”，别只给“执行力”。

如果你招的是 FDE、Bioassay、数据治理、QA 这类岗位，请在 JD 里明确写出“判定标准”“签核”“放行”。岗位要匹配审批权，才能匹配薪资；否则最容易造成人才流失与内耗。

建议三｜薪资带要跟着瓶颈走，不要跟着学历走。

行业已出现明显倒挂：实验室数字化岗 15～40K，而 AI4S 品牌与战略岗 25～100K·14～15 薪。这不是个案——科锐国际数据显示，市场总监中位年薪 120～150万元，比器械研发总监（70～90万元）高出近一倍；AI+医药复合人才缺口率 38%、薪资溢价 30%。市场已经给了答案：把最高档留给“能对最终结果负责”的角色，而不是学历最高的角色。

建议四｜把“深度 AI 用户”写进加分项，并且真的去测。

让候选人现场描述一个他用 AI 重构过的日常流程，画出改造前后的对比，说清楚节省了多少时间、踩了什么坑。做过的人讲得出细节和坑，没做过的人只能讲概念。

建议五｜警惕“学历＋年龄”双重门禁，它正在关闭你的人才池。

机制研究类岗位目前几乎全部要求“博士＋35 岁以下＋SCI 一作”，这是制度性筛选，不是能力判断。后果是招聘池变窄，且窄在同质化方向——一家公司如果所有新人都来自同一条路径，它的组织会逐渐丧失提出反对意见的能力。建议至少在关键岗位留出一到两个“不设学历、年龄上限”的通道。

建议六｜把寻访重心从一线移向新一线与二线产业城市，用“成长＋股权”补薪资短板。

猎头视角的 HR 用工解析：一线城市高端人才溢价高、流动少，非核心岗位可适配弹性办公以拓宽人才池；中小企业无需盲目对标大厂薪资，可依托项目管线、成长空间与股权激励弥补现金短板；同时理性规划人力结构，避免全员追逐高端研发人才，合理配比生产、质量、商业化等基础岗位。

08给求职者的三档框架与一条路径

先看清楚人群基底。智联数据显示，生物医药求职者整体以 30 岁以下（57.7%）、本科学历（54.3%）为主，硕博合计仅 8.5%；但研发岗高度集中高学历——计算机辅助药物设计岗位投递者中硕博合计达 74.7%（博士 12.8%）。

猎头给出的择业建议很直白：纯研发岗位数量少、硕博内卷严重，而生产、质量、注册、商业化岗位就业基数更大、稳定性更强；布局要贴合城市产业特色（创新药看北京与长三角，器械看深圳与苏州，临床 CRO 优先成都与广州），不必固守北上核心城区，以平衡生活成本与职业发展。

高抗风险档｜想进 AI 药物发现核心

AI 初创公司的核心算法岗。要求真本事——分子生成、结构预测、蛋白语言模型实战，学历与论文压力大，年龄风险偏高。有招聘公告写得很直白：需要以第一作者或通讯作者身份在 ICML、NeurIPS、ICLR、CVPR 或 Nature、Science、Cell 子刊发表过高水平论文。这是一条拼出身与拼长期的路，不是拼年龄优势的路——但它的天花板也是最高的：AIDD 方向 P90 年薪可达 180万元，代价是门最窄。

中抗风险档｜推荐

CRO／CDMO 的数字化岗、药企研发信息化与 AI 数字化部门、AI 与实验室工具厂商的交付岗（FDE、AI 部署顾问、解决方案工程师）。客户付费意愿强，现金流真实，职业路径清晰，且招聘标准正从“学历优先”转向“能不能落地”。

低风险／高杠杆档｜最容易被忽略，但极其友好

AI for Science 领域的品牌与市场负责人、行业内容与生态、科学传播、懂 AI 资产的 BD、行业研究与战略分析。这一格常被求职者默认跳过，但它对复合型背景＋表达能力强的人极其友好——因为它要的正是把复杂技术讲成人话的能力，而且这不是个案：科锐国际数据显示，市场总监中位年薪 120～150万元，比器械研发总监（70～90万元）、质量总监（65～85万元）高出近一倍。

一条具体路径：补语言，而不是补能力

如果你卡在“简历过了初筛但进不了复面”，最高性价比的动作不是学一门新技术，而是补三组词汇，每组约两到三周：第一组·合规语言（约两周）：GMP、GLP、CSV、ALCOA+、21 CFR Part 11、偏差、变更、CAPA、OOS、工艺验证、批次放行——每个词做到“能用一句话讲清它在解决什么问题”。这一组性价比最高，解锁岗位最多。第二组·实验室数据链路语言（约三周）：画出“仪器 → 采集 → 数据对象 → 校验 → 报告”的完整链路，讲清主数据与仪器接口的关系。第三组·机制语言（约三周）：练“因果与相关性”的判据——多组学信号怎么排除混杂与代偿？证据层级怎么排？耐药与代偿机制最可能是什么？最小证伪实验该怎么设计？

一个立刻能上手的练习：拿任意一个在招 AI 制药岗位的 JD，读它提到的疾病或靶点，写一张三句话的“机制卡片”——

① 这个靶点与疾病是因果还是相关，依据什么证据层级；

② 若成立，最可能的耐药或代偿机制是什么；

③ 要证伪它，最小实验设计是什么、找什么人群样本。

写十张，你就有了机制语言。

一个被低估的侧门

有一类岗位按天结算、当天结、周期三到六个月：实验室信息系统的现场翻译工程师。职责是在离岸系统团队与中国站点业务专家之间做双向翻译，同时负责主数据对象的建设与交付。它不要求你有完整的实验室信息化履历，却能让你在一段时间内把LIMS 的主数据、业务流程和数据对象结构真正摸一遍——而这正是实验室侧所有高薪技术岗的入场券。几乎零风险的入口。

结语｜别问“哪家公司最 AI”，要问“哪家公司正在为真实交付买单”。

AI 制药的岗位红利不在模型，而在把 AI 真正塞进湿实验流程和数据管道的那双手，以及把这件事讲给人听的那张嘴。行业正从模型竞赛转向交付竞赛，从 PoC 转向生产，从封闭走向生态。算法会迭代，模型会换，工具会升级。

但两件事不会过期：在真实约束下做出判断的能力，和把这些判断讲清楚的能力。那个愿意为真实交付付钱的位置，才是议价能力最强、被替代风险最低的位置。