夜雨聆风如果打开股票软件，你会发现一个魔幻的现实——英伟达股价在2026年初至今一路飙涨，黄仁勋在GTC 2026上发布了新一代Vera Rubin AI芯片架构，软银市值甚至一度超越丰田。AI光模块龙头中际旭创年内涨幅超过300%，整个AI产业链从芯片到云服务，从大模型到机器人，正在经历一场烈火烹油的牛市行情。
与此同时，生物医药圈的另一群人，正在经历截然不同的至暗时刻。
武田全球裁员近10%——近4500人失去工作岗位；诺和诺德宣布全球裁员9000人，约占总员工的11%；辉瑞关厂裁员、BioNTech战略收缩、BMS持续削减成本……公开资料显示，截至目前已有12家跨国头部药企宣布减员，合计超1.1万人。从国外“瘦身潮”传导到国内，许多生物医药专业的硕博毕业生发现，曾经“闭着眼睛都能拿offer”的黄金时代，一去不复返了。
就业市场到底有多卷？
2025年全国就业竞争主体超1500万，其中应届毕业生达1222万人。在江苏省2026届医药卫生类毕业生人才交流大会上，投递简历15000余人次中，博士占比12.53%，硕士高达71.29%。一些药学院的就业报告也明确指出，“硕士研究生就业速度放缓，考公、考编人数大幅攀升”。
但真正让人细思恐极的，不是同学之间的内卷，而是一个全新的竞争者正在悄然入局——它不吃不喝、不领工资、不抱怨老板，一周7天24小时无休，而且几乎不犯操作失误。
它，就是AI+具身智能打造的机器人科学家和自动化黑灯实验室。
先简单罗列一下过去几个月，AI在科研和生物医药领域的“高光时刻”。看完你就会发现，它们不只是停留在“概念”阶段，而是正在实实在在抢走科研人员手里的活：
（注：上表仅为部分事件，完整讨论见下文）
耿同学打假风暴，揭开了科研诚信的暗疮
2026年4月，一位退学的生物学博士在社交媒体上掀起了一场席卷中国学术圈的“打假风暴”。他连续实名举报同济大学、华东师范大学、湖南大学等多所高校多位“杰青”和“长江学者”团队的Nature等顶刊论文存在图像拼接、数据重复使用问题。事件发酵后，同济大学被举报的院长被免职，第一作者被解聘，论文正式撤稿。
耿同学事件背后，折射的是生物医学领域长期存在的“研究结果难复现”的痼疾。Nature此前一项大规模调查显示：超过70%的科研人员表示无法复现他人的实验结果，超过50%的人甚至无法复现自己的实验。有人估算，全球每年在不可复现的研究上浪费的资金超过250亿美元。
数据的不可复现，根源在于“人”这个变量的巨大不稳定性。一个生命科学实验出不出阳性结果，太依赖操作者的手感、经验甚至情绪状态。抗体浓度错了、试剂批次换了、细胞的代数变了、培养箱的温度湿度波动了、做实验的研究生手抖了——任何一个不可控变量，都足以让全组的整合数据面目全非。
而AI+机器人系统从根本上改变了这一点。
Medra公司的AI机器人系统已经可以实现自主操作70%的常见实验室仪器——移液器、自动化工作站、离心机、超低温冰箱、CO₂培养箱、酶标仪、流式细胞仪等。它采用通用视觉系统直接操控仪器，不依赖任何官方接口授权。
5月发表在Nature上的多智能体系统Robin，更是把“AI科学家”的能力边界大幅外推：Crow智能体在30分钟内快速检索551篇文献；Falcon智能体为每个候选药物生成长达数十页的深入评估报告；Finch智能体在流式细胞术任务中达成100%的专家标准遵循率。它只用不到2小时，就完成了原本需要872—937小时的人工智力劳动。Ripasudil这个早已获批用于青光眼的ROCK抑制剂，从未被任何研究者联系到干性AMD治疗上，但Robin第一次自主连接起了这两个看起来不相干的领域，并获得了体外验证。
用中科院深圳先进技术研究院院长刘陈立的话来说，那座投资7.22亿元的合成生物学大设施，“一个功能岛就能替代几十个博士后的研发工作量”。
今年3月18日，美国FDA发布了一份具有里程碑意义的行业指南草案《药物开发中使用新方法学的一般考虑》——以类器官、器官芯片和AI建模为代表的新方法学应用，已从“鼓励探索”正式迈入“科学规范监管”的新阶段。这相当于联邦政府悄悄划了一条生死线：未来能批的药，不拼耗子养得有多大，而是拼谁能最快、最真实地做出最接近人体的体外数据和AI模型。
推倒“动物城墙”只是第一步，而圈内悄悄在做的事情，是直接建一座“黑灯工厂”来取代整条传统研发流水线。戴纳科技的“黑灯实验室”整体解决方案、镁伽鲲鹏实验室的“7×24”小时无人值守运行、剂泰科技的AI纳米递送平台NanoForge把平均药物递送开发时间从数年缩短到2—3个月。MTS-004这个AI赋能的制剂新药，从立项到完成三期临床仅用时38个月，是传统研发周期的一半不到。
当产业逻辑被改写，传统生物医药的就业金字塔也开始松动。武田、诺和诺德、辉瑞、BioNTech……裁员的同时，这些巨头正在关键业务领域重新招人——招的不是拧试管盖的人，而是会驾驭AI平台的人。人才需求的结构已经变了。
面对汹涌而来的AI浪潮，不同岗位的科研人员和产业从业者受到的影响是截然不同的。下面的表格可以帮你快速判断：你的岗位属于“高危区”、“博弈区”还是“低危区”？
📌 特别补充：精细触感操作（动物实验、显微注射、原代细胞分离等）目前仍是AI的“软肋”。专注于这些领域的技术员，可以成为智能化实验室中“难以被替代”的核心人才。但Medra的系统已经能完成抓取、旋转、滴加等精细动作，技术突破可能就在不远的未来。持续学习才是唯一的护身符。
把人才市场的真实情况和AI浪潮叠加来看，会发现一个复杂的选择题：面对供过于求的就业市场，用人单位和导师到底是招一群便宜听话的年轻人，还是一次性掏出几百上千万部署一套“黑灯实验室”？
短期来看，在当前的科研评价体系下——发高影响因子论文仍是学术圈最核心的竞争法则——导师和团队负责人可能会倾向一个最直接的选项：招人。理由是，“人”更容易驾驭——你做不出我想要的阳性结果，我可以换一个学生、换一个技术员继续试，直到数据被“美化”成能发大文章的样子。而机器不会“美化”数据，它产生的每一行代码、每一个实验步骤都是客观可回溯的。在“唯论文”导向下，一位PI可能更愿意用人工去反复尝试，而不是用一台无法作弊的机器去一遍遍验证同一个无效的实验。
这恰恰是AI+具身智能当前面临的最尴尬处境——在学术评价体系未能根本改变之前，AI所代表的客观透明，未必是所有科研团队的“最优解”。
但反过来说，对于追求真实创新和产业转化的团队来说，AI的价值恰恰在于这种“无情”和“客观”。资本市场的选择已经给出了答案——剂泰科技IPO获得超6900倍超额认购，英伟达年内承诺的AI生态股权投资总额已超过400亿美元。真正有远见的玩家早就用脚投票了。
这里还触及了另一个深层次问题：当AI动了既有的蛋糕，利益相关方会欣然接受吗？传统实验室设备供应商的技术壁垒被旁路，论文导向的评价体系受到冲击，AI系统的永久记忆让“人走茶凉”的数据孤岛消失。国家不会坐视不管——人社部部署了全民数字素养提升，政协委员提出建立“监测—预警—响应”三位一体的AI就业风险防控体系。这是一场渐进式的、有温度的调整，而非一刀切的淘汰。
写了这么多，不是为了渲染恐慌，而是希望每一个科研人、每一个生物医药行业的从业者都能清醒地看到：我们正处在一次深刻范式变革的前夜。
AI+具身智能的核心优势——高效、客观、可重复、可追溯——恰恰击中了传统科研模式最脆弱的地方。不管你是否愿意接受，这个趋势不会停下来。
给不同角色的具体建议：
- 研究生/博士生/博士后
：别再把自己定位于“能跑通Western Blot”的操作工。去学数据分析，学R和Python，学怎么跟AI对话、部署AI技能。当别人还在熬夜读文献时，你可以用30分钟让AI读完几百篇，然后把精力集中在一个AI无法替你做的问题上：什么方向才是真正值得探索的科学问题？ - PI/课题组长
：把一部分人力预算转向AI工具和算力投入，招聘时考察候选人的AI思维和跨学科能力。当你的团队里都是“会写代码的生物学博士”时，你才可能在这场竞赛中不被甩开。 - 企业研发人员
：从今天起，尝试用一个AI工具解决你工作中的某个具体瓶颈。当你成为团队中最会用AI的那个人，你就不是焦虑的主角，而是AI的主人。 - 从事特殊操作的技术员
：珍惜手中那些AI暂时攻不下来的精细操作，同时开始学习AI和自动化的基本概念。当机器人技术突破的那一天到来时，你不是被动淘汰，而是最早拥抱新工具的那一个。
2026年，不是“机器换人”的终点，而是“人机协作”的起点。焦虑解决不了问题，行动才可以。
站在光里，别留在暗处。AI正在改写生物医药的命运，你准备好了吗？
*本文综合整理自Nature论文、公开报道及学术社交平台讨论*
