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

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。

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：

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。

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。

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。

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%。

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。

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。

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。

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。

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

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。

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

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。

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。

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）。

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。

能力四轴

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。

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。

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。

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，器械看北京、深圳、上海与苏州，临床 CRO 优先北京、上海、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。

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。

注：本文由 AI 辅助完成，参考多来源数据，可能存在幻觉或偏差，尤其是薪资范围通常较宽，且招聘 JD 中的薪资水平并不完全代表最后入职时的真实薪资，仅供参考，请注意甄别！

部分图来自其它媒体，与原文并非一一对应，供一并参考！

#Agent #AI智能体 #办公智能体 #Workbuddy #Codex #ClaudeCode #Hermes #科研效率 #文献检索 #论文写作 #知识库 #RAG #专利转化

AI · 药物研发 · 技术前沿

长按 or 扫码关注 · 持续更新

📚 相关阅读

变局｜AI 崛起，颠覆百年"小作坊"式科研（上）

变局｜AI 崛起，颠覆百年"小作坊"式科研（下） 

中美两国同天加注国家级AI4S战略！中科人才AI研修班助力科研工作者使用先进生产工具

AI 办公热火朝天——如何真正学会并用好 WorkBuddy，Codex 这类智能体？ 

如何让你的人生从此开挂？—国外最强三大AI智能体Codex•Claude Code•Hermes实战研修班

如何使用国内最热门的AI办公智能体——WorkBuddy赋能智能办公与自动化数据分析高级实战研修班（10/17）

要做各省市十五五规划？你可能需要这个——AI在GIS数据处理和分析中应用高级研修班（9月、11 月）

通知｜“AI 赋能生物医学数据分析—从工具使用到论文实践”高级研修班10月末开班

AI 筑基开新境，科研跃迁启未来——中科人才系列 AI4S 课程，助力科学研究

通知｜“科研项目申报实务、评审解析、管理与验收全过程实践赋能”9 月高级研修班

通知｜技术经理人必看——关于举办“概念验证+中试平台建设加速科技成果产业化发展”高级研修班的通知 

支持单位：