文 | vb 动脉网
最近，一则头部大厂给 00 后算法实习生开出 5000 元日薪，和毕业转正后 300 万年薪的消息，令各行业打工人叹为观止。在一个智能化被寄予厚望的时代，AI 创造出怎样的神话，似乎都不奇怪。
在 AI 制药领域，人才争夺同样激烈。去年，一家跨国药企的人力部门挂出一份计算蛋白设计首席科学家的招聘启事，年薪最高开到 25.65 万美元。但十个月过去，这个职位还空着，相中的候选人却被同行三次截胡。有资深猎头表示，AI 浪潮下，复合人才供不应求，总监级别年薪开到近 150 万，AI 制药负责人的年薪更是突破 200 万，但空缺岗位数量，仍远超愿意跳槽人才数量。
AI 制药求而不得的，是什么样的人？
说到 AI 时代的稀缺人才，人们往往首先想到算法工程师。但在 AI 制药行业，比算法工程师更难招的，是能把 AI 设计的分子挑出来、送进湿实验验证、再把实验结果反馈给模型迭代优化的人。在 AI 制药企业，这类岗位的名字各不相同，有计算蛋白设计科学家、AI 蛋白质工程科学家，或者 AI 使能结构生物学家。但他们干的却是同一件事，即打通 AI 制药的最后一公里。
以往，药物发现主要靠筛，在既有分子库里找出能结合靶点的潜力分子。而生成式 AI 的颠覆性在于，把新药开发的起点变成从头生成。这样一来，设计成本被压到近乎为零，但验证环节就成了瓶颈，湿实验一次能测的分子数，远赶不上模型的产出。在上万个候选分子中，分辨真潜力分子和统计噪音分子，需要依靠人的经验来判断。基于这些判断，设计实验去验证，再把结果喂回模型，让下一轮设计更准，同样需要人的判断。能准确、快速做出这种判断的人，必须同时懂 AI 和懂制药，即所谓的复合人才。而复合型人才的稀缺，正是目前 AI 制药新的卡点。
这类需求第一次写进岗位招聘，是 2025 年。
2025 年初，Moderna 挂出计算蛋白设计首席科学家的招聘，年薪 14.25 万到 25.65 万美元。Moderna 已经将 AI 嵌入蛋白设计流程，模型每天吐出大量候选，但模型不会自己变聪明，它要靠真实的实验数据反哺。招聘要求里最重的一条也写得很具体，与实验团队紧密合作，解读筛选数据，用实验结果驱动下一轮设计。" 这个岗位要做两件事：把模型的输出翻译成实验方案，再把实验结果翻译成模型能用的信号。" 一位资深医药猎头向动脉网分析，" 纯算法工程师做不了后一件，纯实验科学家做不了前一件。"Moderna 不是唯一卡在这里的公司，却是最早把这个问题写进岗位要求的公司之一。
同年秋天，Flagship Pioneering 孵化的 Lila Sciences 连续完成两轮融资，合计 3.5 亿美元。随后，Flagship Pioneering 挂出资深 AI 蛋白质工程科学家的招聘，年薪 26.8 万到 35.8 万美元。Lila 的组织比大厂扁平，每个进组的人都要独当一面，JD 因此写得直白：既懂机器学习又懂生物学，能把一个计算假设一路做到湿实验验证出结果，还要有被湿实验验证过的成功案例。不过，直到 2026 年 9 月，这条招聘还挂在网站上。
2026 年中，辉瑞也挂出了同类岗位。它想招聘的是 AI 使能结构生物学家，年薪 9.36 万到 15.6 万美元，职级比前两家低一档，但职位描述里出现了一个此前极少出现在招聘启事里的词 experimental triage，即实验分诊。
辉瑞的管线规模决定了 AI 推给它的候选是海量的，实验资源却永远有限，测一个分子要花钱花时间，先测谁、先放弃谁，需要有人拿经验做取舍。" 所谓的实验分诊，也就是传统的资深科学家的隐性能力，" 前述猎头表示，" 写进 AI 岗位的招聘要求，也说明了这类岗位的复合程度之高。"
一年多时间，多家企业高薪挂出这类岗位需求，岗位定义越来越具体，能接住的人却没有变多。原因在于，过去几十年的行业分工里，并没有这个位置。药物化学家的职责是搞懂合成，生物学家要懂实验，AI、大模型尚不属于他们经验、专业的范畴。而互联网出身的算法工程师懂模型，则没进过实验室。"AI 把三拨人的能力要求抽出来压到一个人身上。" 前述猎头指出。
根据一份行业报告估算，在国内，真正符合这类岗位要求的 AI 制药人，不超过 500 个。过去几年间，他们的薪资迅速翻倍。" 其中相当一部分是恐慌溢价，公司相互抬价来抢人才。" 前述猎头表示，市场上没有现成的人，而培养一个能独立判断的复合人才，至少需要完整参与几个从设计到验证的项目周期，而这种项目机会本身也稀缺。
" 行业缺的不是算法人才，而是能跑通干湿闭环的人。" 英矽智能联席 CEO 任峰曾给出这样的判断。前述猎头判断，未来 3～5 年间，AI 制药复合人才的争夺会更加激烈，"AI 的生成能力还在涨，能接住的人就那么多，缺口不会缩小。"
是人才的缺口，更是 AI 的缺口
2021 年，AlphaFold2 面世，AI 第一次能读懂蛋白质。在计算机中，输入一段氨基酸序列，AI 大模型几分钟内算出三维结构。人类用 X 射线晶体学和冷冻电镜花数十年才做到的事，AI 只用了几天，这是生命科学实验一次质的飞跃。
但产业真正需要的，不只是读懂。两者的本质区别在于，读懂的答案，是自然界已经写好的，AI 只是在翻译，而设计则要从近乎无穷的可能里造出来。蛋白质由氨基酸串成，理论上，每个位置有 20 多种选择，而一条普通蛋白通常由上百个氨基酸组成。
" 但 AI 蛋白质设计本质上是一个系统，核心不在生成模块，而在评估模块。" 深旋科技创始人张肖男进一步指出。
评估一个候选分子是否可行，能否结合、是否紧密、是否稳定、是否能够被细胞表达，靠的是干、湿两种实验。所谓干实验，即用 AI 打分，成本接近零，准确率却不高。以 G 蛋白偶联受体这类膜蛋白的配体亲和力预测为例，目前准确度只有五六十分，远称不上可靠。而常规的实验室湿试验仍是金标准，结果可信，但每个分子都要花时间、花钱、花人手逐一推进。更重要的是，AI 一天能吐出数千个候选分子，实际验证的数量却极为有限。
当前，湿实验这项工作本身，也在悄然分化。其中的动手合成、跑反应、记录数据等程序化程度较高的化解，逐渐被机器人和自动化实验台接手。据报道，国内一家机器人实验室一天能跑约 800 个反应，顶得上 150 到 200 名化学家一天的工作量。晶泰科技的 AI 与机器人实验室，把化学合成的成功率从三四成提升到了约九成。
而关于决定测什么、怎么测、怎么解读数据、怎么把结果反馈给模型等非程序化的工作，AI 目前还无法替代。机器接手的是执行，判断和决策留给了人。这也是前文提到的，AI 制药复合型人才越来越抢手的底层原因，生成端和验证端的速度差，被 AI 进一步拉大，而不是缩小。
2024 年发布的 AlphaFold3，把 AI 的评估能力往前推了一步，即做到了原子级、多体相互作用的结构预测。理论上，AI 可以完成分子评估的工作，筛选出少数有潜力的分子，送去湿实验进一步验证。但当下的精度远不能取代湿实验。
在巨大的人才缺口面前，AI 大模型的迭代方向也变得清晰。从某种意义上讲，决定一个 AI 制药模型在实践中渗透能力的，不在于设计能力的高低，而是能不能把评估环节做到足够高的水平。
资本正向 AI 制药的验证环节涌动。Adaptyv 吞吐量一年涨 5 倍、客户超百家、收入近一年半涨近 10 倍，2025 年拿下 4000 万美元 A 轮，专做 AI 候选蛋白的湿实验验证，Anthropic 送来的上千个分子最终只筛出三成多能真正结合。DeepMind 分拆的 Isomorphic Labs 做闭源评估模型，2025 年斩获 21 亿美元 B 轮，刷新行业单笔融资纪录。
国内 AI 制药的下一块暗礁？
在国内，不少药企也已经挂出了对这类复合型人才的招聘要求。
比如，康方生物对外招聘 AI 结构生物学算法开发科学家，要求候选人基于 AI 算法开发抗体与蛋白结构预测工具，并把工具输出和湿实验结果结合起来迭代模型。这是典型的对 AI 和制药复合型人才的需求。不过，康方生物给这个岗位的职级不算高，定位是研发类技术骨干，报告线是抗体研发部门负责人。再如，华深智药挂出的 AIDD 科学家招聘需求，也要求候选人能够完成计算设计与实验衔接，岗位介绍里直接写要共同推进干湿实验闭环建设，要求候选人能给出计算预测结果与实验方案建议，并能验证和迭代设计分子。
此外，还有一些企业挂出的招聘岗位，虽然没有直接提及 AI 与制药的复合背景，但对交叉学科能力提出了要求。比如，百图生科在猎聘网挂出首席创新 AI 研究员需求，月薪 60K 到 90K · 16 薪，尽管岗位名是首席创新算法研究员，但首要职责要求即是主导 AI 与生命科学前沿技术创新，并且指出以第一作者或通讯作者身份在交叉学科顶级期刊发表过高水平论文者优先。
这些岗位大多在 2026 年上半年即挂出，到 9 月下旬仍处于开放状态，合适的人才难觅。
从某种意义上讲，国内复合型人才需求的峰值还远未出现。2026 年上半年，AI4S 方向完成多笔大额融资，深势科技累计融资超 10 亿元，星药科技、智源生物、深原质药等先后拿到亿元级投资。资金到位后，平台公司加紧扩张团队，百图生科、晶泰科技、分子之心等头部都在建更深的 AI 与制药融合团队。需求叠加之下，复合型人才的市场价格无疑将继续往上走。
更重要的是，在一段时间内，复合型人才的缺口，可能让轰轰烈烈的 AI 制药面临真正的向产业渗透瓶颈。除了前文提到的，企业内部培养复合型人才的难度极大外，高薪聘请现存人才也难以广泛填补空缺。一方面海归存量有限，海外也缺人，挖存量这条路正在变窄。某 A+H 上市 CDMO 的资深主管岗直接把必须海归博士写进任职要求，说明企业愿意为此付出筛选成本，但海外也在抢。另一方面，跨国药企在中国的 AI 团队规模有限，没有像 Moderna 或 Roche 那样沉淀了 2018 到 2020 年那一波 AI 制药热的存量池。
在这个背景下，国内资金也开始押注 AI 制药的验证环节。2026 年 7 月，天鹜科技完成数亿元 A++ 轮，做干湿闭环智能体，把实验数据反哺进模型迭代。几乎同期，英灵殿科技三个月内连融多轮、累计近 5000 万美元，自建高通量湿实验平台。8 月，深旋科技拿下天使轮，做全原子生物基础模型，让物理上不成立的分子在设计阶段就被挡下。三家的切口不同，天鹜做的是把实验结果喂回模型，英灵殿做的是把湿实验产能拉到工业级，深旋做的是在 AI 设计阶段就把物理上不成立的分子过滤掉。资金集中在验证环节，说明行业已经识别出这块暗礁。
但暗礁的形成比资金的识别更早。资金是 2026 年下半年集中进场，人才缺口的结构性原因在更早就埋下了。组织改造慢、海归存量挖完就停、自养又被财务本能切散，这三件事不会因为钱砸下去就自动解决。等缺口传导到管线进度的那一天，再来改组织、补海归，已经来不及了。
