年薪数百万难求一人：AI制药卡在“干湿闭环”复合人才

在AI大模型席卷各行各业的当下，算法工程师动辄斩获数百万年薪已非新鲜事。但在AI制药领域，人才争夺战展现出了另一种维度的焦灼：比纯算法工程师更稀缺的，是能够把AI生成的分子挑出来、送进湿实验验证、并将实验数据反哺回模型迭代优化的复合型科学家。

过去一年中，Moderna、辉瑞等跨国药企纷纷开出20万至35万美元的高额年薪，寻找计算蛋白设计科学家或AI使能结构生物学家。然而，即便部分岗位挂牌超10个月、被同行多次截胡，依然一将难求。在国内，该类总监级别年薪已达150万至200万元，但真正能打通“干湿闭环”的合格人选预估不足500人。

从“筛分子”到“生成分子”：验证端成最大堵点

传统新药研发主要靠在既有分子库中进行高通量筛选。生成式AI的颠覆性在于从头生成，将分子设计的边际成本几乎压缩为零。然而，生成效率的爆发直接导致湿实验验证能力成为严重瓶颈——计算机一天能吐出上万个候选分子，但实验室一次能测试的通量极其有限。

在上万个候选结果中，如何分辨真正的潜力分子与统计噪音？辉瑞在招聘中首次提出了“实验分诊（Experimental Triage）”概念，本质上就是依靠资深科学家的隐性经验做取舍。他们需要将模型的计算假设翻译成可落地的实验方案，并在得出湿实验数据后，提炼成模型能吸收的有效信号。纯算法工程师无法指导实验，纯湿实验科学家又不懂模型特征，这导致两端脱节。

这种复合型人才的断层源于过去细分的学科分工：药物化学家精通合成，生物学家专注实验，互联网算法团队则未进过实验室。培养一个能独立完成全流程判断的科学家，至少需要完整参与多个从设计到验证的真实项目周期。在供求极度失衡的背景下，市场迅速出现了大量“恐慌性溢价”。

评估模块重于生成：自动化与资本集体转向

从AlphaFold2解析蛋白质三维结构，到AlphaFold3推进多体相互作用预测，AI正在逐步理解蛋白质。然而，生命科学工业界的核心诉求并非仅是“读懂”，而是“按需设计”。

业内共识逐渐明确：AI蛋白质设计的核心瓶颈不在生成，而在评估。当前基于AI的干实验打分成本极低，但准确率依然有限；湿实验虽为金标准，却受制于时间和资金成本。目前，湿实验的执行层正在发生分化——自动化实验台与机器人逐步接管繁琐的合成与检测流程，将部分常规实验的吞吐量提升数倍。

然而，决定测什么、如何设计对照、怎样用反馈驱动算法迭代等非结构化决策，机器依然无能为力。这种生成与验证的速度差，不仅放大了人才缺口，也指明了技术演进方向：决定模型实际渗透能力的，在于其评估与筛选精度。

资本市场已经嗅到了这一变化。提供高通量湿实验验证服务的Adaptyv此前斩获4000万美元融资；由DeepMind分拆、专注闭源评估模型的Isomorphic Labs更是拿下21亿美元B轮融资。投资逻辑正加速向验证环节倾斜。

国内药企面临产业渗透暗礁

国内制药与生物计算领域同样感受到了人才紧缩。康方生物、华深智药、百图生科等企业先后挂出要求具备计算与实验双重背景的研发岗位，且多数长期处于空缺状态。

随着深势科技、星药科技等AI4S（AI for Science）企业持续完成大额融资，搭建跨学科融合团队的需求集中爆发。然而，国内海外存量人才池相对有限，本土跨国药企早期的AI沉淀也弱于海外头部机构，企业自主培养周期长、沉没成本高，使得人才壁垒成为国内AI制药向工业落地渗透的现实挑战。

为了应对验证环节的产能危机，国内创投机构同样在重注闭环能力：天鹜科技专注利用实验数据反哺算法智能体，英灵殿科技重金搭建工业级高通量湿实验平台，深旋科技则探索在生成前端引入物理约束过滤无效分子。资本正在加速识别这块暗礁，但能否赶在管线进度受阻之前彻底跑通干湿闭环，仍取决于人才沉淀与组织架构的深层重塑。