AI正在"重写"医药研发：靶点发现缩短40%、复合型人才缺口38%，一个行业的人才底层逻辑变了
两件事，让我意识到医药行业正站在一个分水岭上
今天（5月28日），36氪发布了一篇题为《AI正在重写医药研发的人才结构》的文章，报道了西湖大学原副校长、药物牧场创始人许田教授在上海的一场分享。
几乎同一时间，科锐国际发布的《2026人才市场洞察及薪酬指南》提供了硬核数据：2026年春招中，既懂AI又懂医药行业逻辑的复合型专业人才缺口率达38%，人才供给不足正成为制约行业AI落地的关键瓶颈。
一边是技术加速渗透，一边是人才结构性短缺。这不是两条孤立的新闻，它们共同指向同一个事实：AI正在从"辅助工具"变成医药行业的"操作系统"，而操作系统的更换，意味着整个"人才生态"必须被重写。
一、发生了什么：AI正在渗透医药全价值链
许田教授在分享中透露了几个值得关注的信号。
信号一：AI设计药物即将迎来历史性突破。
许田创办的药物牧场（Drug Farm），其AI设计的药物已进入III期临床。如果今年完成试验并获批，将成为全球首个获批的AI设计药物。这对整个行业的意义不亚于"登月时刻"——它意味着AI不再只是实验室里的效率工具，而是能真正产出获批药品的核心技术。
信号二：AI将研发周期压缩了40%。
据科锐国际的报告，在研发端，自然语言处理被用于文献挖掘、生成式AI参与分子设计，使靶点发现至候选化合物确定的周期平均缩短约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。
而在临床试验环节，基于电子病历的智能匹配大幅提升患者入组效率，周期同样缩短约40%，I期临床成功率由60%提升至接近90%。
信号三：监管正在破冰。
许田教授提到一个关键细节——"我去FDA沟通，他们说不理解AI，但接受数据。"传统制药平均26亿美元、15年周期，成功率12%；AI路径能把成本和周期大幅压缩。
事实上，FDA的动作比这更激进。今年4月28日，FDA发布了推进**实时临床试验（RTCT）**的公告，计划今年夏天在阿斯利康和安进启动概念验证——让FDA在云端实时查看安全信号和临床终点，无需再等待传统的数据收集和分析周期。这意味着监管层面正在为AI制药打开一扇前所未有的大门。
二、人才重构：从"缺什么补什么"到"体系搭建"
回到最核心的问题：当AI改变了一个行业的底层逻辑，它对"人"提出了什么新要求？
科锐国际的报告给出了一个非常清晰的分析框架。
38%的缺口背后是"四轨并行"的结构性错位
当前AI人才供应呈现"四轨并行"格局：
- 互联网背景人才：具备较强算法与大模型应用能力，但普遍缺乏GxP合规体系认知及生物学基础；
- 医药垂直AI公司人才：拥有完整研发闭环经验，但稀缺度高、获取成本高昂；
- 顶尖高校科研人才：具备前沿交叉学科科研能力，但产业化与商业意识有待强化；
- 药企内部培养人才：深谙合规与内部协同机制，但在底层算法与技术迭代速度相对滞后。
四类人才各有优势，但没有一类是"全能选手"。这导致了供需两侧的结构性失衡——不是人不够多，而是对的人不够多。
"π型人才"成为最稀缺的资源
报告提出了一个概念——π型人才：既具备扎实的AI技术能力，又深谙医药行业逻辑，同时拥有跨部门协同与项目推进能力的复合型人才。这类人才已成为企业争夺的核心资源。
许田教授的团队本身就是一个典型——他本人在耶鲁大学任教多年，跨界生物信息学、遗传学与AI，回国后创立药物牧场，把"信息论、类脑芯片、AI制药、基因研究"串在了一起。这种"既懂科学又懂工程"的跨界能力，正是当前行业最稀缺的。
从"单点设岗"到"四位一体"的组织重构
领先药企已经开始从单点招聘转向系统性组织升级。部分全球药企已设立首席人工智能官（CAIO），将AI纳入最高决策层。
科锐国际为此提出了一个"战略—技术—业务—合规"四位一体的AI组织架构：
- 战略层（CAIO，年薪150-300万）：统筹企业级AI战略，考核项目成功率与研发效能提升率；
- 技术层（AI算法科学家/工程师，年薪50-180万）：聚焦核心算法与底层平台开发；
- 业务层（AI产品经理，年薪60-150万）：作为技术与业务的"翻译官"；
- 合规层（AI合规与数据治理专家，年薪60-150万）：护航数据隐私与GxP法规要求。
这个薪酬结构本身就说明了行业对AI人才的重视程度。一个AI产品经理的年薪可以达到150万，这在传统药企是难以想象的。
三、更深层的变革：当"生命之书"遇上大语言模型
许田教授提出了一个概念框架——LLLM（Large Life Language Model，生命大语言模型）。
他把基因比作单词，细胞活动比作句子，不同器官比作文章，全部构成一本"生命之书"。让AI学习正常人和病人的"生命之书"，再学习药物如何扰动基因活动，最终预测什么药能治什么病。
听起来有些抽象，但他团队已经做了实在的工作。今年4月，团队在Cell Discovery发表了神农Alpha平台——全球首个AI驱动的中药/天然药材知识共享系统，已入库《中国药典》14593种天然药材、1亿条药材信息、100万个方剂。
这套思路正在改变的不只是药物研发的方式，而是我们对"疾病"和"治疗"的认知方式。当AI能同时理解基因序列、蛋白质结构、临床数据和药物化学，它就不再是某个环节的工具，而是整个知识体系的"操作系统"。
四、我的观点：三个预判
1. 医药行业的人才"冷战"已经打响
38%的缺口意味着这是一个卖方市场。未来3-5年，能把AI和医药两个领域的语言"翻译"给彼此的人，将是行业内议价能力最强的群体。药企之间的人才竞争将从"抢销售代表"变成"抢AI产品经理"。
2. "十年被AI替代50%教授"不是危言耸听
许田教授预测"十年内50%的教授会被AI替代"，这个判断虽然激进，但逻辑是成立的——当AI能自动完成文献综述、分子设计、数据分析和论文初稿，"搞科研"的定义本身就会变。未来的药企研发团队可能是一个"人类科学家+AI智能体"的混合体。
3. 中国在这个赛道上有一个特殊优势
许田团队做的神农Alpha平台，本质上是在用AI解决中药标准化和数字化的问题。中国有庞大的中医药数据资源，有全球最大的临床病历数据库，还有数量可观的AI工程师——这三者的结合可能是中国在AI制药领域弯道超车的关键变量。
写在最后
科锐国际的报告中有这样一句话："未来，药企的核心竞争力将不再局限于单一专利或产品，而在于能否构建AI与业务深度融合的组织能力。"
这不是一个技术问题，这是一个"人"的问题。AI可以在18个月里跑完传统药企4年的研发流程，但培养一个"π型人才"，可能比开发一个新药还要难。
而这，恰恰是行业最需要被认真对待的事情。
参考链接
🌿 你可以：自由转发到社交网络或个人网站。
🌿 你需要：标注作者并附上本文链接（就像给文章留个回家地址~）。
