薪酬概览
平均月薪
¥18100
中位数 ¥0 ｜ 区间 ¥15000 - ¥21200
数据来源：样本数量过少，仅供参考；更新时间：2026年7月13日
月薪分布
83.3% 人群薪酬落在 15-30k
三大影响薪酬的核心维度
影响薪资的核心维度1：工作年限
影响薪资的核心维度2：学历背景
市场需求
5月新增岗位
5
对比上月：岗位减少2
数据由各大平台公开数据统计分析而来，仅供参考。
岗位需求趋势
不同经验岗位需求情况
| 工作年限 | 月度新增职位数 | 职位占比数 |
|---|---|---|
| 5-10年 | 5 | 100% |
热招职位
1、负责Web应用的系统开发、架构优化和演进；
2、编写和维护高质量的代码、确保代码易于理解、可维护和可扩展；
3、承担重点、难点的技术攻坚。
1. 负责软件开发工作，包括需求分析、系统设计、编码、单元测试、系统集成和服务部署等环节。
2. 参与项目需求评审和技术方案讨论，明确项目开发进度和质量;根据业务需求，进行软件开发工作，编码高质量的Python代码。
3. 负责系统性能优化和代码重构，提高系统的稳定性和可维护性。
4. 参与代码审查，确保代码质量和规范符合团队标准。同时 编写技术文档,包括需求文档、设计文档、测试文档、用户手册等。
5. 与团队密切合作，保质保量的完成leader分配的任务，解决项目中的技术难题和需求变更。
1. 根据业务部门需求，完成系统功能设计、开发与测试，确保高质量交付；
2. 参与人力资源系统等核心项目开发，承担关键模块或服务的设计与编码；
3. 负责系统接口设计、数据库建模与性能优化，持续提升系统稳定性与可维护性；
4. 编写开发文档与技术规范，推动团队技术沉淀与标准化建设；
5. 支持前后端协同开发，配合完成中台系统、表单流程的快速构建；
6. 关注主流技术方向，参与微服务架构、DevOps、AI项目等智能化改造工作；
7. 必要时承担项目指导或评审角色，提升团队整体开发效能。
8. 部门内其他工作。
1、负责大模型训练平台的结构设计、核心模块开发与性能优化，支持大规模分布式训练任务；
2、参与数据集的构建、清洗、预处理以及高效存储方案设计，确保数据质量与训练效率；
3、实现模型微调全流程工具链使用，包括参数配置、训练策略优化及资源调度；
4、开发模型验证与评估系统，设计自动化测试框架，确保模型效果符合业务需求；
5、跟踪大模型技术前沿，探索高性能计算、显存优化等关键技术落地。
1.负责新产品立项、开发等整体技术规划与实施；主导处方设计、工艺优化、中试放大及技术转移，解决工艺开发中的关键技术问题；确保制剂工艺符合国内外药品注册要求及GMP规范。
2.协助生产解决“卡脖子”难题，助力降本增效、质量提升、工艺技术水平提升、工艺安全等，主导重大变更申报资料的撰写与审核。
3.跟踪行业新技术（如连续制造、纳米制剂、3D打印等），推动创新技术应用。
4.与研究院、生产、质量等部门紧密合作，推动项目全生命周期管理。
1、构建AI数据 pipeline，负责数据采集、清洗、标注、存储与质量管理
2、搭建向量数据库、知识图谱、领域数据集，支持模型训练与RAG应用
3、设计数据安全与权限管控方案，确保敏感数据合规使用
4、建立数据资产目录，推动数据共享与复用
1. 参与临床项目策略和方案的讨论确定；
2. 参与依据批准的方案，制定所负责项目的项目管理计划和预算草案；
3. 负责或参与做好临床项目的启动，协调督促各中心伦理上会、合同签署、科室启动等入组前准备工作；
4. 参与组织各类会议，包括不限于问题和策略讨论会、临床布置会、总结会、方案讨论会等，并做好会议落实工作；
5. 协助项目运营的日常协调管理，协调各环节衔接、保证项目进度，并确保临床试验符合；
6、完成领导交办的其他工作。
1、负责药物研究院研发信息化需求的调研，对接集团研发信息化项目在药物研究院的落地管理及功能推广；
2、跟踪行业内AI技术的最新发展动态，评估新技术在医药研发中的应用潜力，并推动技术落地；
3、与研发团队紧密合作，深入了解研发需求，负责AI模型的开发与训练，将AI技术融入研发流程，提升研发效率和精准度；
4、开发和维护研发相关的AI软件系统和平台，提供稳定的技术支持；
5、协助研发团队处理和分析海量的研发数据，包括合成化学数据、临床试验数据、药物分析数据等，确保数据的质量和可用性。
1. 参与前端项目的前期需求分析，与产品、模型端、后端协作，明确功能目标和技术实现方案。
2. 负责前端系统架构设计、模块划分，制定开发计划和技术文档。
3. 使用Vue、TypeScript等完成业务页面和组件的开发，保证代码可读性、可维护性和性能。
4. 对前端性能进行监控和优化，保证页面加载速度、交互流畅度和兼容性。
5. 根据业务需求，完成API对接、SSE/WebSocket实时通信、文件上传下载等功能的开发与集成。
6. 负责PC端与H5端多端适配，保证在不同设备和分辨率下的良好体验。
7. 参与AI相关功能的前端开发，如大模型流式输出展示、AI对话界面、智能辅助决策等，提升人机协作体验。
8. 具备前后端联调能力，能参与接口设计、数据库设计或Node中间层开发，协助前后端联调与问题排查。
1、AI智能体设计与开发 负责公司AI智能体（Agent）的设计、开发与运维，搭建自动化业务流程，提升业务运行效率。
2、AI门户建设与运营 主导公司AI应用门户的规划与建设，整合内外部AI能力，打造统一的AI服务入口，持续优化用户体验。
3、垂类模型应用落地 结合制药行业业务场景，探索并落地垂直领域AI模型应用，包括但不限于文档智能、质量分析、工艺优化等方向。
4、数据中台与知识库建设 负责公司数据中台架构设计与建设，推进知识库体系的构建、管理与持续运营，支撑数据资产化与智能化应用。
1.聚焦MST细胞培养相关实验设计、方案优化及落地执行，参与上市后生物大分子药物细胞培养工艺的技术迭代与优化工作，配合开展供应商相关技术对接，推动新技术、新方法在细胞培养环节的探索与应用。
2.通过上游工艺现场排查及研发、生产环节工艺数据分析，挖掘细胞培养工艺提升潜力，协调内外部技术资源，制定工艺优化实验方案并推进实施，助力产品质量与生产效率提升。
3.持续跟踪上游细胞培养工艺领域前沿技术进展，结合公司实际发展需求，开展新技术、新方法的探索与调研，做好技术总结与理念宣贯，提升团队技术认知与应用能力。
4.负责细胞培养相关实验方案、技术报告、工艺总结等资料的撰写与完善，配合完成相关申报资料的编制、整理工作，确保各类资料规范、准确、完整。
1、模型开发与迭代：针对培养基优化、细胞培养参数预测、纯化条件推荐、制剂稳定性预测等场景，设计并实现ML模型；负责数据预处理→特征工程→模型选型与训练→交叉验证→超参数调优的全流程；把算法模型封装为内部可用工具。
2、可复用Pipeline建设：编写可复用的ML Pipeline代码，建立模型版本控制与实验追踪机制；
3、模型可解释性：在工艺科学家配合下进行SHAP/LIME等可解释性分析，确保模型输出对工艺人员可理解；
4、工具链与基础设施：搭建和维护团队模型训练与推理环境；开发面向AI Champion的轻量分析工具（Streamlit/Gradio应用），降低AI使用门槛；
5、跨板块技术支持：为AI Champion提供模型使用培训和技术答疑；协助各板块进行数据分析与可视化的quick win项目，快速建立信任；
6、文档与知识沉淀：编写模型开发文档和使用手册，定期组织内部技术分享，维护团队代码仓库和技术Wiki。
7、负责接口开发、可视化后台、实验数据自动导入、SHAP可解释性模块开发、软件开发。