薪酬概览
平均月薪
¥12700
中位数 ¥12000 ｜ 区间 ¥9800 - ¥15600
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
66.7% 人群薪酬落在 8-15k
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
11月新增岗位
18
对比上月：岗位新增12
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 |
|---|---|---|
| 1-3年 | 6 | 33.3% |
| 3-5年 | 6 | 33.3% |
| 5-10年 | 6 | 33.3% |
热招职位
1. 开户：协助提交合约商的开户报告、终端医院的开户报告、合约服务商的准入备案、设备申请2. 协助催收招商的相关协议，合约商协议，合约服务商协议3. 根据招商代表提供的订单计划在下单系统进行下单操作，如 涉及阳光采购平台的维护做单一并处理；协助进行代理终端客户的定期盘库4. 发票、出库单的资料确保齐全，跟进入库；代理商和客户终端的协助对账，并负责催收对账函5. 赊销款超期到期提醒招商代表，并负责提交信用报告6. 提交并跟进退款流程(含保证金),确保退款效率；提交并跟进退货进度，确保及时退货避免报损7. 协助制作费用报账的资料及报告提交、跟进8. ①合约商与cso服务商、医院端的关联图谱；
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. 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、主导大模型选型、微调策略与训练框架设计
2、搭建模型评测体系，持续优化模型性能与业务适配度
3、优化模型推理性能，实现低成本、高效率的模型部署
4、跟踪前沿技术（如多模态、Agent、RAG），规划技术演进路线
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。
1、战略规划：制定AI在抗体药物工艺开发领域的3年技术路线图，对齐公司整体CMC战略；
2、团队建设：组建并管理3-5人AI核心团队，制定个人发展计划与绩效目标；在各工艺板块选拔并培养AI Champion，建立"中央组+嵌入式代表"协作机制；
3、技术落地：主导AI用例的优先级评估（可行性×业务价值×数据就绪度），亲自参与关键项目技术方案设计（特征工程路线、模型选型、验证策略），建立模型上线后的效果监控与迭代机制；
4、数据与基础设施治理：牵头制定实验数据采集与存储规范，推动LIMS/ELN数据标准化；评估和选型计算基础设施（GPU工作站/云资源）及软件工具链；
5、跨板块协调：对接各工艺板块负责人（上游/下游/制剂/质量/表征），将业务需求准确转化为可执行的AI项目定义；
6、外部合作：跟踪AI+生物制药前沿进展，评估和管理外部AI供应商及CRO技术方案；
7、预算管理：编制和管理AI团队年度预算（人力、计算资源、软件工具、外部合作）。
8、统筹AI算法团队战略、模型底层架构、算法迭代、专利布局、前沿技术预研、算力规划。
1. 协助车间主任制定车间详细的月度、周度生产作业计划，并监督执行，确保按时按量完成生产任务。
2.全面监督ADC生产的关键工序，确保各工序严格按已批准的工艺规程和标准操作规程进行。
3.主持生产过程中的关键操作，对生产现场的异常情况做出快速、准确的判断和决策，启动偏差处理流程，并领导相关调查和纠正预防措施的实施。
4.审核生产记录及相关辅助记录及时、准确、完整，符合数据完整性要求。
5.合规生产，负责组织车间内部的自查工作，积极迎接各类外部审计和检查，对审计中发现的问题负责组织整改。
6.与质量保证、质量控制部门保持密切沟通，协同处理生产过程中出现的质量问题，对任何可能影响产品质量的偏差、变更或超标结果进行调查和跟进。
7.协同技术部及相关部门，负责新产品、新工艺从研发向车间的顺利转移，并参与工艺验证活动的执行。
8.持续推动生产过程的优化与改进，通过引入新技术、新方法或优化现有流程，提升生产效率、产品收率及质量稳定性，同时有效控制生产成本。
9.负责相关生产物料、耗材的需求计划和管理，协助控制生产预算。
10.完成领导安排的其他工作。