今年的生物医药就业市场，有一个很有意思的“两头现象”。

一头，是企业越来越难找到真正想要的人。会做实验还不够，最好懂数据;会写代码还不够，最好懂生物学;会做模型还不够，还得知道这个模型最后能不能帮实验室做出更好的决定。

另一头，是很多已经在行业里工作二三十年的人，开始推迟退休，或者从全职岗位转向顾问、项目制、兼职岗位，继续留在药物研发这条链条上。

这两个变化看起来离得很远，其实发生在同一个就业市场里。

年轻人的第一份工作越来越难拿，资深从业者的最后一份工作，却越来越不像过去那样有明确终点。企业一边裁员、缩编、控制固定成本，一边又在争夺那些能横跨多个领域、立即解决问题的人。

生物医药行业并没有停止招聘。只是企业对“一个人值不值得占一个岗位”的计算方式变了。

01

AI正在重写生物医药的招聘门槛

过去几年，生物医药就业市场经历了一轮很明显的降温。

疫情期间融资旺盛，大量Biotech迅速扩张团队，许多公司甚至在临床项目尚未真正成熟之前，就提前搭建研发、临床、CMC和商业化组织。融资环境转冷以后，这套模式迅速逆转，裁员、项目终止和组织收缩成为行业常态。

进入2026年，招聘已经有所恢复，但求职者的感受依然谈不上轻松。

原因之一，是回来的一些岗位，已经不是几年前的那些岗位了。

企业现在更习惯用更小的团队完成更多工作，同一个职位承担的职责范围随之扩大。过去分布在生物信息学、数据科学、软件工程和实验团队之间的工作，现在出现了越来越多的交叉。一个研发人员除了自己的专业能力，还可能被期待处理数据、使用AI工具、与工程团队协作，甚至参与自动化流程设计。

AI让这种变化更加明显。

过去，一家药企招计算生物学家，重点通常是基因组学、转录组学、蛋白质组学以及相应的数据分析能力;招聘机器学习工程师，则更看算法、软件架构和模型部署。

现在企业真正缺少的，恰恰是站在这两个世界中间的人：既知道一个模型怎样训练，也清楚生物学数据往往存在噪声大、批次差异明显、样本异质性高等问题;既能处理大规模数据，也明白实验设计、批次效应、样本量和生物学异质性会怎样影响结果。

这种人才，很难通过简单的职位名称定义。

一个软件工程师即使有五年机器学习经验，进入药物研发以后，依然可能发现：生物学问题和推荐系统、广告算法完全不同。生物医学数据往往样本有限、噪声较大，而且很多问题本身就没有明确答案。模型准确率提高几个百分点，也未必意味着它对药物研发真正有价值。

药物研发最终关心的是：这个结果能不能影响下一轮实验、候选分子的选择，或者临床决策。

实验科学家面临的情况同样如此。

一个人在疾病机制、细胞实验或者动物模型上经验丰富，今天仍然非常重要。但如果能够进一步理解数据处理、模型验证和AI工具，职业选择显然会更多。尤其是在计算生物学、数字病理、蛋白质设计、分子生成和实验自动化等领域，纯粹的“实验端”和“计算端”，正在越来越难彻底分开。

因此，生物医药企业现在最想要的人，往往并不是单纯的AI专家，而是能够把AI放进药物研发流程的人。

他需要知道，什么时候值得用模型，什么时候数据根本不足以支撑模型;知道模型输出怎样回到实验室，也知道实验结果怎样成为下一轮模型输入。

更重要的是，他能够在生物学家、数据科学家、工程师和项目负责人之间说同一种语言，避免一个技术上非常漂亮的项目，最后解决了错误的问题。

对刚进入行业的人来说，这种变化意味着招聘要求正在增加新的内容。

除了原有的专业训练，一些岗位还希望候选人在进入公司以前，就已经具备一定的数据、机器学习或者跨部门协作能力。职位名称可能仍然只是Scientist，但招聘要求里同时出现疾病领域知识、Python、机器学习、数据分析、自动化以及跨部门协作，已经越来越常见。

第一份工作的门槛，因此悄悄升高了。

企业并没有要求每个科学家都变成程序员，也没有要求每个工程师都重新读一个生物学博士。但它们越来越青睐那些能够多跨一步的人。一个人的专业仍然要深，只是单靠专业本身，已经越来越难构成完整的竞争力。

02

年轻人难进，资深人才却越来越晚退

就业市场的另一头，出现了几乎相反的变化。

很多生物医药从业者正在推迟原来的退休计划。部分人是因为生活成本、资产价格、股票和奖金兑现周期;也有人纯粹因为不愿意离开这个行业。还有一些人原本希望继续工作，却在五十多岁以后经历裁员，长时间找不到合适岗位，只能提前考虑退休。

这让生物医药行业出现了一个过去没有那么普遍的中间状态。

一个人不再担任传统意义上的全职高管，却也没有真正退休，而是成为顾问、科学顾问、独立专家或者兼职人员，每周为一家企业工作一两天，或者同时参与几家公司的项目。

这种工作方式在临床、注册、CMC、医学事务和公司战略层面尤其常见，因为这些岗位积累的经验，很难通过短期培训快速复制。

对于小型Biotech来说，这种模式非常现实。

一家公司可能还没有必要聘用一名全职首席医学官，也可能负担不起一名完整配置的CMC负责人。但项目到了FDA会议、IND申报、工艺放大或者关键临床阶段，又确实需要一个做过这些事情的人。

于是，公司购买的对象，开始从“一个职位”，变成“这个人二十年的经验里，我现在最需要的那一部分”。

药物研发本身，也非常适合这种模式。

许多真正重要的判断并不写在教科书里。例如，什么时候应该补一个实验，什么时候某个杂质需要提前解决，什么时候可以和监管机构讨论，什么时候一个目前看起来不大的问题，可能在两年后卡住上市申请。

经历过几轮完整开发周期的人，往往能够更快识别这些风险。这种能力，很难由AI或者标准流程完全替代。

这也解释了，为什么一个行业可以同时出现大量裁员和资深人才短缺。

企业可能刚刚裁掉几十个人，几个月以后又花很高的顾问费，请回一个拥有特定经验的人。一家Biotech可以把整个部门缩到最小，却愿意为一个关键项目短期聘请前FDA审评人员、前大药企注册负责人，或者有多次上市申报经验的CMC专家。

公司压缩的是长期固定成本，对真正稀缺的经验，依然愿意付钱。

对于资深从业者而言，职业生涯的最后十年也因此发生变化。

过去更常见的是沿着Scientist、Director、VP一路走到退休。今天则可能在五十多岁以后进入一种更加碎片化的工作状态：部分时间做顾问，部分时间加入创业公司，偶尔进入董事会或者科学顾问委员会，遇到合适的项目再重新回到全职岗位。

退休，从一个明确的日期，逐渐变成一个持续数年的过渡过程。

这种变化当然也有更残酷的一面。

年龄较大的普通员工，如果没有形成足够稀缺的专业能力，面对的可能是完全不同的市场。少数经验深厚的资深人士，可以凭借专业积累继续以顾问或项目制方式参与工作，但这并不意味着所有年长从业者都能获得同样的机会。

一位五十多岁、技能高度依赖某个已经收缩领域的从业者，一旦失业，再进入相同层级全职岗位，往往相当困难。于是，有人选择推迟退休，也有人在不情愿的情况下提前退休。

生物医药就业市场正在经历的，并不是简单的岗位数量变化。

对年轻人来说，进入行业的门槛更高了，企业越来越希望新人同时具备专业深度、数据能力和跨学科协作能力。

对资深从业者来说，退休也不再是一个泾渭分明的终点，顾问、项目合作和阶段性任职，让职业生涯有了更多延伸方式。

两端的变化放在一起看，真正值得注意的是：企业对人才的要求正在变得更加具体。

新人要更快证明自己能解决实际问题;资深人士则要证明，自己的经验依然具有不可替代的价值。