阿斯利康
Associate Principal Scientist, Generative AI
Associate Principal Scientist, Generative AI
发布于 4 小时前普通员工/个人贡献者
全职员工仅现场办公人工智能
人工智能
Agentic Ai
Generative Ai
Llm
Mlops
Pytorch
Rag
生物信息学
值不值得投
81综合评分
综合评分 81
前沿AI技术赋能新药研发，业务价值显著，跨团队协作要求高，WLB待确认
从薪资福利、成长发展、工作生活和使命价值四个维度综合评估，方便横向比较。
薪资怎么样
6.5万
比人工智能中位数高
发布情况
新岗位 · 今天发布
公司情况
这家公司招聘很活跃
约 250 个在招
市场机会
选择面较广
北京 · 人工智能 · 约 650 个在招
职位详情
关于这个职位
负责将生成式AI（如大语言模型、基础模型和智能体工作流）应用于阿斯利康药物研发全流程，与科学家协作构建原型并部署至生产环境
通过整合生物信息学与机器学习技术，加速临床转录组学、蛋白质组学等大规模数据分析，计算项目ROI，并确保AI解决方案的安全合规与高效落地
最低要求
数学、计算机科学、工程、物理、统计或相关领域的学士或硕士学位（或同等工作经验）
在科学领域（包括生物学、生物技术、制药或环境研究）有工作经验，并能在此背景下应用机器学习或AI模型
精通Python等编程语言，熟悉AI库和框架（如TensorFlow、PyTorch）
在深度学习、自然语言处理、计算机视觉和强化学习等领域有扎实的AI和机器学习经验
具备提示词工程、检索增强生成(RAG)实现及大模型微调经验
有实施生成式AI工作流（大语言模型、其他基础模型或智能体框架）以自动化现有流程的经验，最好在制药/医疗领域
能够处理和分析高维非结构化大数据集，得出结论，定义推荐行动，并向利益相关者汇报结果
具备设计智能体AI工作流的能力，以及为大型组织规划AI需求的战略能力
熟练掌握软件开发和机器学习部署原则
熟悉现有机器视觉模型（CNNs、视觉变换器、扩散模型等）用于自监督和 multimodal 训练
熟悉GitHub、CI/CD流水线及DevOps和MLOps最佳实践
有AWS或类似云环境的使用经验
熟悉Kubernetes及基于容器的应用部署
具备优秀的沟通和演示技能，能将复杂的AI概念传达给非技术合作伙伴
具备强大的领导力和项目管理技能，有成功领导AI项目的记录
了解AI伦理和负责任AI实践
工作职责
与公司各领域的科学家协作，了解其挑战，共同构建支撑其研究的基础平台
构建生成式AI原型解决方案，展示其在加速常规科学流程中的价值
负责设计并部署机器学习模型，用于临床转录组学、蛋白质组学和细胞绘画数据的大规模分析
计算AI项目的投资回报率(ROI)和影响，从利益相关者和未来用户处获取必要信息和假设
倡导“优先生产”的理念，确保必要的基础设施和平台可用，将探索性研究扩展至生产环境
建立并管理与利益相关者的有效关系，确保信息资源和服务的利用和价值
清晰客观地沟通结果及其不确定性和局限性，以塑造解决方案
作为努力工作的团队一员，持续改进阿斯利康的机器学习开发环境、平台和工具
与中国、印度、欧洲和美国东海岸的AI研究团队跨时区高效合作，沟通AI模型需求并评估可用解决方案
与内部治理和合规职能（如网络安全和数据隐私）紧密协作，在不阻碍终端用户生产力的前提下保障计算环境安全
优先资格
具有生命科学、医疗或制药行业经验
熟悉ADMET、DMPK、群体药代动力学建模
在复杂全球性组织中工作的经验
使用DevOps和MLOps实现自动化策略的经验
熟悉LLM框架（LangChain、AutoGen、LlamaIndex）
在敏捷团队中工作并有产品或平台交付经验
熟悉用于转录组学或细胞绘画数据的现代基础模型（如Geneformer、scGPT、scFoundation等）
在顶级AI会议或期刊发表过制药研究相关论文的记录（如NeurIPS、ICML、Nature Machine Intelligence等）
AI 洞察
优缺点分析
优点
- 身处全球顶尖药企核心研发团队，直接接触前沿AI技术与真实的药物研发场景
- 技术栈高度前沿且业务价值直接可见，成果能快速反哺科研效率与管线推进
- 完善的全球化协作网络与内部合规支持体系，利于积累大型复杂系统落地经验
- 需同时兼顾算法创新与工程稳健性，对全栈AI能力与生产环境部署经验要求极高
- 医药行业监管严格，模型合规审查、数据安全及可解释性要求会拉长迭代周期
- 跨时区协作与多方利益相关者沟通成本高，需频繁对齐业务预期与技术边界
- 适合具备扎实AI工程能力、对医药健康领域有热情，且擅长在规范严谨的复杂组织中推动技术落地的复合型研发人才
缺点 / 挑战
暂无明显挑战项
角色解读
- 向首席科学家或AI研发总监方向发展，主导企业级AI战略与技术架构规划
- 深耕医药AI交叉领域，成为具备深厚行业Know-how的复合型技术专家
- 转向AI产品管理或数字化战略咨询，推动传统制药企业的智能化转型
- 深入药物研发一线，将生成式AI与大模型技术转化为实际科研工具与自动化工作流
- 负责从原型验证、模型微调到生产环境部署的全链路AI方案设计与技术落地
- 跨团队协作打通生物信息学与机器学习流程，针对临床多组学数据进行大规模分析与建模
- 定期评估AI项目ROI并输出技术影响报告，向非技术伙伴清晰传达方案价值与局限性
- 扎实的Python编程能力与主流AI框架(TensorFlow/PyTorch)熟练运用
- 精通大模型微调、RAG架构设计及Agent工作流编排，具备Prompt Engineering实战经验
- 熟悉医疗/生物医学数据特性，掌握MLOps工程化部署、容器化及云原生服务
- 具备极强的跨学科沟通能力、项目管理能力及AI伦理合规意识
申请策略
- 提前调研阿斯利康核心管线进展及AI在靶点发现/临床前研究中的具体痛点
- 准备1-2个完整的技术落地案例，重点说明如何在创新性与生产稳定性之间取得平衡
- 突出大模型微调、RAG架构设计及Agent工作流实战项目，量化效率提升或成本节约指标
- 强调在生物医学/临床数据上的AI应用成果，展示数据处理、特征工程及模型评估经验
- 详细列出MLOps流水线搭建、容器化部署及跨部门协同推进的具体案例
- 补充医疗数据隐私合规知识及国内外AI医疗器械/软件审批标准（如FDA/NMPA指南）
- 深入学习多模态大模型在基因组学、蛋白质组学及细胞成像中的最新应用范式
- 提升商业ROI测算逻辑与技术方案宣讲能力，学会用业务语言包装技术价值
面试指南
- 采用STAR法则结构化回答项目背景、行动与技术选型，突出业务痛点与量化产出
- 强调“业务价值驱动+工程稳健性”双轮驱动思路，说明灰度发布、监控告警与回滚机制
- 用通俗类比结合关键数据指标向非技术人员传递技术优势，展现同理心与协作意识
- 请分享一个你主导的生成式AI从原型验证到生产环境落地的完整案例，遇到的最大技术瓶颈是什么？
- 在医疗/生物数据场景中，你如何平衡模型性能、可解释性与数据隐私合规要求？
- 面对非技术背景的科学家，你如何设计沟通机制以证明AI方案的实际业务价值并推动采纳？
- 请描述一次你利用Agentic AI或多模型协同优化复杂工作流的经历
- 复习大模型微调、RAG检索优化及Agent状态管理核心原理与常见失败模式
职位点评
薪资福利85
成长发展90
工作生活65
使命价值80
薪资福利
85较高
阿斯利康作为上市跨国药企，为资深AI专家提供具有市场竞争力的薪酬与完善福利，满足度高。
薪资信号市场水准 (4.5千–8.5万/月)
成长发展
90较高
岗位聚焦生成式AI与Agentic AI前沿技术，深度结合药物研发场景，技术成长空间广阔且具备明确的跨团队晋升路径。
技术前沿前沿/新兴技术
技术栈Generative AI、LLM、RAG、Agentic AI、PyTorch、TensorFlow、MLOps、Kubernetes
业务类型profit_center
工作生活
65中等
跨国药企通常提供较好的工作节奏，但岗位涉及跨时区协作与生产环境优先理念，可能存在一定的工作强度。
工作模式未明确
办公地点市区核心地段
加班情况未提及（无法判断）
使命价值
80较高
直接参与加速新药研发过程，技术成果能切实改善患者治疗前景，社会价值与使命感强烈。
行业发展稳定成熟行业
社会影响正向社会影响力较高
创新程度积极采用新技术
阿斯利康 的其他在招职位
相似职位推荐
Watch Jobs