阿斯利康
Senior Scientist/Associate Principal Scientist, AI
Senior Scientist/Associate Principal Scientist, 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
Jax
Pytorch
Tensorflow
多模态Ai
机器学习
深度学习
蛋白质语言模型
计算生物学
值不值得投
79综合评分
综合评分 79
外企研发核心岗、AI+生物制药前沿交叉、技术成长空间大、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
8.0万
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
负责为生物制剂发现与工程开发先进AI/ML模型（如蛋白质语言模型、结构预测等），结合湿实验数据与多模态技术进行算法设计与优化
跨部门协作指导实验设计并管理生物数据集，推动Agentic AI在药物研发中的应用，助力下一代生物药创新
最低要求
数学、物理、计算机科学、计算生物学、生物信息学或相关领域的硕士学位或同等经验
动手开发和应用机器学习/深度学习模型的经验， preferably 针对生物序列（蛋白质、抗体、肽）或结构，涵盖自监督与监督学习方式
熟练掌握Python编程及相关ML/AI框架（如TensorFlow、PyTorch、JAX）
具备多模态机器学习或整合异构数据类型（如序列、结构、功能数据）的经验
具备处理、整理和分析大规模生物数据集的经验
能够在快节奏、多学科、跨地域的研究环境中高效协作
清晰的沟通技巧，英语流利
工作职责
设计、开发、基准测试和实施先进的AI/ML模型（包括自监督和监督学习），用于生物制剂的发现与工程化，涵盖蛋白质语言模型、结构预测模型、从头设计算法及整合序列、结构、生化、生物物理和功能数据的多模态方法
与湿实验室科学家（主要位于英国和美国）紧密合作，指导实验设计，确保生成高质量的相关数据集，并为建模目的整理和管理湿实验数据
分析和解释复杂的生物数据，将机器学习与蛋白质科学、生物化学、生物物理学、结构生物学和治疗药物开发的领域知识相结合
紧跟AI、计算生物学和生物制剂工程的最新发展
主动识别和评估与生物制剂研发相关的创新技术和方法论
向多学科团队和利益相关者有效传达复杂的技术概念和结果，弥合计算与实验领域之间的差距
贡献高影响力的科学出版物、专利申请以及内外部战略合作
跨职能协作开发Agentic AI解决方案，以解决生物制剂工程的关键问题
识别并建立本地合作伙伴关系（学术或行业），以加速AI驱动的生物制剂发现的影响力
优先资格
了解蛋白质建模、结构预测或从头设计的前沿方法
具备Agentic AI开发与专业知识
熟悉大规模云计算和现代数据工程实践
在顶级AI、计算生物学或蛋白质工程期刊/会议上有发表记录
理解生物制剂药物发现
AI 洞察
优缺点分析
优点
- 处于AI赋能新药研发的绝对前沿，技术栈极具前瞻性与稀缺性
- 依托跨国药企完整管线资源，算法成果可直接对接真实药物验证场景
- 全球顶尖科学家网络支持，学术产出与专利转化路径清晰
- 扁平化科研文化，鼓励技术创新与跨界合作，职业天花板高
- 干湿实验数据对齐难度大，需同时兼顾算法性能与生物学可解释性
- 跨时区协作频繁，项目推进节奏快，需具备极强的多线程管理能力
- 顶刊/顶会发表竞争激烈，对理论深度与工程落地双重指标要求严苛
- 适合具备扎实算法功底与生物学交叉背景、渴望将AI技术直接转化为医药突破的高阶科研人才
缺点 / 挑战
暂无明显挑战项
角色解读
- 纵向可晋升至Principal Scientist或首席科学家，主导核心管线算法战略
- 横向可向AI药物发现平台负责人、计算生物学总监或技术合伙人方向发展
- 持续深耕可成为AI+生物制药交叉领域的学术/产业双栖专家
- 主导生物制剂领域的AI/ML模型架构设计与训练，覆盖蛋白质语言模型、结构预测及从头设计算法
- 对接湿实验团队，将生物化学与临床前数据转化为高质量训练集，实现干湿闭环迭代
- 跟踪前沿计算生物学进展，输出专利、顶会论文及跨部门技术落地方案
- 精通Python生态及主流深度学习框架，具备自监督/监督学习模型实战能力
- 掌握多模态融合技术，能处理序列、结构、生化等多源异构生物大数据
- 具备扎实的分子生物学与结构生物学基础，能将领域先验知识嵌入算法设计
- 优秀的跨文化沟通与英文学术写作能力，适应全球化研发团队协同
申请策略
- 提前研究阿斯利康近期生物制剂管线，面试时结合业务痛点提出算法切入点
- 关注公司开放科学倡议，展现对数据共享与合规伦理的理解
- 突出AI模型在生物序列/结构预测中的实际落地案例与性能指标
- 强调多模态数据清洗、特征工程及大规模分布式训练经验
- 列出高水平学术论文、专利或开源项目链接，证明学术影响力
- 展示跨学科团队协作经历，特别是与湿实验/临床团队的对接成果
- 补充蛋白质结构预测（如AlphaFold系列）与分子动力学模拟基础知识
- 强化图神经网络（GNN）与时序模型在生物序列分析中的应用能力
面试指南
- STAR法则：情境-任务-行动-结果，重点量化模型提升指标与业务价值
- 技术归因框架：数据层→特征层→模型层→验证层，逐层排除故障点
- 跨学科沟通框架：用可视化/类比降低认知门槛，聚焦生物学假设验证而非纯数学推导
- 请分享一个你设计的自监督预训练模型在生物序列任务上的调优过程
- 如何处理湿实验产生的噪声数据与缺失值？如何保证数据质量？
- 多模态融合时，不同模态的特征尺度差异大，你的对齐策略是什么？
- 如果算法预测结果与湿实验反馈严重不符，你会如何排查与迭代？
- 如何向非计算背景的生物学同事解释复杂模型的决策逻辑？
职位点评
薪资福利75
成长发展90
工作生活65
使命价值85
薪资福利
75中等
跨国药企薪酬体系成熟稳定，整体待遇对标市场水准，但JD未明确披露具体薪资与福利细节。
薪资信号未披露（AI估算：6.0千–10.0万/月）
成长发展
90较高
岗位聚焦AI与生物制药交叉前沿，技术栈高度创新，内部提供明确的科研成长支持与学术转化通道。
技术前沿前沿/新兴技术
技术栈Agentic AI、蛋白质语言模型、多模态机器学习、PyTorch、JAX
成长机会strong support for your professional growth
业务类型profit_center
工作生活
65中等
跨国药企通常注重科研节奏把控，但项目描述提及“快节奏”环境，JD未明确说明弹性办公或加班政策。
工作模式未明确
办公地点科技园/产业园
加班情况未提及（无法判断）
使命价值
85较高
直接参与下一代生物制剂药物研发，技术成果具有明确的临床转化潜力与社会健康价值。
行业发展高速增长赛道
社会影响正向社会影响力较高
使命信号make a tangible impact on the next generation of biologic medicines
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