康龙化成
2027届-博士-AI算法研究员（体外药代方向）-北京总部
2027届-博士-AI算法研究员（体外药代方向）-北京总部
发布于 3 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
Cadd
Pyg
Pytorch
分布式训练
图神经网络
多模态学习
大语言模型
值不值得投
79综合评分
综合评分 79
上市企业AI药物研发核心岗，前沿技术栈与高社会价值并存，薪资优厚但工作强度与挑战较大。
从起薪待遇、成长路径、工作节奏和岗位方向综合评估，方便比较职业起点。
薪资怎么样
4.3万
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 750 个在招 · 其中人工智能 18 个
市场机会
选择面较广
北京 · 人工智能 · 约 620 个在招
职位详情
关于这个职位
该职位负责将AI算法应用于体外药代动力学与药物研发，包括设计图神经网络与多模态模型进行毒理预测、构建多肽ADMET预测引擎，以及结合计算化学进行机理校验
同时需负责AI工程基建，搭建数据中台与模型推理API，推动AI技术在药物发现中的落地
最低要求
学历专业：博士学历，计算机、人工智能、计算生物学、计算化学、药物化学、软件工程等相关交叉专业
算法能力：熟练使用PyTorch、PyG等深度学习与图计算框架
掌握GNN、多模态学习、自监督/表征学习，有LLM、预训练分子模型开发落地经验
熟悉CADD、化学信息学工具，了解分子动力学、计算化学方法
理解DMPK、毒理代谢机制、多肽跨膜、非天然修饰等药物背景知识
工程能力：具备底层算法开发与模型落地经验，了解分布式训练
掌握Python后端、微服务、RESTful API开发
熟悉数据库、对象存储、Linux运维、容器、CI/CD
综合素养：能够阅读跟进计算化学、AI领域前沿英文文献，具备良好跨学科沟通能力，自驱力强，可将AI输出转化为化学研发可执行方案
工作职责
算法模型研发：设计实现跨层级图神经网络，提取分子3D物理场、化学键拓扑高精度表征
搭建分子‑多组学‑高内涵影像多模态对齐融合网络，应用对比学习、MoE混合专家等技术，处理多模态数据缺失，完成毒理机制分类与严重度评分
开发优化XAI可解释性算法，输出原子级毒性药效团热力图，支撑药化结构改造
多肽ADMET预测引擎建设：构建大环多肽、非天然氨基酸适配的分子预训练模型
搭建自动化3D构象计算管线，结合计算化学工具提取大环张力能、分子内氢键等物理特征
基于GNN融合原子几何与动态物理特征，完成多肽细胞膜渗透性等成药性指标预测
依托内部湿实验数据，使用PEFT技术完成预训练模型微调校准
计算化学与CADD机理校验：把控AI模型分子特征工程的物理合理性，校验模型输出的可解释结构报告，结合DMPK、毒理、代谢酶机理判断化学机理
基于ADMET与毒性预警结果，运用生物电子等排、骨架跃迁方法，指导生成式AI开展化合物定向解毒结构优化
为大分子、特殊修饰候选物提供3D构象约束分析与设计指导，将AI预测结果转化为可指导合成实验的化学建议
AI工程与数据中台基建：搭建多模态研发数据湖与ETL数据流，处理高通量实验、公开文献等异构数据
基于微服务框架开发低延迟模型推理API，依托分布式任务队列实现批量筛选、异步微调任务调度
开发LLM Agent智能文献解析管线，完成数据抓取、清洗、结构化入库全流程自动化
负责AI模型容器化封装，完成云原生/本地超算集群部署、调度、监控保障生产环境高可用
优先资格
在GNN、XAI、多模态领域有研究或顶会发表优先
有LLM Agent工作流实际落地经验优先
AI 洞察
优缺点分析
优点
- 处于AI+药物研发（AIDD）这一前沿交叉赛道，技术壁垒高，行业前景广阔
- 能够接触从底层算法设计到工程落地、再到化学机理校验的全链路闭环，能力成长全面
- 依托上市企业的丰富湿实验数据与计算资源，模型训练与验证条件优越
- 需要同时具备深厚的AI算法功底与计算化学/药代动力学知识，跨学科学习曲线陡峭
- AI预测结果需与真实的化学合成与湿实验紧密结合，对模型的可解释性与物理合理性要求极高
- 适合具有计算机或AI背景，同时对药物化学、计算生物学有浓厚兴趣，且具备较强工程落地能力的博士毕业生
缺点 / 挑战
暂无明显挑战项
角色解读
- 从AI算法研究员向AI药物研发（AIDD）领域的资深技术专家发展
- 未来可带领团队负责特定管线或技术平台的整体AI战略与架构设计
- 有机会深入业务核心，成为连接AI技术与化学/生物学实验的复合型领军人才
- 负责设计并实现图神经网络与多模态融合算法，用于分子毒性预测与药效团分析
- 构建多肽ADMET预测引擎，结合计算化学与预训练模型进行成药性指标预测
- 搭建AI数据中台与工程基建，包括数据湖、推理API及LLM Agent文献解析管线
- 精通PyTorch、PyG等深度学习框架，掌握GNN、多模态学习及LLM预训练技术
- 熟悉CADD、化学信息学工具及DMPK、毒理代谢等药物研发背景知识
- 具备Python后端开发、微服务架构及分布式训练、容器化部署等AI工程落地能力
申请策略
- 深入了解康龙化成在AIDD领域的布局及近期发表的专利或论文，展现对公司业务的理解
- 准备好跨学科沟通的案例，证明你能将AI语言转化为化学家能听懂的建议
- 突出在GNN、多模态学习或LLM领域的顶会论文或核心项目经验
- 展示将AI算法与化学/生物数据结合的实际落地案例，强调模型的可解释性与物理合理性
- 体现Python后端开发、微服务及分布式训练等AI工程化能力
- 补充计算化学（CADD）与DMPK、毒理代谢等药物研发基础知识
- 熟悉分子动力学模拟及大环多肽的3D构象计算方法
面试指南
- STAR法则：情境-任务-行动-结果，重点突出跨学科协作与模型落地的实际业务价值
- 技术深度+业务理解：先阐述算法原理与创新点，再结合药物研发的实际痛点说明解决方案的合理性
- 请详细介绍你设计的跨层级图神经网络架构，以及如何解决多模态数据缺失的问题？
- 在构建多肽ADMET预测引擎时，如何确保分子特征工程的物理合理性？
- 你如何将AI模型的预测结果转化为指导合成实验的具体化学建议？
- 请分享一次你使用LLM Agent或微服务框架进行AI工程落地的实际经验
- 复习图神经网络、多模态对比学习及LLM微调（PEFT）的核心原理与最新进展
- 了解康龙化成的核心业务管线，复习DMPK、ADMET及计算化学的基础概念
职位点评
薪资福利85
成长发展90
工作生活50
使命价值85
薪资福利
85较高
博士校招AI算法岗，薪资处于市场较高水平，且公司为上市企业，福利体系相对完善。
薪资信号未披露（AI估算：3.5千–5万/月）
成长发展
90较高
岗位涉及GNN、多模态、LLM等前沿AI技术，且处于AI药物研发这一高壁垒交叉领域，技术成长空间极大。
技术前沿前沿/新兴技术
技术栈PyTorch、PyG、GNN、多模态学习、LLM、PEFT、XAI、CADD
业务类型ambiguous
工作生活
50较低
岗位为北京总部现场办公，且涉及大量底层算法研发与工程基建，工作强度可能较大，JD未明确提及WLB。
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
致力于新药研发与毒理机制研究，直接推动人类健康与医药创新，具有极高的社会价值与使命感。
行业发展高速增长赛道
社会影响正向社会影响力较高
创新程度开拓性创新（行业首创）
康龙化成 的其他在招职位
相似职位推荐
Watch Jobs