过去两年 AI 医疗赛道里招聘密度最高的岗位是哪个？不是纯做模型的算法工程师——是"懂临床、会数据、能把两边话都说清楚"的复合型博士。字节跳动的 Data Health 团队、腾讯觅影、华为医疗健康、联影智能，这几家每年要的人数都在翻倍，但候选人池子很浅。
最近帮一个做医学影像方向的学妹看去向，我顺着 LinkedIn 扒了一圈——昆山杜克大学最近三届的毕业博士里，有3个都卡在这个赛道：一个进了字节的 Data Health，一个去了腾讯觅影，还有一个直接拿了西湖大学医学院的独立 PI 岗位。
顺着这三条线往上查，导师都指向同一个组——昆杜生物医学数据科学方向的Dr. Dai。一个在国内还算低调、但产出和去向都很稳的 Associate Professor。
所以这篇不打算先讲数据，先讲这个组为什么去向这么稳，再回头看导师本身。
一、AI医疗不是泡沫,是刚开始放量
先把方向的底盘说清楚。2024-2026 这两年，AI 医疗有三个明显的信号：
一个是资本端。国内医疗 AI 融资规模从 2023 年的低谷反弹，2025 年 Q1 单季融资额已接近 80 亿人民币；美国 FDA 批准的 AI/ML 医疗器械累计超过 1200 款，2025 年仍在加速。
一个是岗位端。我自己扫过最近半年的招聘数据，腾讯、字节、华为、联影、平安健康这几家合计开出的"医学+AI"相关博士岗超过 300 个，而每年全球该方向毕业的对口博士不足 150 人。简单讲就是 2:1 的缺口。
一个是政策端。DRG/DIP 医保支付改革把"数据驱动的临床决策"从加分项变成必选项，医院和保险公司都在抢懂医学统计+AI 的人。
这是个正在放量的方向。不是泡沫式放量，是真实的供需错配。所以这三年冲进去的博士，毕业时大概率还能踩在风口上——这是我判断这个方向值得押的核心逻辑。
二、Dr. Dai的项目布局,就是行业风向标
Dr. Dai 做的不是单一技术方向，是医学大数据+AI决策这条复合赛道。从公开项目和论文可以拼出来的布局，正好卡在行业最值钱的几个点上：
— 和三甲医院合作的真实世界数据(RWD)研究，做临床决策支持系统— 医学影像+多模态AI(影像+文本+基因)，方向跟字节腾讯的重点投入方向高度重合— 中美双边的健康大数据合规研究，这个在出海赛道上是稀缺技能
重点说第三点。因为昆杜的天然属性(中美合办+Duke 的学术背书)，Dr. Dai 做的很多研究天然是双边合规场景。这意味着毕业生在"中国医疗数据+美国药企/医疗科技公司"这个跨境赛道上，是有 unique selling point 的。
这个 USP 在求职时值多少？我身边一个做类似方向的朋友告诉我，跨境合规这条线的应届博士 package 比纯技术岗能高 20%-30%。
三、三个idea里,我只押第一个
翻过 Dr. Dai 最近两年的项目描述和预印本，能看出组里正在往三个方向开新 idea。我的判断不太一样，展开讲：
① 医学多模态基础模型的领域适配。用影像+文本+结构化数据做 domain-adapted foundation model，这个方向全球都在卷，但昆杜手上有真实三甲数据——这是大厂砸钱也短期买不到的资源。这个 idea 我觉得最值得跟。毕业时踩在 GPT-5/Med-PaLM-3 这波节奏上，技术护城河+数据护城河都有。
② 基于多中心 RWD 的治疗效果预测。偏统计机器学习+因果推断，方法论很扎实，但出口相对窄——主要是药企(默沙东、辉瑞、罗氏这些)和保险科技公司。如果你本身就想走药企数据科学家这条路，这个 idea 合适；但如果想进互联网大厂，技术包装不够硬。
③ 医疗 AI 合规与可解释性研究。政策敏感、发论文门槛高但周期长。这个方向适合已经确定要走学术路线、冲独立 PI 的人——对想去业界的博士，性价比不高。
简单结论：想进大厂选 ①,想走药企/学术选 ②,想当教授选 ③。别反了。
四、四条出口,每条都能给到具体数字
把最近三届毕业生公开的去向拼一下，基本有四条出口：
出口1·互联网大厂医疗AI团队。岗位：高级算法研究员/研究科学家；典型雇主：字节 Data Health、腾讯觅影、华为医疗健康、阿里达摩院生命科学；应届博士 package 约 60-90 万(Base+股票+签字费)。成长天花板：3-5 年内可做到团队 lead，年包百万级。
出口2·医疗科技独角兽/上市公司。岗位：核心算法 PI 或研究总监；典型雇主：联影智能、鹰瞳科技、深睿医疗、平安健康；package 约 55-80 万，拿期权的话天花板更高，但风险也更集中。
出口3·药企数据科学/真实世界研究岗。岗位：Senior Data Scientist / RWE Manager；典型雇主：辉瑞、默沙东、罗氏、阿斯利康、强生(中国和新加坡 site)；package 50-75 万，稳定性最高,出差少,work-life balance 明显好于互联网，这是我个人觉得被低估的一条路。
出口4·学术路线。北美 R1 高校博后(薪资 6-8 万美元/年)→ 独立 PI，或直接回国进双一流高校医学院、西湖/南科大这类新型研究型大学。独立 PI 岗位最近两年特别缺这个方向的人,昆杜博士有 Duke 背书,面试邀请率明显更高。
五、月薪1.7万但别指望存钱
昆杜的 PhD 待遇，我挑重点说：
学费:全免。这是中美合办高校里少数能做到 full tuition waiver 的，不用贷款不用家里出钱。
月度生活津贴:约人民币 1.5-1.7 万/月。这是基础 stipend，具体数字会看项目和来源。相比纯国内高校的 3000-5000，已经很能打；但放在昆山这个位置,房租 4-5k,吃饭 3-4k,真正能存下来的大概 5-8k。别指望读博期间攒钱。
竞争力加分:Duke 联合培养机会。博士期间有机会去 Duke 访问 6-12 个月，这段经历对后面找北美博后或美国业界岗位含金量特别高——实际上是给你"半个 Duke 博士"的背书。
隐性成本：昆山不是一线城市，学术圈层相对封闭，需要自己主动飞上海深圳参加 meetup；博士期间的"人脉资产"得靠自己跑。这个在我看就是这个组最大的 trade-off。
六、适合什么人,不适合什么人
如果是我,我会劝这几类人认真看看这个组:
① 本科数学/统计/CS/生医工程背景，想转医疗 AI 的；② 英语够用(不用特别好)、但希望未来在中美跨境场景里工作的；③ 学校背景不是顶尖 985/海本但硬实力够，想用一段高含金量博士洗出海机会的。
不适合的人我也直说:
① 对纯算法/顶会(NeurIPS/ICML)执念特别深的——这个组医学属性更重，发顶会节奏会慢；② 抗压能力弱、需要很强学术社群支持的——昆山人圈子小，要自己主动建；③ 家里不支持在昆山读 4 年，非要一线城市的——这是硬条件,没得商量。
如果你正好在看这个方向，可以来问我，我把我会重点看的几个点发你——包括怎么在套磁信里提到医学数据这个背景、Duke 联合培养名额怎么争取。
