创新药研发进入湿实验后：人员结构与分工、各岗位任务、最通用的仪器、试剂和流程（校对版 v2）

日期：2026-10-04（v2 是当天校对后的版本，改动见文末"校对记录"） 这份是综合既有调研整理而成（本轮网页搜索额度用完，没有新增外部检索）。引用的本地报告：

• （恒瑞、君实 2025 年报的研发人员画像和研发费用明细）
• （分阶段设备试剂、占比、国产化率）
• （靶点验证成本、"验证工厂"判断）
• （组织骨架、药明化学业务规模）
• 、（湿实验自动化和闭环）
• （自动化实验室）、

数据分级：〔年报〕= 公司年报原文数字；〔本地〕= 本地报告引用的第三方数据；⚠️ = 年报数据加行业经验的估算，公司不披露研发内部的岗位分布和湿实验人员比例，所有带 ⚠️ 的数字都需要用招聘数据或访谈校准。

---

0. 一页结论

1. 湿实验覆盖三个阶段：药物发现（靶点验证、筛选、先导化合物优化）、临床前（药理药效、药代、毒理）、早期 CMC（工艺、分析、制剂）。进入临床后，样本检测交给中心实验室，药企自己的实验室基本不再参与。
2. 人员比例：
   • 自建全链条的大药企（恒瑞型）：研发人员占全公司 27.6%〔年报〕，其中湿实验岗位约占研发的 55–75% ⚠️，约 3100–4300 人；
   • 外包多的生物科技公司（君实型）：研发占 22.0%〔年报〕，湿实验岗位约占研发的 40–60% ⚠️，约 260–380 人，而且偏 CMC，因为生物药的工艺环节重。
3. 金字塔结构 ⚠️：项目负责人和实验室主任约 5–10%，资深科学家（博士或资深硕士）约 15–25%，研究助理和实验员（硕士、本科）约 50–65%，技术支持（动物饲养、设备、样品管理）约 10–15%。恒瑞研发人员的学历分布（博士 13%、硕士 47%、本科 36%）〔年报〕和这个结构大体一致，但要注意学历口径覆盖了全部研发人员，包括临床和注册岗位。
4. 最通用的"三件套"：
   • 流程：小分子是"设计—合成—测试—分析"循环（DMTA）；大分子是"表达—纯化—表征—功能测试"；所有生物学实验的底座是细胞实验标准流程。
   • 设备：移液器、离心机、生物安全柜、CO₂ 培养箱、超低温冰箱、酶标仪、qPCR、显微镜；加上分阶段的液质联用、核磁、蛋白纯化系统、SPR、流式细胞仪、自动化液体工作站。
   • 试剂：培养基和血清、细胞系、抗体和重组蛋白、分子酶和试剂盒、化学砌块和溶剂、层析填料、实验动物。
5. 钱的结构：
   • 材料和试剂约占创新药企研发费用的 8–15% ⚠️〔本地〕，早期生物科技公司可达 20–30%；
   • 恒瑞的"直接投入"（材料、试剂、动物、能耗）是 11.90 亿元，占费用化研发的 17.1%；如果把资本化部分也算进总研发投入 87.2 亿元，则占约 13.6%〔年报，作者计算〕；
   • CRO 服务费里还有 20–35% 实质是试剂、动物和仪器机时 ⚠️〔本地〕。
6. 外包的湿实验产能比药企内部大得多：药明康德化学业务约 1.8 万人〔本地〕，是恒瑞内部药物发现团队（约 1700–2300 人 ⚠️）的约 8–10 倍。
7. 对 AI 和自动化的含义：研究助理和实验员（占五到六成）做的移液、细胞培养、铺板检测、样品处理，最容易被自动化；资深科学家做的实验设计、结果解读、决定下一轮做什么，是 AI 加闭环控制要增强的部分（对应 AI4S 报告的判断：先做实验数字化和闭环控制，而不是只做参数搜索）。

---

1. 湿实验覆盖哪些环节，以及谁来做

一个新靶点的完整验证包 ⚠️〔本地，09-23 大模型报告〕：1–3 年、3–10 名科学家、500 万–3000 万元。基因敲除小鼠这类"零件"已经工业化（全身敲除小鼠约 1 万元起，最快 7 周交付），真正贵的是科学家判断"做哪些实验、怎么解读"的时间。

2. 人员结构与比例

2.1 年报能看到的（恒瑞 vs 君实，2025 年报）

2.2 研发内部的岗位分布 ⚠️（09-23 报告的行业经验估算）

2.3 湿实验团队内部的金字塔 ⚠️

和学历分布的对照：恒瑞研发人员里博士只有 13%，而金字塔顶部（负责人加资深科学家）占 20–35%。两者能对上的前提是：资深科学家里有相当一部分是资深硕士，并且临床和注册岗位里博士比例较低。年报没有给出湿实验岗位单独的学历结构，这一点要靠访谈确认。

学科配比 ⚠️：

• 小分子发现项目：化学和生物的人数比约 1.5–3 : 1。化学合成是瓶颈，大量外包以后内部比例会下降。
• 大分子项目：抗体发现、蛋白科学、工艺、分析几块人数相当，CMC 团队往往最大。

2.4 交叉验证：人均耗材和外包产能

3. 各岗位的具体任务

4. 最通用的仪器

4.1 通用设备（不分阶段，几乎每个湿实验室都有）

4.2 分阶段的核心仪器〔本地〕

5. 最通用的试剂和耗材〔本地〕

规律〔本地〕：越接近"精密制造加软件加数据合规"的品类，越依赖进口；越接近"化学合成加规模生产加渠道"的品类，越容易国产化。

6. 最通用的流程

6.1 小分子：DMTA 循环（每轮约 1–4 周 ⚠️）

设计（构效关系、计算模拟）→ 合成（化学家或 CRO，液质联用和核磁确证）→ 测试（生化和细胞检测、选择性、体外 ADME）→ 分析（数据汇总，决定下一轮）→ 回到设计

• 一个先导优化项目通常要做几百到几千个化合物、几十轮循环，才能提名候选物 ⚠️。
• 瓶颈在合成（人力）和数据回流的速度。这正是自动化合成、AI 分子设计和"AI 假设验证工厂"要压缩的地方（见 09-23 大模型报告）。

6.2 抗体和大分子：从发现到候选物

抗原制备 → 免疫或展示库筛选 → 测序和克隆 → 小规模瞬时表达 → 纯化（Protein A）→ 结合（ELISA、SPR）和功能（细胞实验）测试 → 人源化和亲和力成熟 → 可开发性评估（聚集、热稳定性、表达量）→ 候选物

6.3 细胞实验标准流程（几乎所有生物学实验的底座）

复苏 → 传代扩增 → 计数和活率 → 铺板（96 孔或 384 孔）→ 加药（梯度稀释）→ 孵育 → 读板、成像或流式 → 数据分析（拟合 IC50/EC50）

• 这条链路的重复操作最多，是自动化工作站和机器人（镁伽的"黑灯实验室"）最先替代的部分。
• 类器官是这条流程的三维升级版：多了基质包埋、长周期培养、功能读数（见 AI4S 类器官报告：先做状态估计、异常预警、每孔一份数字批记录）。

6.4 体内研究

实验方案和动物伦理审批 → 动物采购和适应期 → 造模（如接种肿瘤）→ 分组 → 给药 → 观察和测量 → 取样（血样做药代、组织做病理）→ 生物分析 → 报告

6.5 GLP 毒理（多数外包）

GLP 方案 → 剂量探索 → 关键毒理（啮齿类加非啮齿类，常见 28 天或 3 个月）→ 临床病理和组织病理 → 毒代动力学 → 质量审计 → GLP 报告 → 进入 IND 申报包

7. 判断：自动化和 AI 能改变什么

• 限制条件（来自湿实验和 AI 训练报告）：湿实验以天到周计，信号稀疏、噪声大，前沿模型目前不把湿实验当在线奖励信号；更现实的是"实验数字化加慢回路回流数据"。
• 中国的特殊性：研发人力便宜（恒瑞研发人均约 41 万元），替代人力省下的钱比美国少；但中国拥有全球最大的 CRO 湿实验产能（药明化学业务一家就约 1.8 万人），更适合做"验证工厂"（09-23 大模型报告的判断）。
• 最有价值的切口：把"细胞实验标准流程"和"DMTA 的测试环节"做成标准化、可追溯、可闭环的自动化产线，同时沉淀高质量数据。这和 AI4S 报告"先做湿实验数字化和闭环控制"的路线一致。

8. 局限和待补

1. 研发内部的岗位分布、湿实验团队金字塔、化学和生物配比、DMTA 每轮周期和化合物数量，都是经验估算。建议用以下方式校准：
   • 招聘数据（各岗位的招聘量和学历要求）；
   • 访谈 3–5 家不同类型的公司（大药企、生物科技公司、CRO）的研发负责人；
   • 补充更多年报样本（信达、百济、科伦博泰），看研发人员学历和费用结构的离散程度。
2. 美国药企的人员结构本地没有数据。搜索额度恢复后，可以补上美国大药企和生物科技公司的研发人员结构（10-K 里的员工职能分布）。
3. 设备和试剂的国产化率部分数据偏旧（分子类试剂是 2021 年数据），引用时注意时效。

---

校对记录（v1 → v2）