CEO说AI能攻克癌症，这个方向现在值得押上读研或转岗吗？

消息提到，Arm CEO哈斯表示，AI或许能帮助人类在我们这一代人有生之年攻克癌症，并认为医疗健康是AI真正具有颠覆性的应用领域，能缩短药物研发和测试时间。但医学研究人员同时指出，癌症不是单一疾病，而是100多种疾病的集合，目前证明AI对临床医疗产生实际影响的证据仍然有限。我的判断是：它是一个方向信号，不是就业保证；你要核查的是任务类型，而不是口号。

对准备读研或转岗的人，第一刀切在药物发现与临床落地。药物发现类更靠近计算：靶点筛选、分子生成、试验设计辅助，团队常见计算生物学、生物信息、机器学习背景。临床落地类更靠近医院和监管：辅助诊断、患者分层、真实世界数据，需要懂临床流程、数据合规和验证设计。两类岗位的日常、面试问题和导师资源完全不同。先想清楚你愿意做哪一类，再谈转不转。不能因为CEO说了“攻克癌症”，就假定这个方向会有大量岗位等着你。

算力受限被反复提及，对想进AI医疗的人意味着什么？

哈斯也提到，实现这类目标需要海量计算能力，目前算力供应非常受限，需要更多晶圆厂。这是产业侧的基础设施判断，不是招聘行情。它能给你的启发是：去核查目标团队实际依赖什么。面试或选导师时可以直接问：项目主要用自建集群还是公有云？数据规模多大、标注由谁做？如果算力紧张，团队优先保训练还是保推理？这些问题比“你们用不用大模型”更能看出你进去后干什么。

一个假设场景：两位同学都拿到AI医疗方向的offer。A的团队做药物分子生成，日常是清洗公开数据集、跑小规模实验；B的团队和医院合作做影像辅助，日常是处理脱敏数据、对齐临床标注。前者更看算法迭代速度，后者更看数据合规和临床沟通。没有谁更高贵，但你要知道自己更适合哪种节奏。这是模拟场景，不是实际招聘案例。

面试或选导师时，怎么问出AI医疗项目是真研究还是演示？

素材里有一句关键提醒：AI可以帮助寻找药物靶点并预测作用，但证明临床实际影响的证据仍有限，人体变量让预测变得困难。这句话可以直接变成你的核查问题。

问数据来源：训练数据来自公开库、合作医院还是自采？有没有伦理审批和患者知情同意？问验证阶段：目前停在细胞或动物实验，还是已进入临床试验？有没有和临床医生共同署名的产出？问失败案例：这个方向试过哪些没走通的路，原因是什么？如果对方只谈“AI将改变医疗”，却说不清数据从哪来、验证到哪一步，那更像演示而非研究。反过来，能坦率讲清失败和边界的团队，通常更值得跟。

一个可做的小建议：挑三个你感兴趣的老师或团队，各写三行——他们做什么任务、数据从哪来、验证到哪一步。写完再决定要不要投，比只看CEO的一句话靠谱得多。