第 30 章事业定位：AI 到 GMP 的翻译者

当设计趋近免费，哪些技能在多肽领域里升值，去哪里学，去哪里做，两年内如何进入。

30.1 为什么"翻译者"在 AGI 时代升值

一个生成模型可以在一个下午输出一万条候选序列，每条都带着预测结合能、预测半衰期与预测溶解度。到这一步为止，成本趋近于零。接下来的事情没有一件是免费的：其中多少条序列能在固相合成上做出来，哪些序列会在树脂上聚集导致偶联失败，哪些含非天然氨基酸的位置需要定制保护基，哪条粗品能用制备型高效液相色谱纯化到 99% 以上，哪种缓冲配方能冻干成稳定的粉末，哪份质量标准能让 FDA 的审评员在 60 天内不发补充信息要求。把模型的输出翻译成一个能在 cGMP 车间里重复生产的公斤级批次，这一系列判断就是本章所说的"翻译"。

这个岗位在 AGI 时代升值而不是贬值，原因有三个。第一，设计的产出越多，翻译的需求越大。当候选序列从每年几十条变成每天上万条时，筛掉"做不出来的"与"做得出来但成本十倍的"这一步的价值随之放大，而这一步需要的是对反应釜内传质、树脂溶胀与差向异构化的手感，这些手感来自失败的批次，而不是文献。第二，多肽产能是全书论证的稀缺资产之一，而产能的约束在 2026 年已经从资本转向人才。多家 CDMO 在扩产公告中明确把工艺化学、冻干工程与质量人才列为约束，Lonza 6.5 亿瑞郎的 Visp 与 Geleen 项目到 2028 年第三季度才投产，这 30 个月里最难的不是建厂房，而是配齐能带 kg 级放大项目的人。第三，AI 从头设计出的分子恰恰是最难做的分子：大环肽、订书肽、含多个非天然氨基酸的迷你蛋白、带脂肪酸侧链与连接子的偶联物。设计越自由，制造越困难，翻译者的边际价值越高。

全球能独立负责一条从 10 克到 10 公斤放大路线的多肽工艺负责人有多少，没有官方统计。以 Bachem 约 2,000 名员工、PolyPeptide 约 1,200 名员工、Lonza 多肽部门数百人以及药明康德 TIDES 团队数千人推算，能独立主持商业化放大并对注册文件负责的资深工艺负责人，全球在数百到两千人之间（估算）。这就是"屈指可数"的含义。相比之下，2026 年全球能熟练调用蛋白结构预测与生成模型的计算生物学从业者已经以万计，而且每一代模型的易用性都在降低门槛。两条曲线的方向相反，这是定位的全部依据。

翻译者的工作日常可以用一个例子说明。2026 年一家 AI 设计公司把一条 42 个残基、含三个 D 型氨基酸与一个侧链环化位点的候选序列交给 CDMO，模型给出的结合能与稳定性预测都优于对照分子。工艺团队第一周的回复不是报价，而是三个问题：环化位点的两个残基相距 11 位，用什么正交保护基在树脂上完成环化而不影响主链；第 28 到 33 位连续五个疏水残基在放大时几乎必然聚集，是否接受用假脯氨酸二肽替代其中一个位置；三个 D 型氨基酸中有一个是非商品化的原料，单公斤价格超过 2 万美元，能否换成结构相近的商品化残基。每一个问题都会改变序列，也就改变模型的预测，于是设计团队要重新打分，工艺团队再评估。这个来回在 2026 年通常需要三到六周，占一个项目从序列到临前批次总时间的三分之一以上。能把这个来回压缩到一周的人，就是翻译者。

30.2 稀缺技能清单

下面七项技能构成翻译者的技能栈。没有人需要同时精通七项，但一个翻译者至少要精通其中两项，并且能与其余五项的负责人用对方的语言对话。

技能	解决的问题	AI 短期替代不了的原因	入门到可独立工作
工艺化学	保护基策略、偶联试剂、差向异构化、困难序列	依赖失败批次积累的经验	3 到 5 年
SPPS 放大	克到公斤到吨级，传质、溶剂、反应釜设计	每一级放大都有新的物理现象	4 到 6 年
冻干工程	配方、崩解温度、干燥曲线、残留水分	设备特异性强，试错成本高	2 到 4 年
QA/QC	杂质谱、方法验证、数据完整性、偏差调查	监管对人的签字负责	2 到 4 年
CMC 注册	DMF、Module 3、杂质限度、与监管机构沟通	需要对法规意图的判断	3 到 5 年
蛋白设计模型	结构预测、生成、打分、可合成性过滤	这一项最容易被 AI 本身替代	1 到 2 年
湿实验自动化	自动合成仪、液体处理、LIMS、闭合验证循环	设备与生物系统的接口不稳定	2 到 3 年

工艺化学是这个技能栈的核心。Fmoc 固相合成的原理（见第 13 章）在教科书里只有两页，但一条 39 个残基、带两个非天然氨基酸和一条 C18 二酸侧链的司美格鲁肽（semaglutide）类序列，在放大时会遇到至少十种教科书没有写的问题：第 20 到 25 位的聚集导致偶联不完全、精氨酸保护基脱除不彻底、天冬氨酸的酰亚胺化、侧链偶联的位置选择性、切割时的烷基化副反应。一个成熟的工艺化学家能在看到序列的第一分钟指出这些风险位点，并给出替代路线（片段缩合、假脯氨酸二肽、改变偶联试剂）。这是模型目前做不到的，因为训练数据里几乎没有失败批次的记录，而 CDMO 把这些记录视为核心机密。

SPPS 放大是把工艺化学变成产能的那一步。实验室 0.1 毫摩尔规模用 2 克树脂，商业化规模一批用数百公斤树脂，反应釜从 50 毫升变成数千升，溶剂用量从每批几升变成每公斤多肽数吨 DMF。放大过程中的传质、树脂床压降、温度分布、洗涤效率都是新问题。药明康德把多肽固相合成釜总体积从 2022 年的 6,000 升扩大到 2025 年 9 月的超 10 万升，凯莱英计划 2026 年从 45,000 升扩到 69,000 升，这些数字背后每一台新反应釜都需要有人把工艺重新验证一遍。冻干工程是产能瓶颈里最容易被忽视的一环。多肽原料药与制剂几乎都以冻干粉形式储存，一台商业化冻干机的交付周期 12 到 24 个月，Lonza 在 Visp 新增的 5 万升冻干能力是整个项目的关键路径之一。冻干工程师要决定配方（缓冲盐、赋形剂、多肽浓度）、找到崩解温度、设计一次干燥与二次干燥曲线，并保证残留水分与复溶时间在标准内。这一步的失败通常表现为整批产品瓶内塌陷或者稳定性试验不合格，损失以百万美元计。

QA/QC 与 CMC 注册是把产能变成"可信任的产能"的两项技能，对应全书四大稀缺资产中的"监管与信任"。质量控制要建立多肽的杂质谱：缺失肽、差向异构体、氧化产物、脱酰胺产物、保护基残留，每一类都需要经验证的色谱方法。ICH Q6B、Q11 与 FDA 2021 年关于合成多肽 ANDA 中免疫原性评估的指南，定义了什么叫"足够纯"。CMC 注册人员要把这一切写进药品主文件（DMF）或申报资料的 Module 3，并在监管机构提出问题时给出有依据的回答。圣诺生物司美格鲁肽与利拉鲁肽的美国 DMF 备案、翰宇药业利拉鲁肽 ANDA 的 FDA 批准，背后都是这两项技能的产出。中国多肽公司出海最缺的就是这两类人，因为 2020 年以前几乎没有中国团队完整走过一遍 FDA 多肽仿制药或原料药的审评。

蛋白设计模型是七项里唯一"越学越便宜"的一项，但对翻译者仍是必需的。翻译者不需要训练模型，需要的是理解 RFdiffusion、ProteinMPNN、ESM 系列与 AlphaFold 3 类模型的输出意味着什么，知道模型给出的置信度与实际可合成性之间的差距，能给设计团队提出"这个位置换成 D 型氨基酸放大时会省一半成本"这类反馈。湿实验自动化则是把翻译的速度提上来的技能：自动多肽合成仪、液体处理机器人、LIMS 系统与设计模型之间的数据接口，决定了一个团队每周能验证多少条序列。2026 年多家 AI 设计公司的招聘里，"能让机器人稳定跑一周不出错"的工程师比"能写新模型"的研究员更难招。

30.3 岗位与薪酬区间：美国、瑞士、中国

薪酬数据来自 2026 年的招聘平台与薪酬数据库，不同来源口径差异很大（基本工资、总薪酬、含股权与否），下表给区间而不是点值，读者应以具体职位公告为准。

岗位	美国（美元/年）	瑞士（瑞郎/年）	中国（万元人民币/年）
多肽工艺化学家（3 到 8 年）	约 8.7 万到 13.7 万	约 9 万到 13 万（估算）	约 20 到 45（估算）
SPPS 放大负责人（8 年以上）	约 14 万到 20 万（估算）	约 13 万到 18 万（估算）	约 50 到 100（估算）
冻干工程师	约 8.3 万到 11 万	约 9 万到 12 万（估算）	约 15 到 40（估算）
QA/QC 经理	约 10 万到 15 万（估算）	约 10 万到 14 万（估算）	约 20 到 45（估算）
CMC 注册经理	约 12.2 万到 20.4 万	约 12 万到 17 万（估算）	约 40 到 80（估算）
蛋白设计 ML 科学家	约 15.5 万到 32.5 万	约 13 万到 20 万（估算）	约 40 到 100（估算）
实验室自动化工程师	约 8.7 万到 14.3 万	约 9 万到 13 万（估算）	约 20 到 45（估算）

美国的数据最完整。多肽化学家在 Glassdoor 上的平均年薪约 10.1 万美元，2026 年的具体职位公告中，多肽合成专员的基本工资区间为 8.7 万到 11.5 万美元，研究科学家 8.7 万到 13.7 万美元。冻干岗位的平均年薪约 8.3 万美元，一个冻干工程师职位的基本工资区间为 9.98 万到 11.03 万美元，而冻干操作员只有每小时 20 美元左右，说明这个环节内部的薪酬梯度很陡。CMC 注册经理是传统技能里薪酬最高的一项：Glassdoor 平均约 15.7 万美元，Salary.com 2026 年 9 月约 15.4 万美元，25 到 75 分位为 12.2 万到 20.4 万美元，90 分位可达 25.6 万美元。实验室自动化工程师全美平均约 10.7 万美元，25 到 75 分位 8.65 万到 12.35 万美元，旧金山约 17.5 万美元，圣何塞可达 22.4 万美元。蛋白设计方向的机器学习科学家在制药与生物技术行业的中位总薪酬约 15.5 万美元，资深者基本工资 24.5 万到 32.5 万美元另加股权，Generate Biomedicines 数据科学家的中位总薪酬约 26 万美元，最高报告值约 38 万美元。这组数据说明一件事：在美国，纯 AI 岗位的薪酬上限最高，但翻译者岗位（CMC、放大）的薪酬中位数已经接近 AI 岗位的中位数，而且供给更少。

瑞士的公开数据较少。Lonza 工艺工程师在 Glassdoor 上的平均基本工资约 8.55 万瑞郎，总薪酬区间约 9.4 万到 10.4 万瑞郎，Bachem 项目化学家的报告值与之相近。瑞士薪酬的特点是绝对值比美国低 10% 到 20%，但税负显著更低，社会保障完整，Bubendorf 与 Visp 所在的巴塞尔乡村州与瓦莱州生活成本低于苏黎世。资深放大负责人与 CMC 负责人的薪酬在 13 万到 18 万瑞郎之间（估算），这个数字未能在公开来源中核实，来自对 Glassdoor 相关职级数据的推算。

中国的数据最分散。药明康德 2026 年校园招聘中，一个要求 985 高校硕士的分析分离工程师岗位月薪 9,500 元，年薪约 11.4 万元人民币，这是入口的水位。有 3 到 8 年经验的多肽工艺研发工程师在猎聘与 BOSS 直聘上的区间约 20 万到 45 万元（估算），能独立带商业化放大项目的负责人在 50 万到 100 万元之间（估算），个别公司为从欧美 CDMO 回流的人才开出更高的数字。CMC 注册经理因为出海需求集中，2024 年以来涨幅最大，约 40 万到 80 万元（估算）。AI 蛋白设计岗位在上海与深圳的头部公司可达 40 万到 100 万元（估算）。所有中国数字未能用官方统计核实，标注为估算。另一个需要说明的口径差异是股权：美国 AI 设计公司的总薪酬中股权通常占三成到一半，公司上市前这部分只是纸面数字，Generate Biomedicines 2026 年 2 月 IPO 后首日即跌破发行价，说明这部分薪酬的波动可以很大；CDMO 与原研制药的薪酬则以现金为主，绝对值低但确定性高。比较两类岗位时要把这一点算进去。

三国之间的差距本身就是一个定位信息。中国多肽 CDMO 的成本比欧美低 30% 到 50%，其中人力成本是主要构成之一。这意味着两件事：在中国积累 GMP 放大经验的成本最低（岗位数量最多，项目周转最快），而这些经验在欧美市场的兑现价格最高。一个在常州或连云港带过三个商业化批次的工艺化学家，到瑞士或美国 CDMO 的薪酬是原来的 3 到 5 倍，前提是语言、签证与法规体系的转换。

30.4 学习路径：两年内进入

两年是一个现实的时间尺度：足以从零学会 Fmoc 化学并亲手做出几十条多肽，足以在一家 CDMO 完成一个从中试到商业化的项目周期，也足以让一个计算背景的人跟完一条 kg 级放大路线的全流程。两年不足以成为资深放大负责人，那需要 5 年以上，但足以进入这个环节并开始积累失败批次。

起点背景	0 到 6 个月	6 到 12 个月	12 到 24 个月
化学或药学	亲手合成 20 条多肽，学 ICH Q7、Q11	进入 CDMO 工艺或 QC 岗	跟完一个放大项目，学模型输出解读
计算机或 ML	学生物化学，跑通开源设计流程	进入 AI 公司湿实验验证或数据岗	到 CDMO 或制药做 6 个月轮岗
机械或化工	学冻干原理与 GMP 基础	进入冻干、设备或自动化岗	考 PDA 冻干或 ISPE 认证，带一台设备验证
无相关背景	补化学与生物基础，学 GMP 文件体系	进入 QA 文件或注册助理岗	转 CMC 注册，跟一份 DMF 递交

化学或药学背景的读者路径最直接。头六个月的目标是把 Fmoc 固相合成从原理变成手感：在实验室或短期课程中亲手合成至少 20 条不同长度与难度的多肽，经历至少五次失败（聚集、缺失肽、切割副反应），并学会用 LC-MS 读粗品谱图。同时读完 ICH Q7（原料药 GMP）与 Q11（原料药开发与制造），这两份文件是所有 CDMO 工作的语法。6 到 12 个月进入一家 CDMO 的工艺研发或 QC 岗位，中国的岗位数量最多，欧美的岗位对经验要求更高。12 到 24 个月的目标是完整跟一个项目从中试到商业化批次，并开始学习设计模型的输出形式，能读懂设计团队给的置信度与结构文件。

计算机或机器学习背景的读者路径是反向的。头六个月补生物化学与多肽化学基础，跑通至少一套开源设计流程（如 RFdiffusion 加 ProteinMPNN 加结构预测复核），并且为自己设计的 50 条序列做可合成性评估：有多少条含超过 30 个残基、多少条有连续疏水段、多少条需要非天然氨基酸。6 到 12 个月进入一家 AI 设计公司，但要争取湿实验验证或数据工程岗而不是纯模型岗，因为纯模型岗是第 25 章所说最先被压缩的位置。12 到 24 个月争取到 CDMO 或制药企业的制造部门轮岗半年，亲眼看一台 1,000 升反应釜的一个批次，这半年的经历在整个行业里是稀缺资历。

机械、化工与自动化背景的读者路径是围绕设备。冻干、自动合成仪、液体处理系统、色谱纯化设备都需要既懂设备又懂 GMP 验证（IQ/OQ/PQ）的人。头六个月学冻干原理与 GMP 基础，6 到 12 个月进入设备、冻干或自动化岗，12 到 24 个月考取 PDA 或 ISPE 的相关认证，并独立负责一台设备的验证。没有相关背景的读者可以从 QA 文件与注册助理进入，这两个岗位对专业背景要求相对宽松，对细心与文件能力要求高，12 到 24 个月后转 CMC 注册并跟完一份 DMF 递交，就已经站在了信任环节上。

四条路径的共同要求有三项。第一，每个人都要维护一份"做得出与做不出"的判断记录：每见到一条序列，写下自己对可合成性、放大风险与成本的判断，事后对照实际结果，两年积累 200 条以上的记录，这是翻译者最核心的资产，也是面试时最有说服力的作品集。第二，至少一门外语能读法规文件，FDA 与 EMA 的指南没有权威中文版，NMPA 的指南没有权威英文版。第三，加入行业组织（美国肽学会、欧洲肽学会、中国生物化学与分子生物学会多肽专业委员会），多肽是一个小圈子，2026 年的多数资深岗位通过人际网络而不是招聘网站填补。

30.5 地理选择

多肽产能集中在少数几个集群，翻译者的地理选择本质上是在这几个集群之间选。

集群	核心雇主	特点	适合谁
瑞士西北部与瓦莱州	Bachem、Lonza、PolyPeptide、诺华、罗氏	薪酬高税低，签证配额紧	有 5 年以上经验者
美国波士顿与东北部	Generate、AI Proteins、多家 AI 设计公司	AI 岗位最多，生活成本最高	计算与湿实验交叉者
美国北卡与印第安纳	礼来新建制造基地及配套 CDMO	制造岗位增长最快	放大、冻干、QA 人才
中国长三角	药明康德、诺泰生物、凯莱英	岗位最多，项目周转最快	起步阶段的所有人
中国深圳与成都	翰宇药业、圣诺生物	出海注册需求集中	CMC 与 QA 人才
丹麦与瑞典	诺和诺德、PolyPeptide Malmö	原研制造体系完整	制剂与冻干人才

瑞士是全球高端多肽产能的中心。Bachem 的 Bubendorf 与 Vionnaz、Lonza 的 Visp、PolyPeptide 的 Baar 总部构成一个可以在两小时车程内往返的三角，加上巴塞尔的诺华与罗氏，这里对多肽工艺人才的需求密度全球最高。障碍是签证：非欧盟与非欧洲自由贸易联盟国籍的工作许可受年度配额限制，雇主通常只为有 5 年以上经验且瑞士本地找不到替代的人申请。对中国读者，现实的路径是先在中国或欧盟其他国家积累经验，再以资深身份进入。

美国有两个不同性质的集群。波士顿与剑桥是 AI 设计公司最集中的地方，Generate Biomedicines、AI Proteins 等公司在这里，加上大量制药公司的研发中心，适合走"计算加湿实验"路径的人，代价是生活成本与 H-1B 签证抽签的不确定性。制造集群在中西部与东南部：礼来在印第安纳州与北卡罗来纳州的新建产能带动了配套 CDMO 与设备供应商的招聘，这些地方的岗位对工艺、冻干与 QA 人才需求大，生活成本明显低于两岸。

中国的优势是岗位数量与项目速度。长三角（上海、常州、连云港、台州、杭州）集中了药明康德、诺泰生物、凯莱英的多肽产能，深圳有翰宇药业，成都有圣诺生物。一个刚入行的人在中国 CDMO 两年内能接触到的项目数量，可能是瑞士同龄人的两到三倍，因为中国公司同时服务几十个仿制与创新项目。代价是薪酬低、工作强度高、以及地缘政治带来的不确定性：美国生物安全法案的进展会直接影响中国 CDMO 的美国客户比例，进而影响岗位。丹麦 Kalundborg 的诺和诺德制造基地与瑞典 Malmö 的 PolyPeptide 是原研制造体系最完整的地方，适合想学制剂与冻干的人，语言与气候是门槛。韩国的 Galux 与日本的多肽公司规模较小，不作为主要选项。

地理选择的决策规则可以简化为一句话：起步选岗位多的地方，成熟选溢价高的地方。对多数中文读者，这意味着前两到四年在长三角或深圳积累批次经验与注册经验，之后视机会转向瑞士、美国制造集群或欧洲原研，每一次转换的薪酬倍数在 2 到 5 倍之间。反向流动也在发生：2024 年以来多家中国多肽公司从欧美 CDMO 高薪引进放大与 CMC 负责人，为他们开出的薪酬已经接近欧美水平。

30.6 翻译者的职业风险

这个岗位的升值判断建立在全书的论点之上，如果论点错了，岗位也会错。第 32 章会系统讨论失败模式，这里只说与事业直接相关的三个。

第一个风险是 AGI 压缩的范围比预期更大。本书判断被压缩的是设计层，制造层因为物理与监管约束不受影响。但如果自动化合成仪与自动优化系统在 2030 年前把放大试错的大部分工作接管，工艺化学家的经验溢价会被摊薄。对这个风险的对冲是把技能栈往两端延伸：一端是监管与信任（QA、CMC），监管体系要求有具名的人对签字负责，这是 AI 无法替代的法律结构；另一端是自动化本身，会让机器人稳定跑的人不会被机器人替代。

第二个风险是口服小分子替代导致多肽产能过剩。如果 2028 到 2030 年集中投产的产能遇上需求转向口服小分子，CDMO 会裁员，PolyPeptide 2023 年因产能转换与项目延迟而缩减人员就是先例。对冲方式是站在复杂度曲线的右端：多靶点长链、偶联多肽、大环肽、迷你蛋白这些小分子做不到的分子，无论口服替代进展如何都需要固相合成。一个只会做常规 GLP-1 类似物放大的工艺化学家风险最高，一个能做偶联与环化放大的风险最低。

第三个风险是地缘政治。对在中国 CDMO 工作的人，风险是美国客户流失；对在美国工作的中国籍研究人员，风险是敏感行业的从业限制；对想去瑞士的人，风险是配额政策变化。这三种风险无法用技能对冲，只能用可移动性对冲：法规知识（FDA、EMA、NMPA 三套体系至少熟悉两套）、语言能力与国际认证是让一个人在集群之间移动的通行证。

这三个风险有一个共同的缓释因素：多肽制造是一个小行业，2026 年全球商业化多肽原料药年产量以吨计，而不是以万吨计，每一个能独立负责放大与注册的人都被行业内的人认识。这种可见度本身就是职业安全的一部分。在一个每个人都认识每个人的行业里，判断力的声誉比任何一张证书更值钱，而声誉需要的正是那份"做得出与做不出"的判断记录。

本章要点

翻译者指能把 AI 输出的序列变成 cGMP 公斤级批次的人，全球能独立主持商业化放大并对注册文件负责的资深者估计在数百到两千人之间，这个岗位随设计产出增加而升值。
七项稀缺技能中工艺化学与 SPPS 放大最难替代（入门到独立需 3 到 6 年），蛋白设计模型最易替代（1 到 2 年），翻译者至少精通两项并能与其余五项对话。
美国 CMC 注册经理年薪约 12.2 万到 20.4 万美元，资深蛋白设计 ML 科学家基本工资 24.5 万到 32.5 万美元，瑞士 Lonza 工艺工程师总薪酬约 9.4 万到 10.4 万瑞郎，中国入口岗位年薪约 11 万元人民币而资深放大负责人可达 50 万到 100 万元（估算）。
两年学习路径按背景分四条，共同要求是亲手做多肽、维护 200 条以上"做得出与做不出"的判断记录、能读法规原文。
地理规则是起步选岗位多的地方（中国长三角、深圳、成都），成熟选溢价高的地方（瑞士、美国制造集群、北欧原研），每次转换薪酬倍数 2 到 5 倍。
三个职业风险是自动化接管放大试错、口服替代导致产能过剩、地缘政治限制流动，对冲方式分别是向监管与自动化两端延伸、站在复杂多肽一端、保持跨法规体系的可移动性。

与定位的关系

事业线是全书四大稀缺资产中"工艺人才"这一项的直接体现。资本可以在 18 到 36 个月内买到反应釜与冻干机，买不到会用它们的人，这就是为什么多家 CDMO 把人才而非资本列为扩产约束。翻译者岗位的价值不来自任何一个分子，而来自设计产出与制造能力之间不断扩大的落差。AGI 让这个落差扩大而不是缩小。

对资本线，本章的雇主地图与第 29 章的标的表是同一张图的两面。一家 CDMO 能不能在 2028 年把新产能填满，取决于它在 2026 到 2027 年能不能招到并留住足够的放大与质量人才，读者在评估防守端标的时可以把招聘页面上长期空缺的资深岗位数量当作一个先行指标。同样，一家 AI 设计公司如果只招模型研究员而不招湿实验与制造对接人员，说明它还没有想清楚自己的分子怎么变成药。

对个人线，本章有一个间接的含义。理解制造环节的人会对灰色市场产品的纯度与污染风险有更具体的认识：知道一批多肽从粗品到 99% 纯度要经过什么，就不会相信一瓶没有批检验报告的"研究用多肽"。第 31 章会从证据分级的角度展开这一点。

第 30 章 事业定位：AI 到 GMP 的翻译者