基于 Metix AI 8.6 亿+ 全球人才库，对美国 22 家头部医疗 AI 公司与医院系统 AI 团队做全量画像，回答 HealthTech 招聘最难的问题：既懂临床工作流、又懂机器学习的「双语人才」存量有多少、藏在哪里、从哪来。
以下数字为 Metix AI 数据库口径（数据截至 2026 年上半年），统计对象 = 当前在职于这些医疗 AI 公司与医院系统 AI 团队、坐标美国的人才。
以下基于 2025-2026 公开信源逐条核实（完整来源见研究底稿），只保留影响招聘判断的事实。
环境临床记录赛道 2025 年融资近 10 亿美元（Ambience $243M/估值 $12.5 亿、Suki $168M、Nabla $70M）；Abridge 估值升至 53 亿美元、深度集成 Epic。医生采用率 30-40%、领先医院达 90%。产品从「模型」走向「嵌入临床工作流」，懂工作流的人成为关键。
OpenEvidence 估值 120 亿美元（40% 美国医生在用、单月 1,800 万次咨询）；Microsoft MAI-DxO 在 NEJM 病例诊断准确率报道达 85%；Google AMIE、Aidoc 31 个 FDA 清单产品。FDA 截至 2025-12 累计授权约 1,451 个 AI/ML 医疗设备（2025 单年 +48%，放射科占七成）。
Epic 预训练模型 CoMET（1.18 亿患者数据）、Cosmos 与 MyChart AI；Oracle Health 2025-11 推出 voice-first agentic EHR。EHR 巨头入场，把「临床数据 + ML」的人才需求推到新高。
Mayo（Halamka，250+ 算法、8 个基础模型）、UCSF（首任 chief health AI officer）、Kaiser（全系统部署 Abridge）、Mass General Brigham、Stanford RAISE-Health、Providence（1,600 医生用 ambient）。医院从采购转向自建 AI 团队，与厂商抢同一批懂临床的 ML 人才。
统计对象 = 6,415 名美国在职人才（医疗 AI 公司为全员，医院系统/EHR 巨头为可识别 AI/数据/信息学职能子集）。
读数：医疗 AI 机构的人才结构里，纯工程与 ML/数据科学是主体，但「临床/医学事务」与「临床信息学」两个临床侧职能合计占可观比例，这正是医疗 AI 区别于通用 AI 公司的地方。下一节聚焦其中最稀缺的交叉群体。
读数：与前沿 AI Lab 的「湾区一城独大」不同，医疗 AI 人才高度跟随医院系统与公司总部分布。这意味着招聘选址要贴近临床中心，而非只盯湾区。
本报告的核心。「双语人才」= 同时具备临床背景（医学/护理/药学学位、临床执业或临床职务）与机器学习能力（ML/数据科学 title 或技能）。全池仅 1,077 人，占 16.8%，即每 6.0 名医疗 AI 从业者中约 1 名。
读数：双语人才并非都在写代码。相当一部分落在「临床/医学事务」（把临床判断带进产品）与「临床信息学」（连接两端的桥梁学科）。这决定了招聘时不能只在 ML 岗里找，临床与信息学岗位同样是双语人才的栖息地。
读数：约 54% 的双语人才履历里有过真实的医院或诊所经历，说明这个群体主要由「在临床干过、再转向 AI」的人构成，而非纯科班 ML 工程师顺带学医。影像（放射/病理）是最早转型的临床专科。
读数：病理、影像、ambient 记录类公司（产品贴近临床判断）与医院系统的临床化程度最高；纯平台/基础设施类公司技术人才占比更高。临床化高的机构是双语人才密度最高的招聘池。
回答招聘最实际的问题：要找临床×ML 双语人才，去哪些「上游」挖。下图按每个人进入当前机构前的最近一段履历归类。
读数：全体来看最大来源是科技/医疗公司之间的横向流动；但临床执业（343 人）与学术/医学院（671 人）两条临床上游，是医疗 AI 区别于通用 AI 的特征管道，也是双语人才的主要来路。
读数：双语人才的来源结构与全体明显不同，「临床执业」与「学术/医学院」两条管道的占比显著更高。这印证了核心判断：双语人才不是 ML 工程师学医学出来的，而是临床人/医学研究者跨进了 AI。招聘要去医院信息科、学术医学中心的 informatics 实验室、影像/病理科找人，而不是只在科技公司挖。
读数：2025 年现任员工入职 2217 人，是 2023 年的 3.0 倍，医疗 AI 的招聘扩张与 ambient/LLM 产品落地同步发生在 2024-2025。
用全量档案还原两类标杆机构的团队梯队：一家纯医疗 AI 公司、一家医院系统 AI 团队。层级按 title 推断，非官方架构；公开版人名默认模糊。
纯医疗 AI 公司：临床/医学事务与 ML 并置，靠双语人才把临床判断接进产品。
医院系统 AI 团队：以临床信息学为核心，连接医生与数据科学，自建模型并嵌入 EHR 工作流。
从全量画像中挑出 22 位代表性人物，展示「临床×ML 双语人才」的真实形态与履历路径。档案事实来自 Metix AI 数据库；标注「公开核实」者已对照 2025-2026 公开信源确认现职。公开版人名默认模糊，填写信息后解锁。
双语人才招聘的核心张力：临床执业收入高，转入医疗 AI 多为降薪。理解这笔账，才知道用什么补。数字为 2026-06 公开市场口径，非个案承诺。
| 角色 / 路径 | 典型年收入 (TC) | 口径与来源 |
|---|---|---|
| 放射科医生（临床执业） | $571K（中位，2025） | Medscape 薪酬报告，2025 年 +9% YoY，影像科是最早接触 AI 的高薪专科 |
| 医疗 AI 公司 ML / 数据科学 | $150K-270K | levels.fyi 口径；热门赛道（Abridge 等）可达 $320K+ |
| Medical Director（医疗 AI 公司） | 约 $300K | 医学事务负责人，常含 equity |
| 创业公司 CMO（首席医疗官） | base $275-400K + equity | 成熟机构总包可 > $750K（含股权） |
| 临床信息学医生（医院系统） | $250-400K | board 认证临床信息学，桥梁岗位 |
放射科医生临床年薪中位约 $571K，而医疗 AI 公司 ML/数据科学岗 TC 仅 $150-270K。现金机会成本巨大，因此「医生想离开临床」意愿虽高（调查 35-60%），真正全职转非临床的比例仅约 2%。主通道是兼职顾问 / advisor + 高管 title（用 equity 与影响力补现金差），而非全职转工程岗。
吸引临床人转入的三件套：① equity 上行（早期医疗 AI 公司股权）；② 影响力规模（一个模型影响百万患者 vs 一天看几十个病人）；③ 摆脱职业倦怠与夜班（MGB 数据显示 ambient 工具使医生 burnout 降约 40%、60% 愿延长职业生涯）。对早期职业、informatics fellow、低薪专科的吸引力远高于高薪专科在职医生。
把这张地图变成招聘动作：去哪找、怎么转化、用什么留。
① 来源管道（第 5 节）指向最粗的进水管，临床执业与学术医学中心，而非科技公司；② 学术医学中心的 informatics 实验室（Stanford AIMI 已孵化 10 家医疗 AI 公司、Harvard/MGB、Mayo、Vanderbilt）是高产节点；③ 影像/病理科是最早转型的临床专科，双语密度最高；④ 高浓度机构（第 4 节）的在职者本身就是画像样本。
① 优先早期职业、informatics fellow、低薪专科，而非高薪在职专科（现金差太大）；② 主推兼职顾问 / 医学顾问入口，降低转换门槛，再谈全职；③ 用 equity + 影响力规模 + 摆脱 burnout 三件套补现金差，纯薪资对标必败；④ 渠道走 AMIA、RSNA、临床信息学 fellowship 圈层与 LinkedIn 信号，而非通用技术招聘渠道。
① 不要只在 ML 岗找双语人才，临床/医学事务、临床信息学岗同样是栖息地（第 4.3 节）；② 用「临床信息学」岗位作为连接医生与数据科学的桥梁角色；③ 招聘选址贴近临床中心而非只盯湾区（第 3.3 节地理分散）；④ 留人靠真实临床影响力与产品话语权，这是医院系统和厂商共同争抢同一批人时的差异点。
本报告的检索、画像、来源管道分析全部由 Metix AI 完成。可按同样口径为任意医疗 AI 岗位生成定制人才地图：双语人才长名单导出、临床背景核验、来源管道定位、邮箱解锁与多渠道触达，并按「只为合格面试付费」计费。No interview, no charge.
8.6 亿+ 全球人才画像1,077 名临床×ML 双语人才临床背景核验只为合格面试付费纯医疗 AI 公司（Tempus、PathAI、Viz.ai、Abridge、Ambience、Aidoc、Hippocratic、OpenEvidence、Suki、Innovaccer、Commure/Athelas、Cleerly、Cohere Health、Notable、Qventus、Regard）为全员检索；医院系统（Mayo、Kaiser、Mass General Brigham、Cleveland Clinic、HCA）与 Nuance(Microsoft) 为 AI/数据/信息学职能子集，绝对数偏保守。范围 = 档案常驻美国。
满足任一即计入：① 医学/护理/药学学位（MD/DO/MBBS/RN/NP/PharmD/DNP 等）；② 临床职务（医生/护士/药师/放射/病理/医学总监/临床信息学等）；③ 履历含医院/诊所/医疗系统等临床执业机构。学位为高置信，职务或执业经历为中置信。
满足任一即计入：ML/数据科学/研究科学 title，或档案技能含机器学习/深度学习/NLP/计算机视觉/数据科学等。双语人才 = 同时满足临床背景与 ML 能力。
数据截至 2026 年上半年；档案更新存在滞后，代表性人物已逐人对照公开信息复核，2025-2026 的最新职位变动以公开信源为准标注。
| 机构 | 在职画像 | 临床背景 | 临床占比 | 临床×ML 双语 | 双语占比 |
|---|---|---|---|---|---|
| Tempus AI | 2,067 | 498 | 24.1% | 86 | 4.2% |
| Mayo Clinic | 705 | 705 | 100.0% | 414 | 58.7% |
| Commure / Athelas | 493 | 61 | 12.4% | 13 | 2.6% |
| Abridge | 436 | 84 | 19.3% | 14 | 3.2% |
| Kaiser Permanente | 376 | 376 | 100.0% | 216 | 57.4% |
| Innovaccer | 337 | 48 | 14.2% | 5 | 1.5% |
| Cleveland Clinic | 250 | 250 | 100.0% | 137 | 54.8% |
| PathAI | 239 | 71 | 29.7% | 12 | 5.0% |
| Cleerly | 206 | 57 | 27.7% | 8 | 3.9% |
| HCA Healthcare | 190 | 18 | 9.5% | 13 | 6.8% |
| Mass General Brigham | 178 | 178 | 100.0% | 102 | 57.3% |
| Suki AI | 177 | 32 | 18.1% | 5 | 2.8% |
| Viz.ai | 165 | 56 | 33.9% | 6 | 3.6% |
| Aidoc | 155 | 44 | 28.4% | 6 | 3.9% |
| Hippocratic AI | 102 | 51 | 50.0% | 15 | 14.7% |
| Regard | 99 | 18 | 18.2% | 3 | 3.0% |
| OpenEvidence | 94 | 21 | 22.3% | 9 | 9.6% |
| Notable Health | 48 | 7 | 14.6% | 1 | 2.1% |
| Cohere Health | 47 | 11 | 23.4% | 2 | 4.3% |
| Nuance (Microsoft) | 31 | 7 | 22.6% | 2 | 6.5% |
| Ambience Healthcare | 18 | 12 | 66.7% | 8 | 44.4% |
| Qventus | 2 | 1 | 50.0% | 0 | 0.0% |
① 覆盖率：纯医疗 AI 公司为全员，医院系统/EHR 巨头为可识别 AI/数据/信息学子集（其庞大临床主体不计入），机构间比较以占比与结构为主、绝对数为辅。
② 临床背景为概率判定：基于学位/职务/雇主关键词；不在档案标注学位的临床人会漏检，「双语人才」为下限口径。
③ 职能与层级推断：基于 title/headline 关键词，title 模糊者可能误分。
④ 数据时效：静态快照，近 1-2 个季度变动有滞后；代表性人物已逐人复核。
⑤ 本报告基于公开职业档案聚合，各项为数据库口径，宜与机构公开编制互为参照。