编者按:外界常把 Anthropic 想象成一个由博士、研究员和前沿模型专家组成的 AI 实验室,但这份对 1,680 名工程师履历的拆解,给出了一个更现实的答案:Anthropic 的核心并不只是「研究」,而是「建设」。
本文通过分析 5,306 个 LinkedIn 上标注 Anthropic 在职的个人资料,并进一步筛选出其中 1,680 名工程师履历,得出一个反直觉结论:Anthropic 最核心的人才画像,并非外界想象中的「研究员」,而是一批经验丰富的「建设者」(builder,能把大规模系统真正搭起来、跑起来、扩展开来的人)。
数据显示,Anthropic 的工程团队几乎是在过去 18 个月内快速成型:当前一半以上工程师入职不到一年,但新员工普遍非常资深,加入前工作经验中位数达到 12.2 年,且大量来自 Google、Meta、Amazon、Microsoft、Stripe、Databricks、Snowflake、Palantir 等以工程能力和基础设施著称的公司。
这也解释了 Anthropic 工程组织的真实重心:相比外界关注的模型研究,它更像一家高度工程化的基础设施公司。其工程师背景主要集中在基础设施、后端、分布式系统、数据库和安全等方向;博士占比仅 13.7%,多数人是拥有本科或硕士学历的资深工程师。
早期职业人才并非完全没有机会,但门槛同样极高:顶级科技公司实习、竞赛成绩、论文发表,或 AI 安全 / 对齐项目经历,往往成为替代工作年限的筛选信号。
作者最后给出的建议也很直接:如果想加入 Anthropic,不要把简历写成投给研究实验室的样子,而要突出你真正构建、扩展和维护过的大规模系统。前沿 AI 竞争的底层,越来越接近一场工程能力与基础设施能力的竞争。
以下为原文:
Builders,而不是研究员
我抓取了所有 LinkedIn 上将 Anthropic 列为当前雇主的个人资料,共 5,306 人。随后筛选出其中真正属于工程岗位的 1,680 人,并进一步查看了他们过往职位描述中的 7,986 条记录,分析他们加入 Anthropic 之前都在做什么。
以下是结果。
几乎是在一夜之间把组织扩张起来的
在 2021 年以前就加入 Anthropic、且至今仍在职的工程师只有 15 人。2025 年,这个组织的工程团队几乎扩大了三倍,当年新增 686 名工程师;2026 年的招聘速度也有望与之相当,截至 6 月已经新增 455 人。
当前工程团队中,有一半人在 Anthropic 的任职时间不到一年。53% 的人是在过去 12 个月内加入的。中位任职时长:10 个月。
这是一个大体量组织,却几乎是在约 18 个月内搭建起来的。
几乎只招资深工程师
加入 Anthropic 之前的工作经验中位数为 12.2 年。中间 50% 的人拥有 8.8 年至 16.5 年经验。在这 1,680 人中,工作经验不足 3 年的只有 50 人。44% 的人拥有 13 年或更长工作经验。应届生招聘基本不存在。
也就是说,Anthropic 的典型新员工,是一位拥有 12 年经验、但入职 Anthropic 只有 10 个月的工程师。
明显更偏向基础设施,而不是传统意义上的研究
基础设施背景出现在 40% 的工程师履历中。后端、分布式系统、数据库和安全等方向,各自占比约 20%。强化学习,也就是 RLHF 中的那个「RL」,只出现在 3.3% 的人履历中。
典型的 Anthropic 工程师,过去十年通常是在一家超大规模云厂商,或一家重基础设施的创业公司里,构建大规模生产系统。
他们自列的技能也说明了同一件事:Python 585 人,Java 566 人,C++ 443 人,JavaScript 376 人,SQL 302 人,Linux 230 人,分布式系统 189 人,AWS 154 人。那些听起来更「性感」的模型训练工作当然存在,但占比很低。
最大的人才来源不是实验室,而是 Google
大家都以为 Anthropic 主要从 OpenAI 和 DeepMind 挖人。但它最大的人才管道,远远领先的,是 Google。那些竞争对手实验室,只是图表中间的两根小柱子。
Anthropic 明显更偏好那些以工程严谨性著称的公司:Stripe、Databricks、Snowflake、Palantir、Airbnb。
如果看这些工程师历史上曾经在哪里工作过,排名是:Google 405 人,Meta 273 人,Amazon 197 人,Microsoft 171 人,Stripe 124 人,Apple 87 人,Stanford 68 人,DeepMind 62 人,Airbnb 51 人,OpenAI 48 人。当前工程团队中,有一半人,也就是 50%,履历中至少出现过一次 FAANG。
当然,他们也在从其他 AI 实验室挖人。OpenAI 是前五大直接来源之一,DeepMind 是前六大直接来源之一。大约有 94 名工程师是从其他前沿 AI 实验室直接跳槽到 Anthropic 的。
关于博士的迷思
只有 13.7% 的人拥有博士学位。大约七个人里才有一个。
Anthropic 的典型招聘对象,不是研究科学家,而是拥有本科或硕士学历的资深工程师。那种「整个实验室都是博士」的想象,在工程团队层面基本是错的。
专业背景分布也完全符合一个「建设型组织」的画像:计算机科学 819 人,其次是数学 78 人、物理 70 人、计算机工程 69 人。哲学也进入了前 20 名,共 13 人,这可能和安全方向有关。
Stanford 在招聘来源中明显领先
从学校来看,历史累计排名为:Stanford 144 人,Berkeley 118 人,MIT 80 人,CMU 73 人,Harvard 42 人,Cambridge 39 人,UW 36 人,Waterloo 和 Cornell 各 35 人,Oxford 33 人,Princeton 32 人。前四所学校加起来,占了整个工程团队的四分之一。
80% 的人拥有同一个职位头衔。
「Member of Technical Staff」(技术团队成员)。
一位前 Instagram CTO、几位 Adept 前创始人、Stanford 教职人员,在 Anthropic 的头衔都只是「MoTS」。这种职位头衔的扁平化显然是有意为之。资历和具体职能,在设计上被隐藏了起来。
早期职业阶段的人,唯一能进入 Anthropic 的通道在哪里?
有 172 名工程师工作经验不足 6 年,其中 50 人不足 3 年。但他们并不是普通意义上的应届生。他们大致分成两类,中间几乎没有普通的中级工程师。
和整个工程团队相比,他们呈现出明显不同的特征:博士比例更高,达到 19%,而整体为 13.7%;产品 / SWE 头衔占比是整体的三倍,达到 15%,而整体只有 5%;他们拥有 FAANG 履历的概率也低得多,只有 32%,而整体是 50%。
他们替代工作年限的,是另一种声望资本:
实习管道。 其中 50% 的人列出了以下公司的实习经历:Meta 16 人,Google 10 人,DeepMind 6 人,Microsoft 5 人,Amazon 5 人,此外还有 Jane Street、Two Sigma、HRT、Optiver、Nvidia。
从量化交易到 AI 实验室。 9% 的人曾经过顶级交易机构,包括 Jane Street、Two Sigma、Five Rings、HRT、Optiver、Citadel。这是一批年轻的数学 / 计算机竞赛型人才,通过高频交易行业进入 AI 实验室。
对齐方向 Fellowship。 6% 的人接触过 MATS、SERI、Redwood 或 ARC。这是一个几乎只对早期人才开放、在资深群体中几乎不存在的入口。
一个非常清晰的画像是:MIT,IOI 银牌,Codeforces 2900+ 分,工作四年后直接进入强化学习和安全方向。他们筛选的依据不是工作年限,而是竞赛排名和论文发表。
这些年轻工程师也比资深工程师更国际化。低年资工程师的学校来源包括:Berkeley 15 人,Stanford 14 人,Cambridge 10 人,MIT 7 人,清华 7 人,Oxford 6 人,此外还有 Imperial、NUS、上海交通大学、ETH Zürich。
那么,你应该如何理解这些信息?
如果你想以工程师身份加入 Anthropic,就不要把简历写成投给研究实验室的样子,而要把它写成投给基础设施公司的样子。展示你真正构建过、扩展过的系统。这才是正在被录用的简历。
早期职业阶段是唯一例外。在这个阶段,门槛不是普通工作经验,而是顶级实习、竞赛排名,或者论文。
如果你正在和 Anthropic 抢人,你的目标对象也不是「博士」或「实验室背景」本身,而是那些来自超大规模云厂商或工程声誉极强公司的资深 Builders:他们大约有 12 年经验,可能来自 Stripe、Databricks、Snowflake、Palantir。Anthropic 已经在这个人才池里大力捕鱼。
