当前，在狂热的 AI 浪潮下，大众对于头部 AI 大厂或明星初创公司往往有着一种带有光环的「刻板印象」：一定是由顶尖高校博士、各大优秀前沿研究论文的作者、算法天才等组成的团队。

但实际上，似乎并不总是如此。

最近，科技行业招聘专家 seb@hiiinternet 在 X 上发文，在针对硅谷新贵 Anthropic 进行的一次硬核背景大普查，抓取并分析了 1680 份公开 LinkedIn 履历后发现，这家被外界视为前沿 AI Lab 的公司，真正极度渴求并大规模雇佣的，似乎并不是理论派的「研究员」，而是有能力在产业界落地大规模生产系统的「构建者」……

seb 表示，他抓取了所有在 LinkedIn 个人资料里把 Anthropic 列为当前雇主的人，一共 5306 人。然后筛出其中真正属于工程岗位的 1680 人，接着又分析了他们过往岗位描述中的 7986 条信息，看看他们在加入 Anthropic 之前到底做过什么。

而从一系列的分析来看，在这在 1680 名工程师的履历数据背后，藏着不同于传统认知 7 大特点：

「闪电式」扩张，18 个月建成「超级战舰」

数据如下图所示：

从数据来看，在 2021 年之前就加入 Anthropic、并且现在仍在职的工程师只有 15 人；到 2025 年，这个组织规模大约增长了3 倍，当年新招了 686 名工程师；而 2026 年整体也在以类似速度的扩张，截至 6 月已经招了 455 人。

当前工程团队里，有一半人在 Anthropic 的任职时间还不到一年，过去 12 个月加入的人占 53%，员工任职时间中位数是 10 个月。

也就是说，这是一个差不多在 18 月内搭起来的庞大工程组织，「几乎是一夜之间把组织规模做起来的。」

「极度排斥」小白，更偏好「资深工程师」

仔细看，seb 又有了一个新发现，那就是他们几乎只招「资深工程师」。从下面这张图中可以看出这一点：

Anthropic 工程师在加入该公司之前的「工程经验中位数」约为 12.2 年，而中间 50% 的人，经验集中在 8.8 年到 16.5 年之间；

拥有 13 年或以上的行业深耕经验的工程师占比为 44%；

1680 人里，工作经验少于 3 年的只有 50 人，应届生招聘基本不存在。

所以，从整体来看，Anthropic 的典型新员工画像是：有着 12 年的工作经验，但加入公司才 10 个月。

而这些冰冷的数据似乎在传递着这样一个信号：Anthropic 几乎完全拒绝了传统意义上的初级工程师，它所看中的，是已经在残酷的商业战场上证明过自己、能够「拿来即用」的资深开发者。

更偏好「基础设施」，而非「研究」

在传统认知中，或者活在一线的，大多是前沿的模型架构和 RLHF 等人才，可根据数据来看，在实际的工程图谱中，基础设施建设才是大多数人的履历「底色」。

数据显示，40% 的 Anthropic 员工背景中出现了基础设施相关经历。后端、分布式系统、数据库和安全，每一类都接近 20%。而强化学习背景的仅占 3.3%。

典型的 Anthropic 工程师，过去十年大多是在超大规模云厂商，或者基础设施能力很强的创业公司里，构建大规模生产系统。他们自述的技能标签也说明了同一件事：Python585 人、Java566 人、C++ 443 人、JavaScript 376 人、SQL 302 人、Linux 230 人、分布式系统 189 人等。

这表明，Anthropic 工程团队的日常核心工作，并不是坐在白板前推导前沿算法，而是在超大规模分布式架构下，死磕数据吞吐、计算稳定性与系统容错。那些光鲜的模型训练工作当然存在，只是占比很少。

最大的人才输送来源不是 AI 实验室，而是 Google

业界普遍流传着一个叙事，Anthropic 主要是通过「继承」自 OpenAI 的出走人才，并在后续的发展中持续挖角 OpenAI 和 Google DeepMind 来保持技术敏锐度的。

然而，seb 梳理出的前雇主背景数据似乎反驳了这一传言：实际上，它最大的人才来源遥遥领先地指向 Google，而那些竞争对手 AI 实验室，只是「中间两根较小的柱子」。

从数据中可以看出来，相比于从友商实验室抢夺研究员，Anthropic 更倾向于去传统科技巨头那里「挖」具备极高工程严谨性、见证过真正「大场面」的系统级工程师。诸如 Stripe、Databricks、Snowflake 和 Palantir 等以工程硬核著称的公司，都在源源不断地为 Anthropic 提供「养分」。

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 排在前六。大约有 94 名工程师是直接从前沿 AI 实验室跳到 Anthropic 的。

击碎「博士神话」

另一个被数据证伪的是「全员博士」（PhD）传闻，其实在 Anthropic 的工程团队中，真正持有博士学位的仅占 13.7%。这意味着每七个人里才有一个博士，绝大多数搞定生产系统的，依然是手握学士或硕士学位的资深工程师。

专业背景也很符合一个构建型组织的画像：计算机科学（819）呈现出绝对的统治地位，数学（78）、物理（70）和计算机工程（69）紧随其后。有趣的是，哲学以 13 人的数量挤进了前 20 名，这在技术公司中极不寻常，或许是与 Anthropic 重视 AI 安全方向有关。

「斯坦福」是最主要的学校人才来源

根据员工过往教育经历统计，Stanford 最多，有 144 人，其次，Stanford、UC Berkeley、MIT、CMU 这前四所学校加起来，差不多占整个工程组织的四分之一。

而在职级结构上，Anthropic 玩了一手精妙的「去科层化」，全公司 80% 的工程师，不论其真实资历如何，都共享同一个职位头衔 —— 技术组成员（Member of Technical Staff，MoTS）。无论是前 Instagram 的 CTO、Adept 的明星创始人，还是斯坦福大学的学术大牛，在这里共享「MoTS」这一张标签。

或许是通过这种有意的职级隐形，Anthropic 从一定程度上消除了大企业内部的办公室政治与官僚作风。

唯一的高门槛「新人」入口

前面提到，Anthropic 基本上对新人关闭了大门，但数据中依然存在 172 名经验不足 6 年（其中 50 人经验不足 3 年）的「年轻例外」。

可是，这些年轻人绝非普通的大学应届毕业生，他们是通过门槛极高的三大硬核通道，强行用自身的顶级天赋抹平了工作年限的差距：

顶级实习渠道（占 50%）：在加入前，曾在 Meta、Google、DeepMind 或顶级量化机构实习过；

从量化交易流向 AI 实验室（占 9%）：直接来自 Jane Street、Two Sigma、Citadel 等华尔街顶级交易机构。这群人通常是国际信息学奥赛（IOI）银牌以上、Codeforces 评分 2900+ 的顶级算法竞赛选手，具备极高的极限代码编写与性能压榨能力；

对齐方向的 fellowship（占 6%）：深度参与过 MATS、SERI、Redwood 或 ARC 等前沿的 AI 对齐奖学金 / 研究计划。这是一条几乎只存在于年轻候选人中的通道，在资深工程师群体里很少见。

最典型的新人画像是：MIT 背景、IOI 银牌、Codeforces 2900 分以上、工作 4 年，就直接进入强化学习和安全方向。

也就是说，他们不是靠年限筛选，而是靠竞赛排名和论文筛选。与此同时，这群人也比资深员工更国际化，是来自全世界各地的优秀人才。

最后，给行业的启示是：

如果你想以工程师身份加入 Anthropic，就别再把简历写成投递研究实验室的样子，而要把它写成投基础设施公司的样子，以展示你真正构建并扩展过的系统，这才是会被 Anthropic 录用的简历。

当然，早期职业阶段是唯一例外。对于年轻候选人来说，门槛是顶级实习、竞赛排名，或者论文。

而如果，你正在和 Anthropic 抢人，那么你要盯住的目标不是博士，或某个 AI 实验室，真正要抢的是来自超大规模云厂商或基础设施公司、拥有 12 年经验的资深构建者，比如 Stripe、Databricks、Snowflake、Palantir 等，Anthropic 已经开始在这个人才池里「大举捕鱼」……

参考链接：

https://chatgpt.com/c/6a2b5f21-58a4-83ea-a115-ebcdf1304ec7