---
title: "1680 份员工履历揭开 Anthropic 招人底牌：基础设施老兵更吃香"
source_url: https://mp.weixin.qq.com/s/ygwv56xi7BGMcJD1wCqxOw
publish_date: 2026-06-XX
tags: [wechat, article, anthropic, hiring, talent, infrastructure, ai-lab, career, organization]
review_value: 6
review_confidence: 8
review_recommendation: ingest
sha256: da578d094927196b5a665fa2da9927666b6f11954f4dec1f23d80c5ad1e4311b
---
# 1680 份员工履历揭开 Anthropic 招人底牌
> Source: https://mp.weixin.qq.com/s/ygwv56xi7BGMcJD1wCqxOw
> Author: 机器之心编辑部 (转载 seb@hiiinternet X 上的硬核背景分析)
> Original Source: https://chatgpt.com/c/6a2b5f21-58a4-83ea-a115-ebcdf1304ec7
> Collected: 2026-06-16

## 核心数据

数据来源：科技行业招聘专家 **seb@hiiinternet** 在 X 上对硅谷新贵 Anthropic 的硬核背景大普查：

- 抓取所有 LinkedIn 上把 Anthropic 列为当前雇主的人：**5,306 人**
- 筛出真正属于工程岗位的：**1,680 人**
- 分析他们过往岗位描述中的：**7,986 条信息**

从这 1,680 份履历数据背后，藏着不同于传统认知的 **7 大特点**：

## 特点 1：「闪电式」扩张，18 个月建成「超级战舰」

| 时间节点 | 工程团队规模 |
|---|---|
| 2021 年前加入且仍在职 | 15 人 |
| 2025 年新招 | 686 人 |
| 2026 年截至 6 月已招 | 455 人 |

- 当前工程团队里**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**
- 这是一个差不多在 **18 个月内搭起来的庞大工程组织**

## 特点 2：「极度排斥」小白，更偏好「资深工程师」

- Anthropic 工程师加入该公司之前的「工程经验中位数」约 **12.2 年**
- 中间 50% 的人经验集中在 **8.8 - 16.5 年**
- **13 年以上行业深耕经验的工程师占比 44%**
- 1,680 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

**典型画像**：12 年工作经验 + 加入公司才 10 个月。

> Anthropic 几乎完全拒绝了传统意义上的初级工程师，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。

## 特点 3：更偏好「基础设施」，而非「研究」

**40% 的 Anthropic 员工背景中出现了基础设施相关经历**：
- 后端：~20%
- 分布式系统：~20%
- 数据库：~20%
- 安全：~20%
- **强化学习背景仅占 3.3%**

**技能标签**（自述）：
- 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

> 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。

## 特点 4：最大人才输送来源不是 AI 实验室，而是 Google

业界普遍叙事：Anthropic 主要通过"继承"OpenAI 出走人才 + 持续挖角 OpenAI/Google DeepMind 来保持技术敏锐度。

**数据反驳**：
- 最大人才来源**遥遥领先地指向 Google**
- OpenAI、DeepMind 只是"中间两根较小的柱子"
- 其他大来源：Stripe / Databricks / Snowflake / Palantir（都是工程硬核公司）
- **94 名工程师**直接从前沿 AI 实验室跳到 Anthropic（OpenAI 前五大 / DeepMind 前六）

> 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。

## 特点 5：击碎「博士神话」

- Anthropic 工程团队中，**真正持有博士学位的仅占 13.7%**
- 每 7 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**：
- 计算机科学（CS）：819 人
- 数学：78 人
- 物理：70 人
- 计算机工程：69 人
- **哲学：13 人**（挤进前 20，与 AI 安全方向相关）

## 特点 6：「斯坦福」是最主要的学校人才来源

| 学校 | 人数 |
|---|---|
| Stanford | 144 |
| UC Berkeley | - |
| MIT | - |
| CMU | - |
| **前 4 校合计** | **~工程组织的 1/4** |

**职级结构特点**：
- Anthropic 玩了一手精妙的「去科层化」
- 全公司 **80% 的工程师共享同一个职位头衔** —— **Member of Technical Staff (MoTS)**
- 无论是前 Instagram CTO、Adept 明星创始人，还是斯坦福学术大牛，都共享「MoTS」这一张标签

## 特点 7：唯一的高门槛「新人」入口

前面提到 Anthropic 基本上对新人关闭大门，但仍有 **172 名经验不足 6 年**（其中 50 人经验不足 3 年）的「年轻例外」。

这些年轻人通过**门槛极高的三大硬核通道**：

| 通道 | 占比 | 特点 |
|---|---|---|
| **顶级实习渠道** | 50% | 曾在 Meta / Google / DeepMind / 顶级量化机构实习过 |
| **量化交易流向 AI 实验室** | 9% | 来自 Jane Street / Two Sigma / Citadel；通常是 IOI 银牌以上 + Codeforces 2900+ |
| **对齐方向 fellowship** | 6% | 深度参与 MATS / SERI / Redwood / ARC 等前沿 AI 对齐奖学金/研究计划 |

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

## 对行业的启示

> 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。

**关键判断**：
- 早期职业阶段是唯一例外（门槛是顶级实习/竞赛排名/论文）
- 如果正在和 Anthropic 抢人，要盯住的目标**不是博士或某个 AI 实验室**，而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（Stripe / Databricks / Snowflake / Palantir 等）

## 反直觉洞察

1. **AI 顶尖 Lab 实际不是"研究员驱动"而是"基础设施构建者驱动"** — 1,680 人里 40% 基础设施背景 vs 仅 3.3% 强化学习背景
2. **博士比例低 (13.7%)** — 与外界"全员博士"传闻相反
3. **工程经验中位 12.2 年** — 几乎不招新人，应届生基本不存在
4. **Google 而非 OpenAI/DeepMind 是最大人才源** — 与业界叙事相反
5. **MoTS 去科层化** — 用单一职级消除办公室政治与官僚作风
6. **唯一新人入口靠竞赛/fellowship** — IOI 银牌 + Codeforces 2900+ 或对齐 fellowship