作者：@hiiinternet
编译：Peggy
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。
