作者：@hiiinternet
編譯：Peggy
編按：外界常把Anthropic 想像成一個由博士、研究員和前沿模型專家組成的AI 實驗室，但這份對1,680 名工程師履歷的拆解，給出了一個更現實的答案：Anthropic 的核心不只是「研究」，而是「建設」。
本文透過分析5,306 個LinkedIn 上標註Anthropic 在職的個人資料，並進一步篩選出其中1,680 名工程師履歷，得出一個反直覺結論：Anthropic 最核心的人才畫像，並非外界想像中的「研究員」，而是一批經驗豐富的「建造者」（builder，並非外界想像中的「研究員」，而是一群經驗豐富的「建造者」（builder，把大規模系統真正開起來、跑起來的人）。
數據顯示，Anthropic 的工程團隊幾乎是在過去18 個月內快速成型：當前一半以上工程師入職不到一年，但新員工普遍非常資深，加入前工作經驗中位數達到12.2 年，且大量來自谷歌、Meta、Amazon、Microsoft、Stripe、Databricks、Snowflake、Palantir 等以工程能力和基礎設施著稱的工程能力。
這也解釋了Anthropic 工程組織的真實重心：相比外界關注的模型研究，它更像一家高度工程化的基礎設施公司。其工程師背景主要集中在基礎設施、後端、分散式系統、資料庫和安全等方向；博士佔比僅13.7%，多數人是擁有本科或碩士學歷的資深工程師。
早期職業人才並非完全沒有機會，但門檻同樣極高：頂級科技公司實習、競賽成績、論文發表，或AI 安全/ 對齊專案經歷，往往成為替代工作年限的篩選信號。
作者最後給的建議也很直接：如果你想加入Anthropic，不要把履歷寫成投給研究實驗室的樣子，而是要突顯你真正建構、擴展和維護過的大規模系統。前沿AI 競爭的底層，越來越接近一場工程能力與基礎設施能力的競爭。
以下為原文：
Builders，而不是研究員
我抓取了所有LinkedIn 上將Anthropic 列為目前雇主的個人資料，共5,306 人。隨後篩選出其中真正屬於工程職位的1,680 人，並進一步查看了他們過往職位描述中的7,986 條記錄，分析他們加入Anthropic 之前都在做什麼。
以下是結果。
幾乎是在一夜之間把組織擴張起來的
在2021 年以前就加入Anthropic、且至今仍在職的工程師只有15 人。 2025 年，這個組織的工程團隊幾乎擴大了三倍，當年新增686 名工程師；2026 年的招募速度也有望與之相當，截至6 月已新增455 人。
在目前工程團隊中，有一半人在Anthropic 的任職時間不到一年。 53% 的人是在過去12 個月內加入的。中位任職時長：10 個月。
這是一個大體量組織，卻幾乎是在約18 個月內搭建起來的。
幾乎只招資深工程師
在加入Anthropic 之前的工作經驗中位數為12.2 年。中間50% 的人擁有8.8 年至16.5 年經驗。在這1,680 人中，工作經驗不足3 年的只有50 人。 44% 的人擁有13 年或更長工作經驗。應屆生招募基本上不存在。
也就是說，Anthropic 的典型新進員工，是一位擁有12 年經驗、但入職Anthropic 只有10 個月的工程師。
明顯更偏向基礎設施，而非傳統意義上的研究
基礎設施背景出現在40% 的工程師履歷中。後端、分散式系統、資料庫及安全性等方向，各佔比約20%。強化學習，也就是RLHF 中的那個「RL」，只出現在3.3% 的人履歷中。
典型的Anthropic 工程師，過去十年通常是在一家超大規模雲端廠商，或重基礎設施的新創公司裡，建構大規模生產系統。
他們自列的技能也說明了同一件事：Python 585 人，Java 566 人，C++ 443 人，JavaScript 376 人，SQL 302 人，Linux 230 人，分散式系統189 人，AWS 154 人。那些聽起來比較「性感」的模型訓練工作當然存在，但佔比很低。
最大的人才來源不是實驗室，而是Google
大家都以為Anthropic 主要從OpenAI 和DeepMind 挖人。但它最大的人才管道，遠遠領先的，是Google。那些競爭對手實驗室，只是圖表中間的兩根小柱子。
Anthropic 明顯更偏好那些以工程嚴謹性著稱的公司：Stripe、Databricks、Snowflake、Palantir、Airbnb。
如果你看這些工程師歷史上曾經在哪裡工作過，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，Apple 51 人，OpenAI 人，Open人。在目前工程團隊中，有一半人，也就是50%，履歷中至少出現過一次FAANG。
當然，他們也在從其他AI 實驗室挖人。 OpenAI 是前五大直接來源之一，DeepMind 是前六大直接來源之一。大約有94 位工程師是從其他前沿AI 實驗室直接跳槽到Anthropic 的。
關於博士的迷思
只有13.7% 的人擁有博士學位。大約七個人裡才有一個。
Anthropic 的典型招募對象，不是研究科學家，而是擁有本科或碩士學歷的資深工程師。那種「整個實驗室都是博士」的想像，在工程團隊層面基本上是錯的。
專業背景分佈也完全符合一個「建設型組織」的畫像：電腦科學819 人，其次是數學78 人、物理70 人、電腦工程69 人。哲學也進入了前20 名，共13 人，可能和安全方向有關。
Stanford 在招募來源中明顯領先
從學校來看，歷史累積排名為：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。前四所學校加起來，佔了整個工程團隊的四分之一。
80% 的人擁有同一個職位頭銜。
「Member of Technical Staff」（技術團隊成員）。
一位前Instagram CTO、幾位Adept 前創辦人、Stanford 教職人員，在Anthropic 的頭銜都只是「MoTS」。這種職位頭銜的扁平化顯然是有意為之。資歷和具體職能，在設計上被隱藏了起來。
早期職業階段的人，唯一能進入Anthropic 的通道在哪裡？
有172 名工程師工作經驗不足6 年，其中50 人不到3 年。但他們並不是普通意義上的應屆生。他們大致分成兩類，中間幾乎沒有普通的中級工程師。
和整個工程團隊相比，他們呈現出明顯不同的特徵：博士比例更高，達到19%，而整體為13.7%；產品/ SWE 頭銜佔比是整體的三倍，達到15%，而整體只有5%；他們擁有FAANG 履歷的機率也低得多，只有32%，而整體是50%。
他們取代工作年資的，是另一種聲望資本：
實習管道。 其中50% 的人列出了以下公司的實習經驗：Meta 16 人，Google 10 人，DeepMind 6 人，Microsoft 5 人，Amazon 5 人，此外還有Jane Street、Two Sigma、HRT、Optiver、Nvidia。
從量化交易到AI 實驗室。 9% 的人曾經過頂級交易機構，包括Jane Street、Two Sigma、Five Rings、HRT、Optiver、Citadel。這是一群年輕的數學/ 電腦競賽型人才，透過高頻交易產業進入AI 實驗室。
對齊方向Fellowship。 6% 的人接觸過MATS、SERI、Redwood 或ARC。這是一個幾乎只對早期人才開放、在資深群體中幾乎不存在的入口。
一個非常清晰的畫像是：MIT，IOI 銀牌，Codeforces 2900+ 分，工作四年後直接進入強化學習和安全方向。他們篩選的依據不是工作年限，而是競賽排名和論文發表。
這些年輕工程師也比資深工程師更國際化。低年資工程師的學校來源包括：Berkeley 15 人，Stanford 14 人，Cambridge 10 人，MIT 7 人，清華7 人，Oxford 6 人，此外還有Imperial、NUS、上海交通大學、ETH Zürich。
那麼，你該如何理解這些資訊？
如果你想以工程師身分加入Anthropic，就不要把履歷寫成投給研究實驗室的樣子，而要把它寫成投給基礎設施公司的樣子。展示你真正建構過、擴展過的系統。這才是正在被錄用的履歷。
早期職業階段是唯一例外。在這個階段，門檻不是普通工作經驗，而是頂尖實習、競賽排名，或是論文。
如果你正在和Anthropic 搶人，你的目標對像也不是「博士」或「實驗室背景」本身，而是那些來自超大規模雲廠商或工程聲譽極強公司的資深Builders：他們大約有12 年經驗，可能來自Stripe、Databricks、Snowflake、Palantir。 Anthropic 已經在這個人才池裡大力捕魚。
