Anthropic到底招什么样的人很多人脑海中浮现的画面是一屋子的博士喝着咖啡讨论RLHF在白板上推导损失函数。真实情况可能让你意外。Fonzi AI的人才工程主管Seb扒了1680份Anthropic工程师简历发现这家公司要的压根不是研究员是一群能造系统的人。Fonzi AI是一家专注于人工智能领域的招聘技术公司致力于通过 AI 驱动的市场平台连接顶尖的 AI 工程师与高增长的科技公司。它旨在革新传统的招聘流程利用技术实现更高效、精准的人才匹配。Seb把LinkedIn上所有标注Anthropic为现任雇主的资料爬了个遍5306人筛出1680名真正的工程师翻阅了7986条过往工作记录逐一分析他们加入Anthropic之前到底在干什么。结论是Anthropic的核心人才画像是一群资深的基础设施建设者。18个月拼出的巨型团队先看一个让人吃惊的数字在2021年之前加入Anthropic并且至今仍在职的工程师只有15人。这家公司的工程团队几乎是从零开始膨胀的。2025年Anthropic的工程团队几乎翻了三倍一口气招了686名工程师。2026年势头不减截至6月已新增455人按这个速度全年可能追平甚至超过2025年。目前整个工程团队中53%的人加入时间不到12个月。中位数任职时长10个月。这是一个在大约18个月内从零拼装出来的巨型工程组织。你今天看到的Anthropic工程团队绝大部分面孔都是新面孔大部分工位上的椅子还没坐热。说明Anthropic对资深工程师的信任度极高12年经验的人不需要培养自己就能跑起来。再来看经验数据。中位数入职前工作经验12.2年。中间50%的人有8.8到16.5年经验。1680人里只有50人工作经验不到3年。44%的人有13年以上经验。应届生招聘基本不存在。Anthropic的典型新员工长什么样一个有12年经验的工程师。这位工程师大概率在过去十年里搭过大规模系统处理过线上流量尖峰踩过分布式系统的各种坑对数据库的坑和安全的雷区有切身体会。基建为王Google是最大人才池40%的工程师背景是基础设施。后端、分布式系统、数据库、安全各自在约20%的简历中出现。RLHF里的RL只出现在3.3%的背景中。典型的Anthropic工程师过去十年在做的事情是在超大规模云服务商或基建密集型创业公司里搭建生产系统。他们更熟悉的是怎么把一个服务从零扩展到千万级用户怎么设计一个低延迟的数据管道怎么让一个分布式数据库在节点故障时依然可用。至于训练大模型那只是Anthropic工作中的一小块。他们自己填写的技能清单说的也是同一件事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。模型训练工作有但占比很低。Anthropic的工程重心在系统搭建和基础设施上不在实验室里。大家总觉得Anthropic主要从OpenAI和DeepMind挖人。事实是它最大的人才管道是Google而且甩开第二名一大截。那几个竞争对手实验室在图表里只是中间两根不起眼的小柱子。这些工程师的完整职业履历排名如下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。整个工程团队中50%的人简历上至少出现过一家FAANGFacebook、Amazon、Apple、Netflix、Google公司。Anthropic明显偏向从以工程能力著称的公司招人Stripe、Databricks、Snowflake、Palantir、Airbnb。这些公司有个共同特点就是工程文化深厚员工习惯于在复杂系统中做取舍和权衡。一个在Stripe处理过全球支付系统的人或者一个在Databricks搭过大规模数据处理引擎的人到了Anthropic去搭AI基础设施技术底子是相通的。他们也从其他AI实验室招人OpenAI是直接来源前五DeepMind是前六大约94名工程师直接从前沿AI实验室跳槽过来但数量远不如从Google和Meta来的人多。这个数据也在传递一个信号Anthropic要的是工程能力AI领域的经验可以到了再补但搭建大规模系统的手艺需要长年累月才能练出来。博士只是少数头衔全部拉平只有13.7%的人拥有博士学位大约七分之一。Anthropic的典型招聘对象是有本科或硕士学位的资深工程师跟研究科学家沾不上边。那种一实验室全是博士的印象在工程团队层面基本是错的。外界总把Anthropic想象成一个研究机构数据告诉我们它更像一家以工程为驱动的技术公司。专业分布也完全符合一个建设型组织的画像计算机科学819人数学78人物理学70人计算机工程69人。计算机科学一骑绝尘超过第二名十倍这个比例说明Anthropic工程团队需要的核心能力就是写代码、搭系统、解工程问题跟做研究写论文是两回事。哲学也进了前20名13人大概率跟AI安全有关。Anthropic在安全领域的投入是公开的事实哲学背景的工程师参与安全相关工作算得上人岗匹配。这也算是Anthropic跟其他AI公司的一个微妙区别安全团队里真的有懂哲学的人。从大学来看历史累计排名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整个工程团队的四分之一。这个数据倒是不意外美国顶尖CS项目本来就跟头部科技公司之间有强引力。还有一个有趣的细节80%的人共享同一个头衔Member of Technical Staff。前Instagram CTO、前Adept创始人、Stanford教职员工在Anthropic都是MoTS。头衔被故意扁平化了资历和具体职能被设计成不可见。这种做法在硅谷并不罕见Flat structure扁平结构的理念是让协作基于能力而非层级减少头衔带来的沟通壁垒。年轻人走的是另一条路1680人中有172人工作经验不到6年50人不到3年。他们跟普通的应届生完全不同。他们几乎分成两类中间几乎没有普通的中级工程师。跟整个团队相比这群年轻人有明显的不同博士比例更高19%对13.7%产品/SWE软件工程师头衔的比例是整体的3倍15%对5%有FAANG经历的反而更少32%对50%。他们拿不出十几年的大厂履历手里攥着的是另一种硬通货实习通道。50%的人有这些公司的实习经历Meta 16人Google 10人DeepMind 6人Microsoft 5人Amazon 5人还有Jane Street、Two Sigma、HRT、Optiver、Nvidia。从量化交易到AI实验室。9%的人曾在顶级交易公司工作过包括Jane Street、Two Sigma、Five Rings、HRT、Optiver、Citadel。这是一群年轻的数学和编程竞赛选手从高频交易行业转道进入AI实验室。量化交易和AI研究对人才的底层要求有高度重合极快的数学直觉、扎实的编码能力、在高压力环境下保持精准判断。对齐Alignment研究奖学金。6%的人参与过MATS、SERI、Redwood或ARC的项目。这是一个几乎只有初级人才走的通道在资深员工中几乎看不到。这几个项目跟AI安全和价值观对齐直接相关Anthropic作为一家强调安全的AI公司从这里招人顺理成章。一个典型画像MIT毕业IOI国际信息学奥林匹克竞赛银牌Codeforces评分2900以上工作四年直接进入强化学习和安全方向。筛选标准是竞赛排名和论文发表跟工作年限没太大关系。这类年轻工程师靠的是可量化的能力证明而非简历上的公司名字。这些年轻工程师的国际化程度也更高。他们的学校来源Berkeley 15人Stanford 14人Cambridge 10人MIT 7人Tsinghua清华7人Oxford 6人还有Imperial、NUS新加坡国立大学、Shanghai Jiao Tong上海交大、ETH Zürich。相比资深员工的来源初级人才中有更多非美国高校的身影。把整篇分析读完一个清晰的结论浮出水面想以工程师身份加入Anthropic别把简历写成投递研究实验室的样子按照投递基础设施公司的思路来。展示你真正搭建过、扩展过、维护过的大规模系统这才是能被录用的简历。你写一篇顶会论文在Anthropic的筛选体系里未必比写一段处理千万级并发的系统设计更有说服力。初级阶段是唯一的例外门槛是顶级实习、竞赛排名或论文发表。这批年轻人证明了一件事在没有足够年限积累的情况下可量化的能力指标能替代履历说话。竞赛奖牌、顶刊论文、顶级公司实习每一个都是一道筛选。如果你在跟Anthropic抢人才目标应该是那些在超大规模云服务商或工程口碑极好的公司干了12年的资深建设者。Stripe、Databricks、Snowflake、PalantirAnthropic已经在这些人才池里大力撒网了。知道对手在哪里捞人才能在自己的招聘策略里做出应对。前沿AI的竞争归根到底是一场工程能力和基础设施能力的竞争。谁造的系统最稳、最快、最大谁才能走得更远。模型可以迭代论文可以发表但支撑这一切的底层系统需要一群真正搭过、扛过、修过的人来建造。参考资料https://x.com/hiiinternet/status/2065117819948437765