1680 份简历，看清 Anthropic 到底在招什么人

有人扒了 LinkedIn 上 5306 份标注 "Anthropic" 的工程师资料，筛出 1680 份真正做工程的简历，再翻出他们入职前的 7986 段过往岗位描述。得出的结论非常反常识。

先说四个最让我意外的结论：
第一，招的几乎全是 infra 工程师，不是 researcher。
Anthropic 在媒体叙事里是一家"最重视安全的研究实验室"。但实际工程团队构成里，基础设施（infrastructure）占了 40%，后端开发、分布式系统、数据库、安全各占约 20%。它不是在做研究——它是在建基础设施。
第二，几乎不招初级工程师。
中位数工作经验 12.2 年。中间 50% 的人经验在 8.8 到 16.5 年之间。1680 个人里面，工作经验不到 3 年的只有 50 个人。44% 的人有 13 年以上经验。应届？基本等于零。
第三，最大的人才来源不是 OpenAI 和 DeepMind，而是 Google 和 Meta。
如果把每个人"曾经工作过"的雇主全部统计（不限于上一家），排名是这样的：

约一半的人有过 FAANG 工作经验。Anthropic 更像是在从大厂抽人，而不是从实验室挖角。
第四，Junior 的唯一入场券。
如果一个人只有不到 3 年经验却进了 Anthropic，他的典型画像是：麻省理工，IOI 银牌，Codeforces 2900+。这不是一般的"优秀应届生"能走通的路径。

Anthropic 的工程团队搭得很快。
现在还留在 Anthropic、2021 年之前就入职的人，只有 15 个。
真正的爆发是 2025-2026 年：

• 2025 年：新增 686 名工程师，团队规模差不多翻了 3 倍
• 2026 年前 6 个月：又招了 455 人
• 现在这个团队里，53% 的人入职不到一年，在职时间中位数 10 个月

换句话说：一个典型的 Anthropic 新人，工作经验 12 年，但进公司才 10 个月。
这种招聘节奏让人想起历史上的"闪电扩编"。不是慢慢培养人，而是从第一天就能干活的老兵拉来就位。

这个结论值得再展开。
Anthropic 的招聘页面写着："博士和 ML 经验并非必需"。"如果你做过有趣的独立研究、写过有洞察力的博客、或为开源软件做出了实质性贡献，把它们放在简历最上面。"
所有岗位统一叫 "Member of Technical Staff"，没有研发工程师和科学家的区分。
面试考什么？不是 LeetCode。而是实时用 Google Colab / Replit 搭建一个内存数据库、一个银行系统。考的是系统构建能力。
为什么？
因为 Anthropic 的核心瓶颈不是下一个注意力机制，而是 10 万张 GPU 的集群能不能稳定跑起来。当你的模型已经进入 Claude 4.x / 5.x 时代，真正的战场变成了规模化、可靠性、网络、编译器……这些全是 infra 问题。
一位硅谷工程师评论说：Anthropic 在招的是"能把火箭发射台建好的人"，不是"设计火箭引擎的人"。

虽然几乎不招初级工程师，但并不是完全断绝入口。
在那些仅有少数初级经历的工程师中，约 50% 的实习经历来自：

• Meta：16 人
• Google：10 人
• DeepMind：6 人
• Microsoft：5 人

而且，如果你没有 FAANG 实习 + 竞赛奖牌，这条路大概率走不通。

Anthropic 的薪酬在行业里属于"有竞争力但不极端"：

• 基础薪资：$300K - $425K
• 中位数总包：$545K
• 对比 OpenAI：中位数 $630K（研究员中位数 $1.56M）
• 对比 Meta ML 工程师：中位数 $469K

但 Anthropic 有一个其他公司很难复制的东西：留存率。
据 SignalFire 2025 人才趋势报告，在主要 AI 实验室里，Anthropic 是唯一净流入人才的机构（+5 净流入），而 OpenAI 净流出 -19，DeepMind 净流出 -21。
入职超过 2 年的员工，80% 仍然在职——在所有前沿实验室里最高。
结合前面说的经验中位数 12.2 年，这意味着：Anthropic 招来的不是年轻人，是一群已经经历过几轮行业周期的资深工程师，而且他们愿意留下。

这份简历分析的价值不止于 Anthropic 本身。
它揭示了一个更深层的行业趋势：
AI 公司正在从"研究驱动"转向"工程驱动"。
2023 年，所有人都在追逐前沿模型发布。2026 年，模型已经趋于成熟，真正的差异化转移到规模化基础设施、可靠性和产品体验上。
Anthropic 的招聘画像就是这面镜子：12 年经验的 infra 工程师 > 刚毕业的 PhD 研究员。
如果你正在考虑自己在这个行业的定位，它也是一个清晰的参考坐标。赛道已经换了一条——不是在实验室里发论文，而是在数据中心里搭系统。

本文数据主要来自招聘专家 Sebastian Cuadros 在 LinkedIn Pulse 上发布的深度分析。他通过 LinkedIn 爬取了 5,306 份将 Anthropic 列为当前雇主的公开资料，从中筛选出 1,680 份工程师简历，再追溯了这些工程师入职前的 7,986 段过往岗位描述。另有部分数据来自 Gate News 引用的 Beating 监测、DataExec 的招聘分析，以及 SignalFire 的行业人才报告。各数据源结论高度一致，可交叉验证。
（完）