# 我翻了1680份Anthropic工程师简历，发现了这些真相
最近看到一篇很有意思的文章，作者从 LinkedIn 上扒下了所有标注在 Anthropic 工作的人，一共5306个，然后筛出了其中1680名工程师，逐一翻看了他们近8000条过往工作经历。这活儿干得够细的，但得出的结论确实让人大开眼界。
我把里面几个最有价值的发现整理出来，跟大家聊聊。
## 这是一家极其年轻的公司
先说一个让我挺震惊的数字。Anthropic 现在的工程团队里，有53%的人是过去12个月内才加入的。也就是说，超过一半的工程师入职还不到一年。整个工程团队的中位数任期只有10个月。
2025年一年就招了686个工程师，2026年上半年已经招了455个，照这个速度全年又要翻倍。15个2021年之前就在的老员工，现在大概算是活化石了。
一个几千人的工程团队，基本上是在18个月里从零搭起来的。这说明什么呢？说明 AI 行业的人才争夺战已经白热化了，谁能最快把团队搭起来，谁就能抢到下一个窗口期。
## 他们要的是老兵，不是新人
这可能是最颠覆认知的一点。Anthropic 工程师入职前的中位数工作经验是12.2年。中间50%的人经验在8.8年到16.5年之间。44%的人有13年以上经验。
而三年以下经验的？整个1680人里只有50个。应届生招聘基本等于不存在。
所以你可以想象一下典型的 Anthropic 工程师画像：干了12年的老工程师，入职10个月。这跟很多人想象的那种一群天才少年聚在一起搞研究的画面完全不同。
这其实挺值得琢磨的。很多人觉得 AI 公司应该全是年轻的研究天才，但实际上，当你要把模型从论文变成产品，从 demo 变成能服务几亿用户的系统时，你需要的是那些真正建过大规模系统的人。经验在这个时候是不可替代的。
## 基础设施才是核心需求
再看他们招的都是什么方向的人。40%的人背景里有基础设施相关经验。后端、分布式系统、数据库、安全，每个方向大概占20%左右。
而强化学习呢？就是 RLHF 里那个 RL？只有3.3%。
他们自己列出的技能也很说明问题：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。
看到没有，这完全就是一家基础设施公司的技能栈。那些光鲜亮丽的模型训练工作当然存在，但在整个工程团队里只占很小一部分。
这对我们理解 AI 行业很有启发。大家的注意力都在模型本身，觉得搞 AI 就是搞算法搞论文。但一个 AI 产品公司真正需要的大量人力，是在把这些模型跑起来、跑稳、跑快这件事上。如果你是个做后端、做基础设施的工程师，其实你离 AI 公司的大门比你想象的近得多。
## 谷歌是最大的人才库
大家可能以为 Anthropic 主要从 OpenAI 和 DeepMind 挖人。毕竟创始团队就是从 OpenAI 出来的嘛。但数据告诉我们，谷歌才是他们最大的人才来源，而且遥遥领先。
具体数字是这样的：曾经在谷歌工作过的有405人，Meta 273人，亚马逊197人，微软171人，Stripe 124人，苹果87人，斯坦福68人，DeepMind 62人，Airbnb 51人，OpenAI 48人。
整个工程团队有一半的人简历上有 FAANG 的经历。
有意思的是，除了大厂之外，Anthropic 特别偏爱那些以工程严谨性著称的公司：Stripe、Databricks、Snowflake、Palantir、Airbnb。这些公司有个共同特点，就是对工程质量要求极高，系统复杂度也极高。
这就很清楚了，他们选人的逻辑是看你有没有在高标准的环境里建过真正复杂的东西，而不是看你有没有 AI 相关的经历。
## 博士没你想的那么重要
只有13.7%的工程师有博士学位。七个人里才有一个。
大部分人是本科或硕士毕业的资深工程师，不是研究科学家。那种觉得 AI 实验室里全是博士的印象，至少在工程层面是不准确的。
专业分布也很有意思：计算机科学819人，数学78人，物理70人，计算机工程69人。哲学居然进了前20，有13个人，可能跟 AI 安全方向有关。
这个信息对还在纠结要不要读博的人来说挺重要的。如果你的目标是进顶级 AI 公司做工程，博士学位并不是必要条件。十几年扎实的工程经验，在他们眼里可能比一个博士头衔更有说服力。
## 名校确实管用，但不是唯一的路
学校背景方面，斯坦福144人，伯克利118人，MIT 80人，CMU 73人。光这四所学校就占了整个团队的四分之一。
哈佛42人，剑桥39人，华盛顿大学36人，滑铁卢和康奈尔各35人，牛津33人，普林斯顿32人。
名校背景确实是个加分项，这点没什么好回避的。但换个角度想，四分之三的人并不来自那四所顶级学校。所以名校是一条捷径，但绝对不是唯一的路。
## 统一的扁平头衔
还有个很有趣的细节。Anthropic 的工程师头衔统一叫 Member of Technical Staff，简称 MoTS。前 Instagram 的 CTO、前 Adept 的创始人、斯坦福的教授，到了这里都是 MoTS。
头衔是故意拉平的，资历和职能从外面完全看不出来。这种设计背后的理念大概是：让人关注你做的事，而不是你的 title。在一个快速扩张的组织里，这种做法能减少很多内耗。
## 年轻人进去的路径完全不同
前面说了，三年以下经验的只有50人。但这50个人绝对不是普通的应届毕业生。他们走的是一条完全不同的路。
跟整体团队比，这批年轻人有几个明显特征：博士比例更高（19%对比整体的13.7%），产品和软件工程头衔的比例是整体的三倍，反而 FAANG 背景更少（32%对比整体的50%）。
他们靠什么进去的呢？三条路径：
第一，顶级实习经历。50%的人有以下公司的实习：Meta、谷歌、DeepMind、微软、亚马逊，还有 Jane Street、Two Sigma 这些顶级量化交易公司。
第二，从量化交易转过来。9%来自 Jane Street、Two Sigma、Five Rings 这些地方。这些人通常是数学或计算机竞赛出身，先去了高频交易公司，再转到 AI 实验室。
第三，AI 安全相关的 fellowship 项目。6%参加过 MATS、SERI、Redwood 或 ARC 这些项目。这是一条只对年轻人开放的通道，在资深工程师群体里几乎看不到。
一个典型的年轻人画像大概是这样的：MIT 毕业，国际信息学奥赛银牌，Codeforces 评分2900以上，工作四年直接做强化学习和安全方向。他们用竞赛排名和论文来替代工作年限。
这批年轻人的学校背景也更国际化：伯克利15人，斯坦福14人，剑桥10人，MIT 7人，清华7人，牛津6人，还有帝国理工、新加坡国立、上海交大、苏黎世联邦理工。
## 所以这一切告诉我们什么
如果你是个有经验的工程师，想进 Anthropic 这样的公司，最重要的一点是：别把简历写成研究型的，要写成基础设施型的。展示你实际建过和扩展过的系统，这才是他们真正在找的东西。
如果你还年轻，经验不多，那门槛就完全不一样了。你需要的是顶级实习、竞赛排名或者发表过的论文。普通的两三年工作经验在这里基本没有竞争力。
往大了说，这些数据揭示了一个很多人还没意识到的事实：AI 时代最稀缺的人才，可能并不是那些懂算法懂模型的人，而是那些能把复杂系统建起来、跑起来、扛住压力的人。模型可以开源，论文可以公开，但十几年积累下来的工程判断力和系统直觉，这东西没法速成。
对于我们普通人来说，与其焦虑自己不懂大模型、不会写论文，不如踏踏实实把手头的技术做深做透。在任何一个方向上积累足够深的经验，在这个时代反而可能比追逐热点更有价值。
原文地址：
#科技先锋官# #How I AI#
