原標題：我查看了1680份Anthropico公司的履歷。以下是他們實際錄用的人選。
原作者：@hiiinternet
翻譯：佩吉

編按：民眾通常將Anthropic想像成一個由博士、研究人員和前沿模型專家組成的AI實驗室。然而，這份對1680份工程師簡歷的分析提供了一個更現實的答案：Anthropic的核心不僅僅是“研究”，更是“構建”。

本文分析了LinkedIn上5306份將Anthropic列為目前工作單位的個人資料，並進一步篩選出1,680份工程師履歷。得出的結論出乎意料：Anthropic的核心人物並非人們通常認為的“研究人員”，而是一群經驗豐富的“構建者”（能夠真正構建、運行和擴展大型系統的人）。

數據顯示，Anthropic 的工程團隊在過去 18 個月內迅速成形：超過一半的工程師是在不到一年的時間內加入的，而且這些新員工普遍經驗豐富。他們加入公司前的平均工作經驗為 12.2 年，其中許多人來自以工程能力和基礎設施著稱的公司，例如 Google、Meta、Amazon、Microsoft、Stripe、Databricks、Snowflake、Palantir 等。

這也解釋了Anthropic工程團隊的真正重點：它並非像公眾所認為的那樣專注於模型研究，而更像是一家高度工程化的基礎設施公司。其工程背景主要集中在基礎設施、後端、分散式系統、資料庫和安全領域。僅有13.7%的員工擁有博士學位，其餘大部分是擁有學士或碩士學位的高級工程師。

職業生涯初期的專業人士並非完全沒有機會，但門檻同樣很高：在頂級科技公司實習、比賽成績、論文發表或在人工智慧安全/對齊專案方面的經驗通常可以代替多年的工作經驗。

作者最後給的建議很簡單：如果你想加入Anthropic公司，不要把履歷寫得像申請研究實驗室一樣；相反，要專注於突出你真正建立、擴展和維護過的大型系統。尖端人工智慧競爭的核心在於日益激烈的工程和基礎設施能力之爭。

以下是原文：

建設者，而非研究者

我抓取了所有將 Anthropic 列為目前雇主的 LinkedIn 個人資料，共 5306 人。然後，我篩選出其中 1680 位真正擔任工程師職位的人，並進一步分析了他們過往職位描述中的 7986 條工作記錄，以了解他們在加入 Anthropic 之前從事的工作。

以下是結果。

組織擴張幾乎在一夜之間完成

2021年之前加入Anthropic公司且目前仍在職的工程師僅有15人。到2025年，該公司的工程團隊規模幾乎擴大了兩倍，當年新增工程師686人；預計2026年的招募速度將與此類似，截至6月已新增455名員工。

目前工程團隊中有一半成員在 Anthropic 工作不到一年。 53% 的成員是在過去 12 個月內加入的。中位數任期：10 個月。

這是一個規模龐大的組織，只花了大約 18 個月就完成。

幾乎只聘用資深工程師

加入 Anthropic 前的工作經驗中位數為 12.2 年。中間 50% 的員工工作經驗在 8.8 年至 16.5 年之間。在這 1680 名員工中，只有 50 人工作經驗不到 3 年。 44% 的員工擁有 13 年或以上的工作經驗。公司幾乎不招募應屆畢業生。

換句話說，Anthropic 的典型新員工是一名擁有 12 年經驗的工程師，但他在 Anthropic 工作只有 10 個月。

顯然更側重於基礎設施而非傳統研究

40%的工程師履歷中提到了基礎設施背景。後端、分散式系統、資料庫和安全性各佔約20%。強化學習（RLHF中的「RL」）僅出現在3.3%的履歷中。

典型的 Anthropic 工程師過去十年通常都在超大規模雲端供應商或基礎架構新創公司工作，負責建立大規模生產系統。

他們自我報告的技能也印證了這一點：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。雖然也有一些與模型訓練等「熱門」話題相關的職位，但它們所佔比例很小。

最大的人才來源不是實驗室，而是Google

許多人認為 Anthropologie 主要從 OpenAI 和 DeepMind 招募人才。然而，其最大的人才來源卻是谷歌。這兩家競爭對手的實驗室在圖表中僅佔很小一部分。

Anthropic 顯然更傾向於聘用來自 Stripe、Databricks、Snowflake、Palantir 和 Airbnb 等公司，以嚴謹的工程技術而聞名的工程師。

從這些工程師過往的工作經驗來看，排名如下：Google 405 人，Meta 273 人，亞馬遜 197 人，微軟 171 人，Stripe 124 人，蘋果 87 人，史丹佛 68 人，DeepMind 62 人，Airbnb 51 人，OpenAI 488 人。目前，工程團隊中有一半（50%）的成員履歷表上至少有一家 FAANG 公司的工作經驗。

當然，他們也在從其他人工智慧實驗室挖人。 OpenAI是五大直接人才來源之一，DeepMind是六大直接人才來源之一。大約有94名工程師直接從其他前沿人工智慧實驗室跳槽到Anthropic。

博士學位的神話

只有13.7%的人擁有博士學位。這大約是七分之一的人口。

Anthropic公司通常招募的不是研究科學家，而是擁有學士或碩士學位的高級工程師。 「實驗室裡每個人都有博士學位」這種說法在工程團隊層級並不準確。

專業背景的分佈也與「建設型」組織的組成相符：電腦科學專業819人，其次是數學專業78人、物理專業70人、電腦工程專業69人。哲學專業也躋身前20名，共有13人，可能與安全領域有關。

史丹佛大學在招生來源方面遙遙領先

從學校的角度來看，歷史累計排名如下：史丹佛大學144人，加州大學柏克萊分校118人，麻省理工學院80人，卡內基美隆大學73人，哈佛大學42人，劍橋大學39人，華盛頓大學36人，滑鐵盧大學和康乃爾大學各35人，牛津大學33人，普林斯頓大學32人。排名前四的學校加起來佔整個工程團隊人數的四分之一。

80%的人擔任相同的職位。

他們的職稱都是「技術人員」。

一位前Instagram首席技術官、幾位前Adept創始人以及史丹佛大學的教職人員在Anthropic公司都擁有「MoTS」的頭銜。這種刻意簡化職位名稱的做法顯而易見。在設計中，資質和具體職責都被刻意模糊化了。

對於職業生涯初期的人來說，進入 Anthropic 的唯一途徑是什麼？

公司共有172名工程師，他們的工作經驗不到6年，其中50人工作經驗不足3年。然而，他們並不是非典型的初級工程師。他們大致分為兩類，中間夾雜著少量普通的中級工程師。

與整個工程團隊相比，他們表現出明顯不同的特徵：擁有博士學位的比例更高，為 19%，而整個團隊的這一比例為 13.7%；產品/軟體工程師職位的比例是整個團隊的三倍，為 15%，而整個團隊的這一比例僅為 5%；他們擁有 FAANG 經驗的可能性要低得多，僅為 32%，而整個團隊的比例為 50%。

他們用另一種形式的聲望資本來取代工作年限：

實習經驗管道。其中，50%的人列出了在以下公司的實習經驗：Meta（16人）、Google（10人）、DeepMind（6人）、微軟（5人）、亞馬遜（5人），以及Jane Street、Two Sigma、HRT、Optiver、Nvidia。

從量化交易到人工智慧實驗室。 9%的人曾任職於頂尖交易公司，包括Jane Street、Two Sigma、Five Rings、HRT、Optiver和Citadel。他們是一群年輕的數學/演算法競賽人才，從高頻交易轉型到人工智慧實驗室。

Alignment Fellowship計畫。 6%的人曾與MATS、SERI、Redwood或ARC有過接觸。這個計畫幾乎只針對職涯早期的優秀人才，資深人才幾乎沒有機會參與。

一個非常清晰的例子是：麻省理工學院畢業，獲得IOI銀牌，Codeforces 2900+的評分，經過四年的學習，直接進入強化學習和安全領域。他們的選拔標準不是學習年限，而是競賽排名和論文發表。

這些年輕工程師的國際化程度也高於資深工程師。他們的院校背景包括：15人來自加州大學柏克萊分校，14人來自史丹佛大學，10人來自劍橋大學，7人來自麻省理工學院，7人來自清華大學，6人來自牛津大學，此外還有來自帝國學院、新加坡國立大學、上海交通大學和蘇黎世聯邦理工學院的工程師。

那麼，你該如何解讀這些資訊呢？

如果你想以工程師的身份加入 Anthropic，不要讓你的履歷看起來像是為研究實驗室準備的，而應該看起來像是為基礎設施公司準備的。重點展示你實際建造和擴展過的系統。這才是目前招募時需要的履歷類型。

唯一的例外是職業生涯早期階段。在這個階段，衡量標準並非常規工作經驗，而是頂尖實習經驗、競賽排名或論文。

如果你正在與 Anthropic 爭奪人才，你的目標並非單純的“博士”或“實驗室背景”，而是來自超大規模雲廠商或聲譽卓著的工程公司的高級開發人員：他們擁有大約 12 年的經驗，可能來自 Stripe、Databricks、Snowflake 或 Palantir 等公司。 Anthropic 一直在積極挖掘這類人才。

[]