网友扒了 Anthropic 的工程师简历，如何评价？

海外网友扒了1680 份 Anthropic 工程师的简历，先说我觉得最反常识的几点：

第一，招的几乎全是搞 infra 的，不是 researcher。
第二，几乎不招初级员工。中位数的工作经验是12.2年。只有13%的人有博士学位。
第三，最大的人才来源不是OpenAI和DeepMind，而是Google和Meta。
第四，如果是 junior ，一个特别"干净"的典型画像是这样的：MIT，IOI 银牌，Codeforces 2900+。

一篇非常好的文章，作者是做招聘的，把当前雇主一栏写着 Anthropic 的 LinkedIn 主页全爬了下来，共 5306 人。从里面筛出 1680 个真正做工程的，再去翻他们进 Anthropic 之前写的 7986 段过往岗位描述。

可以一观Anthropic的人才构成。

1、Anthropic几乎是一夜之间把团队搭起来
现在还在 Anthropic 的工程师里，2021 年之前就进来的，只有 15 个人。
真正的大扩张是在2025-2026年。2025 年一年，工程组织差不多扩了3倍，招了686个。2026 年看起来也会接近这个节奏：截至 6 月，已经招了455个。
现在团队里一半人入职还不到一年，过去 12 个月进来的占53%，在职时间中位数10个月。
也就是说，这是一个在大概 18 个月里，被非常快地搭起来的巨型团队。

.google  и2、他们几乎只招资深工程师
这条我觉得最反常识。
进Anthropic之前，这些人的中位工作经验是12.2年。中间 50% 的人，经验8.8到16.5 年。
1680个人里，工作经验不到3年的只有 50 个；44%的人有 13 年以上。应届这块基本等于没有。
所以一个典型的 Anthropic 新人是这样的：已经工作 12 年，但进公司才 10 个月。

3、他们其实更看重 infra，不是我们以为的“搞研究”
40% 的人背景里出现了 infrastructure。
backend、distributed systems、databases、security 这几个方向，各自都在 20% 左右。
而reinforcement learning，只有3.3%人。
也就是说，典型的 Anthropic 工程师，过去十年更像是在 hyperscaler 或 infra-heavy startup 里搭大规模生产系统的人。

4、最大的人才来源不是 AI lab，是 Google
大家总觉得 Anthropic 很多人来自 OpenAI 和 DeepMind。
但实际上，它最大的人才管道是 Google，而且领先很多。
除了 Google，它明显还偏爱那些以工程严谨著称的地方：Stripe、Databricks、Snowflake、Palantir、Airbnb。

如果看这些人职业生涯里待过哪儿（不限当前），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，Airbnb 51 人，OpenAI 48 人。整个工程组织里，一半人的简历上某处出现过 FAANG。
当然别的 lab 它也挖：OpenAI 是前5大直接来源，DeepMind 是前6。大概有 94 个工程师，是直接从一家 frontier lab 跳过来的。

5、“AI lab 全是博士”，这个想象基本不成立
只有 13.7% 的人有博士学位。
典型的 Anthropic 工程师，不是 research scientist，而是一个有本科或硕士学历的资深工程师。
专业分布也特别builder：Computer Science 819 人，Mathematics 78 人，Physics 70 人，Computer Engineering 69 人。Philosophy 也进了前 20，有 13 人。

6、Stanford 的存在感是真的强
按毕业学校算（历史总数）：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4所学校加起来，占了整个工程组织的四分之一。

7、少数 junior 是怎么进去的？
有 172 个工程师工作经验低于 6 年，其中 50 个低于 3 年。但他们也不是普通应届。
他们拿来抵工作年限的，是另一种 pedigree：
实习。 这批 junior 里，50% 列过这些地方的 internship：Meta 16、Google 10、DeepMind 6、Microsoft 5、Amazon 5，还有 Jane Street、Two Sigma、HRT、Optiver、Nvidia。
quant。 9% 来自顶级交易公司：Jane Street、Two Sigma、Five Rings、HRT、Optiver、Citadel。基本就是数学 / CS 竞赛型选手，先去 HFT 待一阵，再拐进 AI lab。
alignment fellowship。 6% 的人沾过 MATS、SERI、Redwood 或 ARC。这条路几乎是 junior 专属，在 senior 群体里基本看不到。

一个特别"干净"的典型画像是这样的：MIT，IOI 银牌，Codeforces 2900+，本科毕业没几年就直接进 RL 和 safety。
而且这批 junior 比 senior 明显更国际化，学校包括 Berkeley 15、Stanford 14、Cambridge 10、MIT 7、Tsinghua 7、Oxford 6，还有 Imperial、NUS、上海交大、ETH Zürich。

最后，如果你真想进：
别把简历写得像在投一个研究实验室，写得像在投一家 infra company。重点是你真正搭过什么系统，怎么 scale，怎么上线，怎么扛生产环境。这才是 Anthropic 真正在招的简历。
职业生涯早期是唯一的例外。但那个阶段，你得拿得出顶级实习、竞赛排名，或者论文。

补充内容 (2026-06-16 00:02 +08:00):
转载自X

不惊讶。项目从实验室到落地需要的就是十几年YOE能打的infra engineer。

AI 也好。。。其他的也好。。。最终还是需要人去做高可用，高并发这些传统问题。

而这些系统设计的传统问题。。也不是现阶段AI能处理的好的。

L3/4这些纯写码的以后的确也不需要了。。需要的都是L6/7这些写doc的。

确实，理论上没什么创新了，最后全是工程落地的问题

赞赞赞 终于有一个好贴子了。这个论坛上天天传着LLM researcher惊天大包。23年算起，LLM时代已经到了第四年，GenAI落地以及AI赚钱靠的都是大规模infra落地
GenAI infra背景出路大大的好

AI Infra!

貌似越来越多的岗位都是面向10+yoe lc4+ 啥都搞过的这帮中老登的…

这个hiring 标准在我司客户行业来说 就是multi-stage distillation or evaporation

Very reasonable

乐见狗、meta前员工斗法，估计后者胜。

有原文链接吗