深扒 Anthropic 1680 位工程师简历:应届生几乎没机会,AI 公司最缺的不是博士

应届生几乎没机会、80% 人带着同一个职位名称入职:深扒 Anthropic 1680 位工程师简历的最新发现!

如果让你猜 Anthropic 在招什么样的人,你第一反应可能是:

博士、AI 研究员、强化学习专家、大模型训练工程师。

这很正常。毕竟 Anthropic 是 Claude 背后的公司,是这几年全球最受关注的 AI 公司之一。外界很容易把它想象成一个"顶级 AI 实验室":里面坐满了论文作者、数学天才、算法科学家。

但最近一份对 Anthropic 工程团队的简历分析,给出的答案有点反直觉。

AI 招聘平台 Fonzi AI 负责人 Seb 抓取了 LinkedIn 上所有将 Anthropic 标注为现任雇主的个人资料,共计 5306 份 ,然后从中筛选出 1680 名工程师 ,进一步分析了他们加入 Anthropic 之前的 7986 段工作经历。

这给了我们一个很现实的答案:

Anthropic 最青睐的工程师,到底是什么样的人?

结论很直接:

Anthropic 并不是一个单纯靠"研究员光环"支撑起来的 AI 公司。它更像是一家高度工程化、基础设施驱动、强调大规模生产系统能力的公司。

换句话说,Claude 背后不只是模型和论文,还有一大批长期做系统、做平台、做稳定性、做工程落地的人。


Anthropic 的工程团队,几乎是在一夜之间长出来的

数据里有一个很夸张的点:

目前仍在 Anthropic 任职的工程师中,只有 15 人 是在 2021 年之前加入的。

也就是说,绝大多数工程师都是公司高速扩张之后进来的。

2025 年,Anthropic 工程团队大约增长了三倍,当年新招了 686 名员工 。到了 2026 年,招聘速度依然很猛,截至 6 月已经新增 455 名员工。

更夸张的是:

  • 53% 的工程师是在过去 12 个月内入职的
  • 工程师的中位任职时长只有 10 个月
  • 目前工程团队中,大约一半人加入公司还不到一年

这说明 Anthropic 不是慢慢搭班子、慢慢磨出来的工程组织,而是在 AI 商业化爆发之后,快速拉起了一支大型工程队伍。

这也能解释为什么它特别需要有经验的人。

当公司处在这种速度下,很多岗位根本没有时间"慢慢培养"。业务在涨,用户在涨,模型能力在涨,调用量在涨,基础设施压力也在涨。

这种阶段,公司最缺的不是"有潜力但需要带"的新人,而是来了就能上手、能拆问题、能扛系统、能把混乱变成工程秩序的人。


他们几乎只招资深工程师

在加入 Anthropic 之前,这些工程师的工作经验中位数是 12.2 年。

中间 50% 的员工,从业经验集中在 8.8 年到 16.5 年 之间。

这已经不是普通意义上的"中高级工程师"了,而是非常成熟的一批工程人。

在 1680 名工程师里:

  • 工作经验不足 3 年的,只有 50 人
  • 工作经验达到 13 年及以上的,占 44%
  • 典型画像是:12 年经验,刚加入 Anthropic 10 个月左右

所以,"应届生进 Anthropic"的路径几乎不存在。

不是说完全没有年轻人,而是普通年轻工程师很难进去。你如果只是简历上写着"熟悉 React、熟悉 TypeScript、做过几个项目",这种履历放到 Anthropic 这种公司面前,基本没有什么辨识度。

他们要的不是"会写代码的人",而是"知道怎么把复杂系统长期跑起来的人"。


比起研究,他们更看重基础设施能力

外界最容易误会的一点是:

大家总觉得 AI 公司核心岗位一定是研究员。

但这份数据里,Anthropic 工程师的背景明显更偏工程基础设施。

大约 40% 的工程师背景与基础设施相关。后端开发、分布式系统、数据库、安全等方向,都占据了很高比例。

反而是强化学习,也就是 RLHF 里的那个 "RL",只出现在 3.3% 的工程师履历中。

这很有意思。

因为很多人提到 AI 公司,会先想到模型训练、算法调优、论文复现。但当一个大模型公司真正跑起来之后,它要面对的问题远不止模型本身。

它还要解决:

  • 大规模推理服务怎么稳定运行
  • 用户请求怎么调度
  • 成本怎么压下来
  • 数据链路怎么保证质量
  • 权限、安全、审计怎么做
  • 企业客户怎么接入
  • API、控制台、开发者工具怎么设计
  • 故障发生时怎么定位和恢复

这些问题,本质上都是工程问题。

所以 Anthropic 最喜欢的人,不一定是"最懂模型的人",而是那些过去十多年在 Google、Meta、Amazon、Stripe、Databricks、Snowflake 这类公司里,真正参与过大规模系统建设的人。

他们知道系统一旦变大,会在哪里坏,会怎么坏,以及怎么提前把坑填掉。


最大的人才来源不是 AI 实验室,而是 Google

很多人以为 Anthropic 会主要从 OpenAI、DeepMind 这类 AI 实验室挖人。

但数据里最大的来源其实是 Google。

如果统计工程师整个职业生涯中曾经工作过的公司,排名大概是这样:

公司 人数
Google 405
Meta 273
Amazon 197
Microsoft 171
Stripe 124
Apple 87
Stanford 68
DeepMind 62
Airbnb 51
OpenAI 48

这个结果其实很合理。

Google 是过去二十年全球最强的工程训练场之一。搜索、广告、云、基础设施、分布式系统、数据平台、可靠性工程,这些能力都和今天的大模型公司高度相关。

Anthropic 当然也会从 OpenAI、DeepMind 挖人,但真正的大头,仍然是那些长期经历过大规模工程复杂度的人。

这也说明一个问题:

AI 公司并不是只需要 AI 背景,它更需要能把 AI 变成可用产品、可靠服务和商业系统的人。


"Anthropic 全是博士"也是一个误解

数据里还有一个很容易打破刻板印象的结论:

Anthropic 工程团队中,拥有博士学位的人只占 13.7%。

也就是说,大约每七个人里才有一个博士。

这和很多人的想象不太一样。大家总觉得顶级 AI 公司应该博士满地走,但至少在工程团队层面,并不是这样。

他们更常见的画像是:

本科或硕士学历 + 多年大型系统经验 + 能独立解决复杂工程问题。

专业背景也很工程化:

  • 计算机科学:819 人
  • 数学:78 人
  • 物理学:70 人
  • 计算机工程:69 人

当然,顶级学校依然很重要。

按毕业院校看,Stanford、Berkeley、MIT、CMU 这几所学校贡献了大量工程师。仅这四所学校,就接近整个工程团队的四分之一。

这说明学历不是唯一门票,但顶级教育背景仍然是强信号。


80% 的工程师,都叫同一个职位名称

这份分析里最有意思的细节之一,是 Anthropic 的职位名称。

大约 80% 的工程师,在公司内部都叫:

Member of Technical Staff,简称 MTS。

不管你以前是 Instagram CTO,还是创业公司创始人,或者是 Stanford 教授,到了 Anthropic 都可能被统一叫 MTS。

这个设计很有意思。

它弱化了头衔,弱化了层级,弱化了"我是 Staff,你是 Senior,他是 Principal"这种外显标签。

从好的一面看,这能让公司更关注实际贡献,而不是职位包装。

从另一面看,它也意味着你很难靠 title 去判断一个人的真实水平。

在这种公司里,真正管用的是你能解决什么问题,而不是名片上写了什么。

这对工程师也是一个提醒:

title 会变,组织会变,但你过去真正做成的系统、踩过的坑、承担过的责任,是骗不了人的。


年轻工程师不是没有机会,但门槛非常特殊

Anthropic 不是完全不招年轻人。

在 1680 名工程师里:

  • 工作经验不足 6 年的有 172 人
  • 工作经验不足 3 年的有 50 人

但他们不是普通意义上的应届生或初级工程师。

这些年轻人往往有别的"硬通货"。

比如:

  • 顶级公司实习经历:Meta、Google、DeepMind、Microsoft、Amazon 等
  • 量化交易背景:Jane Street、Two Sigma、HRT、Optiver、Citadel 等
  • AI Alignment 项目经历:MATS、SERI、Redwood、ARC 等
  • 很强的竞赛成绩:IOI、Codeforces、数学竞赛等
  • 顶级学校背景:MIT、Stanford、Berkeley、Cambridge、清华、牛津等

也就是说,年轻人想进去,不靠年限,靠的是另一套稀缺信号。

你没有 10 年工程经验,那你得用竞赛成绩、学术成果、顶级实习、特殊项目经历来证明你足够强。

这其实也很现实。

公司不是不愿意给年轻人机会,而是在这种竞争强度下,普通"潜力股"已经不够用了。


这对前端程序员意味着什么?

很多前端同学看到这里,可能会觉得:

这不就是后端、基础设施、AI 工程师的事吗?和前端有什么关系?

我觉得关系很大。

因为这份数据传递出来的信号,不只是 Anthropic 怎么招人,而是整个技术行业正在重新评估工程师的价值。

过去几年,前端行业有一个很明显的变化:

会写页面、会调接口、会用组件库,已经越来越不稀缺了。

尤其在 AI 编程工具普及之后,普通页面开发的门槛还会继续下降。很多重复性的 CRUD、表单、列表、弹窗、样式调整,AI 已经可以完成相当一部分。

这并不代表前端不重要。恰恰相反,真正有价值的前端会变得更重要。

但价值点会发生变化。

未来更吃香的前端,不是只会写页面的人,而是能把复杂产品体验、工程架构、性能稳定性、业务理解和 AI 能力结合起来的人。

具体一点说,前端程序员要往这几个方向靠:

1. 从"页面开发"转向"产品工程"

不要只盯着组件怎么写,而要理解这个功能为什么存在。

一个优秀前端,应该能回答:

  • 用户在什么场景下使用这个功能?
  • 这个交互为什么这样设计?
  • 数据从哪里来,状态怎么流转?
  • 异常情况怎么兜底?
  • 这个页面慢了,用户会在哪里流失?
  • 这个功能上线后,如何衡量效果?

前端离用户最近,这本来就是优势。

但如果只把自己定位成"把设计稿还原出来的人",这个优势就浪费了。

2. 补工程深度,不要停在框架 API

React、Vue、TypeScript 当然要会,但只会这些不够。

你还要理解:

  • 构建工具和编译链路
  • 前端性能优化
  • 状态管理和数据一致性
  • 前端监控和错误追踪
  • 灰度发布和回滚
  • 权限、安全、风控
  • 大型项目的模块边界和代码治理

说白了,就是别让自己停留在"能写功能"的层面,而要成长为"能维护复杂前端系统"的人。

这才是 AI 很难替代的部分。

3. 学会和 AI 协作,而不是只担心被 AI 替代

现在很多前端同学对 AI 的态度很矛盾:一边用它提效,一边担心它抢饭碗。

我的看法是,担心没用,最好早点把它变成自己的工作流。

比如:

  • 用 AI 生成初版代码
  • 用 AI 辅助写测试
  • 用 AI 做代码解释和重构建议
  • 用 AI 分析报错和日志
  • 用 AI 快速理解陌生业务模块
  • 用 AI 做原型验证

但你不能只做"复制粘贴型使用者"。

真正的差距在于:你能不能判断 AI 写得对不对,能不能发现边界问题,能不能把它生成的东西纳入一个可靠的工程体系里。

AI 会提高产能,但也会放大判断力的价值。

4. 别迷信头衔,积累可证明的成果

Anthropic 让 80% 的工程师都叫 MTS,这件事其实挺有启发。

头衔没那么重要,真正重要的是你做过什么。

对前端来说,简历里不要只写:

负责某某后台系统开发,使用 React + TypeScript 完成页面搭建。

这种描述太普通了。

更应该写清楚:

  • 你解决了什么问题
  • 系统规模多大
  • 性能提升了多少
  • 稳定性怎么改善
  • 复杂度怎么降低
  • 业务指标有没有变化
  • 你在团队中承担了什么角色

公司招人不是为了找一个"会技术栈的人",而是找一个"能把问题解决掉的人"。


最后说点现实的

这份 Anthropic 工程师简历分析,最值得注意的不是某个具体数字,而是背后的趋势:

顶级公司正在重新奖励"成熟工程能力"。

AI 越强,基础工程越重要。

模型越大,系统越复杂。

工具越智能,人的判断力越值钱。

对于前端程序员来说,这不是坏消息,但也不是轻松的消息。

如果你还停留在"会一个框架就能吃很多年"的阶段,压力会越来越大。

但如果你愿意往产品工程、系统复杂度、性能稳定性、AI 协作这些方向走,前端依然有很大的空间。

因为无论 AI 怎么发展,最终都要落到人能使用的产品上。

而产品体验、交互质量、工程稳定性、业务闭环,这些地方都离不开前端。

只是未来的前端,不能只做"页面工人"了。

更准确地说,前端要从写界面的人,变成连接用户、业务、系统和 AI 能力的人。

这可能才是 Anthropic 这份数据对普通程序员最大的提醒。

相关推荐
wangruofeng12 小时前
AI Models 1.1.0 发布,查大模型价格、对比模型和找 API 地址
前端·aigc·ai编程
脚本自动化开发12 小时前
玩影之刃零,两张四千元级显卡怎么挑
后端
wangruofeng12 小时前
给前端开发者的 100 个设计参考网站
前端·设计
深蓝AI14 小时前
为什么 agent 的 demo 都很惊艳,上了生产就不靠谱
人工智能·程序员
星栈15 小时前
视频即代码,Remotion 能做什么、不能做什么
前端·音视频开发
广州华水科技15 小时前
单北斗GNSS位移监测系统的应用与技术解析
前端
深蓝AI15 小时前
一个项目五个 AI 同时干活,Claude Code 怎么让它们不互相打架
人工智能·程序员
用户479492835691515 小时前
从一句话或代码仓到可交互 HTML:开源 Agent 画图技能 Archify v3.2 实测与选型边界
前端·后端·面试
努力的小雨16 小时前
别再复制日志给AI了!我让Codex自己去观测云查报错
后端
风骏时光牛马18 小时前
生成一个AI多模态标题,仅输出一条标题,无额外文字、问句、备选、配图、文案等任何附加内容,不需要其他的任务服务 只要标题。
前端