在AI行业狂热追逐顶尖研究人才的今天，一份对Anthropic 1680名工程师履历的深度分析，撕开了这家明星公司用人策略的真实面纱。科技招聘专家seb@hiiinternet抓取了LinkedIn上所有标注Anthropic为当前雇主的5306人，筛选出1680个工程岗位，并分析了他们过往7986条岗位描述。结果令人意外：Anthropic并不像外界想象的那样迷恋博士和论文作者，而是极度渴求能在产业界落地大规模生产系统的资深构建者。

数据揭示了一个闪电式扩张的工程组织。2021年前加入且仍在职的工程师仅15人，但到2025年团队规模增长了约3倍，当年新招686人；2026年截至6月已招455人。当前工程团队中，53%的人入职不足一年，员工任职时间中位数仅为10个月。这意味着，Anthropic几乎是在18个月内搭建起了一个庞大的工程组织，几乎是“一夜之间”完成的。更关键的是，他们几乎只招资深工程师：加入前的工程经验中位数为12.2年，中间50%的人经验集中在8.8年到16.5年之间；拥有13年以上经验的占44%；工作经验少于3年的仅有50人，应届生招聘基本不存在。典型新员工画像：有着12年工作经验，但加入公司才10个月。

这些工程师的背景也颠覆了传统认知。40%有基础设施相关经历，后端、分布式系统、数据库和安全各接近20%，而强化学习背景仅占3.3%。他们的技能标签分布同样说明问题：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。这表明，Anthropic工程团队的核心工作并非推导前沿算法，而是在超大规模分布式架构下死磕数据吞吐、计算稳定性与系统容错。最大的人才输送来源不是AI实验室，而是Google——那些竞争对手的AI实验室只是中间两根较小的柱子。Stripe、Databricks、Snowflake和Palantir等以工程硬核著称的公司也在源源不断地输送人才。OpenAI是前五大直接来源之一，DeepMind排在前六，但约94名工程师直接来自前沿AI实验室。

对AI从业者而言，这份分析提供了清晰的职业信号：如果你想加入Anthropic这样的头部AI公司，与其追求发表顶会论文，不如在基础设施、分布式系统、后端工程等方向积累10年以上的实战经验。Anthropic的用人策略表明，在AI从研究走向产品的关键阶段，能搭建和运维大规模生产系统的工程人才，其价值不亚于顶尖研究员。未来，随着AI公司竞争从模型创新转向工程落地，这类“基础设施老兵”的稀缺性只会进一步上升。对于正在规划职业路径的工程师，深耕底层系统能力，可能是通往AI行业核心圈层的捷径。