外界常将Anthropic视为一个由博士和前沿模型专家组成的AI研究实验室，但一份对1,680名工程师履历的深度分析，给出了一个更贴近现实的答案：Anthropic的核心并非仅仅是“研究”，更是“建设”。
本文通过对5,306个领英（LinkedIn）上标注Anthropic在职的个人资料进行分析，并进一步筛选出其中1,680名工程师的履历，得出一个反直觉结论：Anthropic最核心的人才画像，并非外界想象中的“研究员”，而是一批经验丰富的“建设者”——即那些能把大规模系统真正搭建起来、运行起来并扩展下去的人。
工程团队在18个月内快速成型
数据显示，Anthropic的工程团队几乎是在过去18个月内快速成型的。2021年以前加入且仍在职的工程师仅有15人。2025年，其工程团队规模扩大了近三倍，当年新增686名工程师；2026年的招聘速度也与之相当，截至6月已新增455人。
当前，工程团队中有一半人在Anthropic的任职时间不到一年，53%的人是在过去12个月内加入的，中位任职时长为10个月。
偏爱资深“建设者”，而非应届生
加入Anthropic之前的工作经验中位数为12.2年。中间50%的人拥有8.8年至16.5年经验。在这1,680人中，工作经验不足3年的只有50人，44%的人拥有13年或更长工作经验。应届生招聘基本不存在。
这意味着，Anthropic的典型新员工，是一位拥有12年经验、但入职仅10个月的工程师。
重心是基础设施，而非纯模型研究
分析显示，Anthropic更像一家高度工程化的基础设施公司。基础设施背景出现在40%的工程师履历中。后端、分布式系统、数据库和安全等方向各自占比约20%。而强化学习（RL）仅出现在3.3%的人履历中。
工程师自列的技能也印证了这一点：Python、Java、C++、JavaScript、SQL、Linux、分布式系统、AWS等传统工程技能名列前茅。
最大人才来源：Google，而非OpenAI
出乎意料的是，Anthropic最大的人才管道是Google，远超其他AI实验室。它明显偏好来自以工程严谨性著称公司的员工，如Stripe、Databricks、Snowflake、Palantir等。
从历史工作经历看，排名为：Google（405人）、Meta（273人）、Amazon（197人）、Microsoft（171人）、Stripe（124人）。当前工程团队中，50%的人履历中至少出现过一次FAANG公司经历。
博士占比仅13.7%，头衔高度扁平化
只有13.7%的工程师拥有博士学位，大约七人中才有一人。典型的招聘对象是拥有本科或硕士学历的资深工程师。
此外，80%的工程师拥有同一个头衔：“Member of Technical Staff”（技术团队成员），包括前Instagram CTO、Adept前创始人等资深人士，体现了组织设计的刻意扁平化。
早期人才的“替代性”门槛
对于工作经验不足6年的早期人才（共172人），Anthropic设立了不同的筛选标准。他们中博士比例更高（19%），拥有FAANG履历的概率更低（32%）。
他们替代工作年限的“声望资本”包括：顶级科技公司实习经历（50%有此背景）、顶级量化交易机构经历（9%）、AI安全/对齐方向的研究项目经历（6%），以及顶尖竞赛排名和论文发表。
结论与启示
分析最后指出，如果你想以工程师身份加入Anthropic，简历不应写成投给研究实验室的样子，而应突出构建、扩展和维护大规模系统的实际经验。前沿AI竞争的底层，正越来越接近一场工程能力与基础设施能力的竞争。
对于早期职业者，门槛则是顶级实习、竞赛排名或论文。对于其他与Anthropic竞争人才的公司，目标应是那些来自超大规模云厂商或工程声誉极强公司的、拥有约12年经验的资深“建设者”。