Jeff Dean、Sanjay Ghemawat、Quoc V. Le 和 Oriol Vinyals 的公开履历指向四类能力：研究系统化、底层基础设施、模型自动化、智能体与评测。Metix AI 的人才数据覆盖这四类能力的完整梯度——从人才池最厚的基础设施，到 Model Serving、AutoML / NAS、Deep RL、Seq2seq / NLP 这类更专精的方向，都能精确定位。
Jeff Dean、Sanjay Ghemawat、Quoc V. Le、Oriol Vinyals 的公开履历覆盖研究系统、底层基础设施、模型自动化、智能体评测。Discovery Loop 要形成从研究设想到实验反馈的循环，四类能力需要同时进入组织。
594 人分布在 12 个具体岗位上，覆盖美国、英国、加拿大等六个国家——创始人的履历框架，已经能落到今天真实的招聘市场上。
底层基础设施相关的 4 个岗位合计 276 人，模型自动化和智能体两组加起来只有 145 人——越靠近训练基础设施，可招聘的人越多；越靠近前沿研究方向，人才池越窄。
264 个招聘职位中，Infrastructure/Platform（96）和 Domain Science（85）合计过半，资历集中在 Mid-Senior level（183）——需求方向与四位创始人代表的能力组合高度吻合。
21 家同类公司合计 3,612 条人才记录，Recursion、Lila Sciences、Isomorphic Labs、Generate:Biomedicines 四家就占 50.2%——优先从这四家切入，比撒向全部 21 家公司更高效。
四类能力形成从左到右的链路：研究系统化承接模型与平台，底层基础设施支撑数据和调度，模型自动化扩大搜索空间，智能体与评测把结果拉回可验证任务。
把研究想法变成全球级 AI 系统，贯通训练与部署全流程。
解决数据流、存储、调度、可靠性和性能。
让模型结构、训练方法和推理能力可以规模化搜索和迁移。
把序列建模、强化学习、多模态和代码推理落到可验证任务。
项目会过时，能力不会。MapReduce 和 RPC 系统是上一个技术周期的产物，但支撑它们的分布式数据处理能力和跨节点通信能力，如今换了一层包装，以"大规模训练数据流水线工程"和"GPU 集群网络通信工程"的新形态，重新出现在今天的招聘市场上。四位创始人的能力谱系，收敛成四组、12 个可招聘的岗位。
模型自动化方向记录了 11 个知名项目，是四组里最多的，但项目大多诞生于最近两三年（Gemini、AlphaGeometry 都是 2023 年之后的工作），这个方向的从业规模还在早期，眼下能招到的 80 人已经站在最前排；底层基础设施的项目血统可以追溯到 2003 年的 GFS，二十年的积累让 276 人的人才池自然更深。
存储与数据库系统（109）和网络通信（103）撑起这组一半以上的人才池，但性能工程只有 19 人——同一条底层基础设施血统里，越靠近"调优"这类隐性技能，供给就越稀。
大语言模型预训练（87.5% 强匹配）和模型效率研究（100% 强匹配）人数都不多，但匹配精度是全部 12 个岗位里最高的两个——这类头衔本身已经足够具体，不需要靠宽泛推测。
AI 加速器系统工程师（TPU）总数 117 人、强匹配占 82%，是全部 12 个岗位里规模最大、精度也最高的一个——TPU 作为独立岗位在招聘市场上有清晰的行业共识，这正是它更容易被精确统计到的原因。
强化学习（推理后训练）研究员总数 60 人但强匹配只占 32%，是全部 12 个岗位里精度最低的一个——RL 相关头衔太容易被泛化引用；代码推理/生成研究员则是另一个极端，全球范围内只找到 5 人，是 12 个岗位里最稀缺的方向。
所有岗位均采用同一套检索方法和判定基准迭代核实得出，确保组间可比。数据来源: Metix AI（Mira 人才检索），统计范围为美国、英国、加拿大、法国、荷兰和日本的当前在职人才，截至 2026-08。
按四个代表性岗位各挑 6 位强匹配人才：TPU 对应 Jeff Dean 的标志性项目；存储与数据库对应 Jeff Dean 与 Sanjay Ghemawat 共同署名的 Bigtable / Spanner；NCCL/RDMA 正是上文"项目血统"举的例子——RPC 系统演变为 GPU 集群网络通信；大语言模型研发(预训练)是 Jeff Dean、Oriol Vinyals、Quoc V. Le 三位创始人能力交汇的岗位。
2026-08-08 的招聘数据包含 264 个招聘职位，招聘集中在 Infrastructure / Platform 和 Domain Science，资历段集中在 Mid-Senior level。需求侧偏向能搭建平台、承接实验、推进领域问题的成熟人才。
Infrastructure / Platform 和 Domain Science 是前两类，Lab Automation 以 39 个岗位排在第三。平台、科学和实验自动化构成同类公司扩张时的主要招聘面。
Mid-Senior level 有 183 个岗位，Director 有 25 个，Entry level 有 16 个。招聘重心落在能直接承担系统、实验和项目推进的经验带。
21 家同类公司覆盖五类方向，其中 AI for Science Platform 有 16 家。Recursion（758）、Lila Sciences（368）、Isomorphic Labs（361）、Generate:Biomedicines（325） 位列人才记录规模前四，构成第一层公司地图。
模型、实验数据和科学问题位于同一条研发线。
实验设备、自动化调度和结果回流是该类公司的主要能力信号。
研究工程、训练平台、模型服务和评测平台是该类公司的主要能力信号。
材料、芯片、加速器和仿真方向构成该类公司的主要能力信号。
研究任务、评测和迭代机制产品化是该类公司的主要能力信号。
公司地图将 automated discovery 的人才搜索压到少数高密度组织，减少宽泛 AI 公司池带来的噪音。
Metix AI 可按招聘关键词、公司、地区、资历和技术层级拆分人才记录，形成可核验的人才搜索清单。
开始 Mira 试用