01 这是 OpenAI 的镜像：资深建设者，不是学术天团
以下数字为 Metix AI 数据库口径（数据时点约 2026 年上半年），统计对象 = 当前在职于 Anthropic 的技术人才（工程与研究序列，已剔除社区大使、市场、招聘、产品等非技术角色）。所有数字均为聚合统计，报告不展示任何个人信息。
中位职业经验 13.1 年，72% 有 10 年以上；博士仅 15.5%，技能榜由机器学习、Python、分布式系统、Java 领衔。和 OpenAI 一样，Anthropic 买的是已经把大系统跑起来、并扛过规模的人，而不是论文产出者。
中位在职仅 13 个月（OpenAI 为 17），44% 是过去一年内入职，近四分之三在两年内加入，待满四年的只有 4%。成立于 2021 年的 Anthropic，本质是一支几乎全员仍在第一段股权兑现窗口内的队伍。
302 人此前在 Google（占近四分之一），其后是 Meta、微软、亚马逊。与 OpenAI 不同的是，DeepMind（51）与 OpenAI（35）本身就是 Anthropic 可见的人才来源——两大对手实验室合计输送 86 人；Stripe（94）异常靠前，是它独有的基础设施进水管。
74% 的技术人才共用「Member of Technical Staff」一个头衔，比 OpenAI 的 57% 更极端，连带团队的人也只写作「Member of Technical Staff (Manager)」。想评估 Anthropic 的人，头衔几乎不提供任何信息，只能读履历本身。
02比 OpenAI 还新：四成人过去一年才加入
任期是判断一家公司扩张速度最直接的信号。Anthropic 现任技术人才的中位在职仅 13 个月——比 OpenAI 的 17 个月还短。约 44% 入职不到一年，近四分之三在两年内加入，待满四年的只有 4%。这是一支比对手更年轻、仍在高速搭建的队伍。
03组织很新，人不新：72% 有 10 年以上经验
和 OpenAI 一样，Anthropic 的组织新、人却资深。中位职业经验 13.1 年，与 OpenAI 的 13 年几乎完全一致；应届与初级是例外而非主体。它把资深经验高度集中，再压进一套比谁都扁平的职级里（见第 07 节）。
04技能榜是工程，不是论文
把 Anthropic 技术人才的硬技能排个序，榜首是机器学习与系统工程——机器学习、Python、分布式系统、Java；深度学习、NLP 这些「研究味」标签排在它们下面，而不是上面。这一点和 OpenAI 一模一样：这是一支为「把大模型与大系统跑进生产环境」而搭的队伍。
05头号进水管仍是 Google——但对手实验室也在其中
把每个人的过往雇主摊开看，Google 高居榜首：302 名现任 Anthropic 员工此前在 Google，接近四分之一；其后是 Meta、微软、亚马逊。真正和 OpenAI 拉开差距的是榜单中段——DeepMind（51）与 OpenAI（35）本身就是 Anthropic 的人才来源，两大对手实验室合计 86 人；而 Stripe（94）异常靠前，是 Anthropic 独有的金融基础设施进水管。
06博士比例略高，学术管道偏美英而非中国
Anthropic 的博士比例为 15.5%，略高于 OpenAI 的 14.4%，但同样不是学术主导——约 85% 的技术人才没有博士学位。从履历中可见的学术机构看，Anthropic 集中在美国顶尖 CS 院校，并带有明显的英国管道（牛津、帝国理工），呼应它在伦敦的第二总部；这与 OpenAI 报告中那条很深的中国本科管道形成对照。
履历中出现最多的学术机构（含读研、博士、博士后及研究经历）：斯坦福 · 60哈佛 · 24MIT · 23CMU · 19UC 伯克利 · 18康奈尔 · 18帝国理工 · 9牛津 · 7——一条以美国顶尖 CS 为主、英国为辅的学术管道。
07一个头衔统治一切，比 OpenAI 更彻底
Anthropic 把扁平职级做到了极致。74% 的技术人才顶着某种形式的「Member of Technical Staff」——比 OpenAI 的 57% 高出一大截。20 年的系统老兵、刚毕业的博士、甚至带团队的管理者（头衔写作 Member of Technical Staff (Manager)），共用同一行 title。内部当然有层级，但从外部看，这张组织图几乎完全「不可读」。
其余头衔的长尾
Applied AI · 29Research Fellow · 21Software Engineer · 16Research Engineer · 9Research Scientist · 8Engineering · 7Researcher · 6Data Scientist · 5AI Safety Research Fellow · 4除 MTS 之外，是一条由研究类与安全类头衔构成的稀薄长尾——这是 Anthropic 研究与安全底色为数不多的外部痕迹。
08这份透视怎么用
如果你也在招与 Anthropic 重叠的人才
主攻入职不足 24 个月的那一层（占全员近四分之三，几乎全员仍在股权兑现窗口内，且比 OpenAI 更早）；从 Google、Meta、微软、亚马逊这些大厂基础设施团队取水，也别忽略 DeepMind 与 OpenAI——Anthropic 自己就在这么招；别用头衔筛人——74% 都是 MTS，只能读履历底下真正做过的系统。
如果你想加入这类团队
拿出你真正构建并扛过规模的系统——这里的中位线是 13 年的工程交付，而不是引用数。没有博士也没关系，你属于 84% 的多数。研究与安全方向有少量 Research Fellow 通道，但门槛同样是过硬的工程与研究成果，而非头衔。
本报告回答的问题
- 这份透视覆盖多少名 Anthropic 在职技术人才？
- Metix AI 对 Anthropic 当前在职技术团队做了一次全量画像——1,281 名工程师与研究员。我们把他们的资历、任期、技能、来源、教育与头衔逐项摊开，再和此前发布的《OpenAI 工程团队人才透视》逐一对照。
- Anthropic 的职级有多扁，和 OpenAI 差多少？
- 74% 的技术人才共用同一个 “Member of Technical Staff” 头衔，比 OpenAI 的 57% 更极端；带队的人也只写 “Member of Technical Staff (Manager)”。
- Anthropic 透视的统计对象是什么？
- 以下数字为 Metix AI 数据库口径（数据时点约 2026 年上半年），统计对象 = 当前在职于 Anthropic 的技术人才（工程与研究序列，已剔除社区大使、市场、招聘、产品等非技术角色）。所有数字均为聚合统计，报告不展示任何个人信息。
- 如何引用本报告？
- Metix AI Talent Intelligence，2026-06-15。Anthropic 工程团队人才透视 | Metix AI。https://metix.ai/reports/zh/mapping/anthropic-engineering-xray-2026
这只是一家公司。任何一家，我们都能透视。
本报告由 Metix AI 的人才图谱生成——与我们的搜索、匹配产品同一套引擎。想要 Anthropic 的完整名单与可联系的候选人，或者为你正在竞争的某家公司生成同款透视？留个联系方式，我们 1 个工作日内对接。
开始 Mira 试用