近期，有人发现，Anthropic 官网仍在招聘软件工程师，相关岗位薪酬最高达到约 57 万美元。
有人质疑这是假的，也有人说这是之前信息，但目前官方招聘网站上，Anthropic 确实还在大量高薪招聘软件工程师：AI 研究与工程方向有 67 个开放岗位，应用 AI 方向有 33 个开放岗位，计算方向约有 12 个左右开放岗位，工程与设计-产品方向有 25 个开放岗位，安全防护方向有 15 个开放岗位，销售方向也有 67 个开放岗位。
其中，Claude Code 模型性能软件工程师（Staff Software Engineer 级别）年薪为 40.5 万至 48.5 万美元，另一个更偏系统底层的 Claude Code 系统软件工程师，岗位年薪为 32 万至 48.5 万美元。而最高的 85 万美元上限给到了 TPU Kernel Engineer，说明真正稀缺的是能把模型训练和推理效率做上去的人。
就在今年 1 月份，Dario Amodei 给出了一个惊人预测：未来 6-12 个月，AI 全面取代软件工程师，同时，一半初级白领岗未来 1-5 年全部消失。这在当时引起了很大的反响，很多开发者对未来感到焦虑。
有人认为，上面两件事暴露出了 Anthropic 的矛盾：它一边宣称 AI 将重塑甚至替代软件工程工作，一边又在以极具竞争力的薪酬争夺顶级技术人才。
事实上，Anthropic 工程组织的扩张速度、人才来源和能力结构，都与外界对“前沿 AI 实验室”的常规想象存在明显偏差。
近期，一项基于 LinkedIn 公开资料的分析显示，Anthropic 当前工程团队的核心画像，并不是外界想象中的“研究员密集型 AI 实验室”，而更接近一家正在高速扩张的基础设施公司。
这项分析由招聘从业者 Sebastian Cuadros 完成。他抓取了所有在 LinkedIn 个人资料中将 Anthropic 列为当前雇主的人，共计 5306 人，并从中筛选出 1680 名真正从事工程岗位的员工，再进一步分析了这些人在加入 Anthropic 前留下的 7986 段过往岗位描述。
结果显示，Anthropic 工程团队成员为大量来自 Google、Meta、Amazon、Microsoft、Stripe、Databricks、Snowflake、Palantir 等公司的资深工程师，拥有十年以上工程经验，擅长后端、分布式系统、数据库、安全和大规模生产系统建设。
Anthropic 已经不再是一个单纯的“模型实验室”式组织，而是进入了产品化、商业化和基础设施规模化扩张的阶段。
Anthropic 几乎是在一夜之间扩张起来的。
根据分析，目前仍在 Anthropic 的工程师中，只有 15 人是在 2021 年之前就在公司的。2025 年，这个组织规模大约扩大了三倍，当年招聘了 686 名工程师；2026 年也正在朝着同样的节奏推进，截至 6 月已经招聘了 455 人。
当前工程团队中，有一半人在 Anthropic 的任职时间不足一年。过去 12 个月加入的人占 53%，任职时间中位数只有 10 个月。也就是说，这是一个大约在 18 个月内搭起来的巨型工程组织。
在 1680 名工程师中，加入 Anthropic 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 年工作经验。工作经验少于 3 年的只有 50 人，而拥有 13 年及以上经验的人占比达到 44%。应届生招聘基本不存在。
所以，一个典型的 Anthropic 新招工程师画像是：一个拥有 12 年工作经验、但在公司只待了 10 个月的人。
只有极少部分“初级员工”能进入 Anthropic。
数据显示，有 172 名工程师工作经验少于 6 年，其中少于 3 年的有 50 人。不过，这些人并不是普通意义上的应届生或泛化型中级工程师，而是高度筛选后的特殊人才。
与整体工程组织相比，这批年轻工程师的博士比例更高，为 19%，高于整体的 13.7%；产品工程或软件工程相关头衔占比也更高，为 15%，而整体仅为 5%；同时，他们拥有 FAANG 履历的比例更低，为 32%，低于整体的 50%。
他们补足工作年限的方式，主要依赖其他高强度筛选标准：
第一类是实习管道。50% 的人列出了以下公司的实习经历：Meta 16 人，Google 10 人，DeepMind 6 人，Microsoft 5 人，Amazon 5 人，此外还有 Jane Street、Two Sigma、HRT、Optiver、Nvidia。
第二类是从量化交易转向实验室。9% 的人来自顶级交易公司，包括 Jane Street、Two Sigma、Five Rings、HRT、Optiver、Citadel。这些是年轻的数学、计算机竞赛型人才，通过高频交易行业进入 AI 实验室。
第三类是 AI 对齐奖学金。6% 的人接触过 MATS、SERI、Redwood 或 ARC。这是一条几乎只面向初级人才的入口，在资深工程师群体中几乎不存在。
因此，一个典型的年轻工程师画像可能是：MIT 背景，国际信息学奥林匹克竞赛银牌，Codeforces 评分 2900+，工作四年左右后进入强化学习和 AI 安全方向。他们被筛选时看的是竞赛排名和论文，而不是工作年限。
这类人就读的学校也更加国际化。除 Berkeley、Stanford、Cambridge、MIT 外，还包括清华大学、牛津大学、帝国理工学院、新加坡国立大学、上海交通大学、苏黎世联邦理工学院等高校。这说明，对于早期人才，Anthropic 更愿意采用全球化、高标准、强筛选的方式寻找极少数“异常值”。
分析显示，40% 的工程师背景与基础设施相关，其中，后端、分布式系统、数据库和安全方向分别约占 20%。相比之下，强化学习相关经历只出现在 3.3% 工程师的背景中。
这与外界对 Anthropic 前沿 AI 实验室的认知形成了反差。典型的 Anthropic 工程师，更像是过去十年一直在超大规模云厂商或基础设施创业公司中构建大型生产系统的人，而不是主要发表论文的研究科学家。
他们自己列出的技能也说明了同一件事：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，AWS 154 人。那些更光鲜的模型训练工作当然存在，但非常少见。
其中，最引人关注的是 TPU Kernel Engineer。在当前的招聘网页上，该岗位的办公点在旧金山、纽约、西雅图，年薪在为 28 万至 85 万美元之前。85 万美元是招聘网页显示的最高薪。
岗位要求候选人优化 TPU/GPU 等加速器上的机器学习系统，涉及低延迟、高吞吐采样，低精度推理，自定义 collective communication，性能建模，甚至 assembly 级别的 kernel 调优。这类岗位直接关系到模型推理成本、训练效率和算力利用率，因此成为 Anthropic 高薪抢人的重点。
除底层性能优化外，Anthropic 对基础设施工程人才的需求同样强烈。例如位于伦敦的“高级及以上基础设施工程师（集群基础设施方向）”岗位，年薪区间高达 32.5 万至 48.5 万英镑（以当前汇率换算，大约 43.9 万美元-65.5 万美元）。
该岗位负责 Anthropic 计算集群的完整生命周期管理，涵盖跨云平台及自建数据中心的集群配置、升级、退役、故障恢复、安全默认配置以及高带宽互联等。职位描述中特别提到，Anthropic 的算力规模正在以“几乎比任何公司都快”的速度扩张。
对大模型公司而言，模型能力的竞争正在越来越多地转化为算力效率、推理成本、集群稳定性和基础设施工程能力的竞争。
比如，“数据中心 OFE 战略寻源负责人”，负责数据中心关键电气和机械设备采购，包括发电机、开关设备、UPS、冷却设备、变压器等，年薪在 29 万至 36.5 万美元之间。
在产品与安全方向，Anthropic 同样在通过高薪扩张。例如，“网络安全产品工程经理”一职，年薪区间为 40.5 万至 48.5 万美元。该岗位要求候选人具备多年软件工程及工程管理经验，有能力将原型产品推进至付费客户使用和大规模部署阶段。
此外，“事件响应经理（产品与工程方向）”岗位，年薪区间为 29 万至 36.5 万美元。该岗位负责搭建 Anthropic 产品和工程侧的事件响应体系，协调工程、产品、安全、法务、市场及管理层等多方配合。
根据统计，80% 的人共用同一个职位头衔：“Member of Technical Staff”。
一位前 Instagram CTO、前 Adept 创始人、斯坦福教授，在这里都只是 “MoTS”。这个职级被刻意压平了。员工的资历、具体职能和层级并不会直接通过头衔体现出来。
大家都以为 Anthropic 主要是在挖 OpenAI 和 DeepMind 的人，但它最大的人才管道确实是 Google。来自几个竞争实验室的员工数量占比很少。
Anthropic 明显超比例吸引那些以工程严谨性著称的公司人才：Stripe、Databricks、Snowflake、Palantir、Airbnb。
如果看工程师过往履历中曾经任职过的机构，Google 以 405 人位居第一，Meta 273 人、Amazon 197 人、Microsoft 171 人、Stripe 124 人、Apple 87 人、Stanford 68 人、DeepMind 62 人、Airbnb 51 人、OpenAI 48 人。整个工程组织中，有一半的人曾经在 FAANG 公司任职。
当然，他们也确实从其他实验室挖人。OpenAI 是第五大直接来源，DeepMind 是第六大直接来源。大约有 94 名工程师是直接从一家前沿 AI 实验室跳槽过来的。
数据显示，Anthropic 工程师中只有 13.7% 拥有博士学位，大约七人中才有一人是博士。
典型的 Anthropic 新招工程师，是拥有本科或硕士学位的资深工程师，而不是研究科学家。那种“实验室里全是博士”的想象，在工程岗位层面基本是错的。
他们的专业背景分布，也非常符合一个建设型组织的特征：计算机科学 819 人，之后是数学 78 人、物理 70 人、计算机工程 69 人。哲学也进入了前 20 名，有 13 人，这可能和安全相关。
学校来源方面，斯坦福是 Anthropic 工程招聘中最重要的学校来源。从历史累计数据看，斯坦福有 144 人、伯克利 118 人、麻省理工 80 人、卡内基梅隆 73 人、哈佛 42 人、剑桥 39 人、华盛顿大学 36 人、滑铁卢大学和康奈尔大学各 35 人、牛津 33 人、普林斯顿 32 人。其中，斯坦福、伯克利、麻省理工、卡内基梅隆这四所学校合计占到工程组织约四分之一。
Anthropic 的情况，展示出了资深软件工程师在当下依然非常重要。而此前，软件工程师这一岗位几乎在舆论中已经“被淘汰”。
2025 年的软件工程师就业市场曾呈现一种“矛盾状态”：求职者普遍觉得投递更难获得回应，而招聘经理也认为比过去更难招到合适的人。到了今年，这种矛盾并未完全消失，但市场整体已经出现积极变化。
The Pragmatic Engineer 最新发布的《2026 年软件工程师就业市场状况》显示，顶级科技公司软件工程师招聘正在恢复，美国和英国岗位数量上升，部分高薪科技公司开放的软件工程岗位较一年前增长约 20%。
2025 年与 2026 年职位空缺最多的公司对比。数据来源：TrueUp
TrueUp 数据显示，自 2023 年 3 月以来，顶级科技公司开放的软件工程岗位数量持续攀升，主要包括大型科技公司（Big Tech）、头部创业公司以及成熟的规模化扩张公司。
在 Big Tech 内部，软件工程师招聘趋势并不一致。报告认为，Apple 和 Google 在软件工程岗位增长上更稳定，而 Meta 则呈现出“快速招聘、随后裁员”的过山车式特征。
数据显示，自 2024 年 5 月以来，Meta 软件工程师人数增长接近 20%。但随后 Meta 又进行了裁员，这使其成为 Big Tech 中最具波动性的公司之一。相比之下，Apple 和 Google 的软件工程师团队较为稳定。过去两年，Apple 软件工程师人数增长约 10%，Google 增长约 5%；Microsoft 下降约 1.1%，Amazon 下降约 1.3%。
Citadel Securities 近期发布的一份报告也对“软件工程岗位将被快速替代”的观点提出反驳。
报告显示，软件工程师岗位发布数量仍在快速增长，同比增加约 11%。原因是，AI 的扩散并没有让企业停止招聘技术人才，反而让更多企业意识到自己需要能够部署、集成和运营 AI 的工程能力。 与此同时，公司创办数量也在扩大，这可能与 AI 降低创业门槛、提高个体和小团队杠杆有关。
值得注意的是，AI 工程岗位本身正在成为软件工程招聘的新增长点。
AI 工程岗位需求继续爆发，多数科技公司正在把 AI 工程招聘置于普通软件工程招聘之前。Pragmatic Engineer 提到，许多大型科技公司的 AI 工程职位数量比一年前增加 50% 到 100%，其同时还提出了一个关键问题：AI 工程是否不是在替代软件工程招聘，而是在把 AI 能力变成软件工程候选人的基础技能？
这与部分网友的观点相似：AI 编程工具的普及意味着更多工程师可能成为“10 倍工程师”。
此外，美国劳工统计局 BLS 对软件开发者、质量保证分析师和测试人员的长期预测仍然乐观。BLS 预计，2024 年至 2034 年，这一大类岗位就业将增长 15%，明显高于美国全部职业平均 3% 的增速；其中软件开发者单独预计增长 16%。BLS 还预计，未来十年该类岗位平均每年约有 12.92 万个职位空缺。
但是，事情的另一面也很重要：岗位总量虽然没有崩，但并不代表所有人都安全。
Stanford Digital Economy Lab 相关研究指出，AI 暴露度较高的职业中，早期职业阶段员工的就业出现明显下降，软件开发和客服等岗位受到冲击更明显。研究特别强调，经济总体就业仍在增长，但年轻员工的就业增长已经停滞。
“有点反常的是，软件工程师的岗位薪资可能会变得更高，但岗位数量会更稀缺。你必须成为顶尖程序员，未来可能不再有初级或中级程序员岗位。”有网友评价道。
面对年轻工程师的困境，在 InfoQ 1 月份的访谈中，资深独立咨询师 &Al Coding 资深实践者张汉东给出了一些建议：首先，一定要跟上 AI 的发展，用 AI 是最基本的，更重要的是持续关注 AI 最前沿的动态，并基于这些信息去判断趋势；其次，一定要尽量掌握当前最好的 AI 工具，同时建立属于自己的 AI 工作流和学习路径，只有这样才能顺利衔接后续以 Agent 为主流的发展阶段，知道如何指挥 Agent 工作，并在过程中持续积累行业经验。
Kreditz Al Orchestrater 马工给年轻人打气，并表示：“如果一些年轻人足够有野心，想真正做出点东西，现在反而是最好的时代。”
他表示，亲自动手的成本其实很低，只要自己去实践，就会获得与他人完全不同的体验，通过不断对比，才能逐渐和别人站在同一水平线上。“如果你只是跟着某位名人说什么就做什么，那永远都会慢一步。更何况，很多观点本身也带有立场和商业目的。”
参考链接：
https://newsletter.pragmaticengineer.com/p/state-of-the-job-market-2026?utm_source=chatgpt.com
此内容由惯性聚合(RSS阅读器)自动聚合整理，仅供阅读参考。 原文来自 — 版权归原作者所有。