Anthropic几乎停招初级员工，占比一年半骤降33%：Agent工时已是员工6倍

九游体育网页版专注九游平台服务，为用户提供专业可靠的体验。

首页
博客
博客文章

Anthropic首席执行官Dario Amodei曾预估，到2030年，一半的初级白领岗位可能不复存在。如今，Anthropic自身发布的数据已在其技术团队中体现：初级员工比例下滑，而AI Agent的工作时长正迅猛攀升。

Anthropic的一项内部调研显示，从2025年初起，技术部门的初级员工占比由21%降至14%，相对减少了约33%；新聘员工中初级人员的占比降幅更为显著，同期从27%跌至仅9%；自2025年12月起，初级岗位的招聘公告减少得尤为突出。

AI接手编码任务，初级招聘随之缩减

编写代码、排查错误这些以往被视为初级工程师“练手”的核心工作，如今越来越多地交由Claude处理。截至2026年8月，公司整体Agent与人类的工作时长比为6:1，研究部门更是高达19:1。Anthropic将这一转变归因于AI Agent能力的显著提升。

数据也印证了这种转移的规模：工程师提交的代码变更次数达到此前的5.1倍，数据科学家执行的查询量达到3.1倍，法务团队处理的合同数量也增至3.1倍。一名员工在报告中直言，工程师生产效率的提升“一夜之间改变了我们对招聘人才的标准”。

代码交付速度的加快，也推动了工程基础设施的改造。四个月内，Anthropic的代码合并量增长了12倍，公司因此搭建了内部版本控制系统，以适应持续扩大的工程工作量。

这种变化并非简单的“机器替代人力”。报告显示，技术部门中完全不直接编写代码的员工占比在过去一年近乎减半，管理者提交代码的频率几乎翻倍，工程师与产品经理的比例扩大至约17:1。

换言之，Agent不仅替代了初级岗位的战术性任务，还在重塑整个工程组织的协作结构——管理与协调岗位被迫亲自交付代码，而“监督他人编写代码”这一职能本身正逐渐贬值。

图注：Claude使用复杂度与初级岗位就业增长。

与此同时，技术部门的招聘绝对人数仍在增长，但其占全公司员工的比例在过去一年从61%降至56%。销售、财务和招聘部门的增长速度更快，部分原因在于编码Agent让非工程人员也能自行构建工具。Anthropic举例称，一位销售代表在没有任何用户界面设计经验的情况下，仅用三四个小时就搭建了一个集成多种工具的自定义仪表板和流程。

非技术员工使用编程Agent的会话次数也大幅增加：从2025年8月每月约两次，升至2026年5月每月90次。这一采用速度与同期整个行业Agent编程工具的增长趋势一致。与此同时，一些公司出于安全考虑开始限制AI Agent的使用，亚马逊、摩根大通、嘉信理财和达美航空都在部分系统中封锁了AI Agent。

Anthropic表示，公司已建立预警系统，用于识别可能受到冲击的岗位，并优先安排员工内部转岗，而非裁员。2026年，入职至少一年的员工每月转到其他部门的可能性，比2025年高出50%。例如，一个过去负责撰写Claude.ai应用内文案的产品设计团队，后来搭建了一个“上下文图谱”，让Agent能自行撰写这些文案；随后，该团队转而为Claude编写提示词和评测。

Anthropic认为，鉴于公司已将AI Agent深度融入自身工作流程，其变化可能预示着行业发展方向。其他公司在采用类似工具后是否会出现相同的招聘模式，还有待观察。不过，Anthropic自身的数据表明，不到两年时间，技术职业发展阶梯中的入门级岗位已与过去截然不同。

原本就不招初级：资深人才占据主导

Anthropic的工程团队本身就像一支由资深基础设施工程师组成的高速扩张队伍。

招聘从业者Sebastian Cuadros基于LinkedIn公开资料进行了一项分析：他抓取了5306名将Anthropic列为当前雇主的用户，从中筛选出1680名真正从事工程岗位的员工，并进一步分析了这些人加入Anthropic前留下的7986段过往岗位描述。结果与“前沿AI实验室”的常规想象存在明显偏差。

这是一支大约在18个月内搭建起来的组织。目前仍在Anthropic的工程师中，只有15人在2021年之前就已入职。2025年，工程团队规模扩大约三倍，当年招聘686名工程师；2026年截至6月又招聘了455人。当前工程团队中有一半人任职不足一年，过去12个月加入的人占53%，任职时间中位数仅为10个月。

这组履历数据还说明，Anthropic几乎不招初级工程师。这一倾向并非始于Agent的崛起——它的招聘门槛本来就设在资深一侧。1680名工程师加入公司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；工作经验少于3年的只有50人，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。

一个典型的新招工程师画像是：拥有12年工作经验，但在公司只待了10个月。

极少数年轻工程师的进入方式，也依赖高强度筛选而非常规校招，主要靠其他高标准来补足工作年限：

第一类是实习管道。半数人拥有Meta、Google、DeepMind、Microsoft、Amazon等公司的实习经历，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。

这类年轻工程师的典型画像是：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。

资深人才占据主导，意味着这家公司当前的工程能力建立在一批“已经养成”的人身上；而入门级岗位的减少，意味着下一批这样的人从哪里来，暂时还没有答案。

认知公地的悲剧：省下的培养成本，未来由谁偿还

在一篇讨论AI与专业人才培养的论文中，研究者Nolan Lovett将这种风险称为“认知公地的悲剧”：企业用AI替代入门级工作，效率收益归自己；但如果整个行业都减少了培养新人的机会，未来需要资深人才时，专业能力的来源也会变少。

这笔账要过很多年才会到期：Lovett指出，今天在岗的资深专业人士，大多是在5至20年前接受训练的。因此，从2023年开始出现的初级岗位收缩，其完整影响可能要到2030年至2045年才会显现。软件工程、金融分析和法律研究受到的影响尤其值得关注——这些领域恰恰依赖“从初级做起”的长期训练。

AI还带来另一层更隐蔽的风险。人们需要专业知识来识别AI输出中的错误，而长期依赖AI，又可能让这种专业知识更难积累。Lovett把这种依赖称为“验证纽带”：有效监督AI，需要深厚的领域经验。换言之，AI越是替人完成入门工作，人越难获得监督AI所需的那份经验——这是一个自我强化的循环。

初级岗位减少，并不意味着初级工程师不再需要学习。

前Meta工程师、知名开发者教育者Kent Dodds在一期访谈中提出了一个不同角度的观察：工程师的职业路径本来就会从编写代码，逐渐延伸到团队管理、架构决策和系统设计。如果没有AI，回到五年前来看软件工程师的职业发展路径，工程师越往上走，越会成为团队负责人，甚至技术Fellow；职位越高，就越不可能了解自己管理的所有系统细节。

“现在，我们好像都成了技术Fellow或团队负责人，可以在不理解每个细节的情况下构建软件。”

但他同时强调，不能因为不必理解每一行代码，就认为软件自然会正常工作——雇一群缺乏经验的初级开发者写出糟糕的软件，产品创意再好也可能失败，技术严谨和明确方向依然不可或缺。

问题在于，成长路径本身正在改变。如果金字塔底部的新人不再需要掌握代码基础，他们以后怎样才能成长到管理Agent的层级？Dodds的回答是：初级工程师成长为高级工程师，从来不是靠掌握语法本身，而是靠做高级工程师做的事、承担高级工程师的职责。

“既然高级工程师已经不再亲自写那么多代码，初级工程师也不必靠敲语法来达到同样的水平。”

当然，他们仍然会缺少一些经验，可能需要深入理解架构决策和不同方案之间的取舍。这一直都是成长过程的一部分。你要向上提升，就得往下钻，理解底层的东西。

但他认为，在没有技术基础的情况下成为架构师也是完全有可能的：“用现在的模型，要构建一个好系统，需要合适的基础构件；缺乏构建这类系统的经验，会让这件事非常困难。但困难并非不可能。我认为模型会继续进步——你只要告诉模型自己想要什么结果，它就能向你提出恰当的问题，确认自己理解了需求，然后构建出满足需求的系统。未来会走到这一步。”

如果“资深”的工作本身已变成指挥Agent、做架构取舍、判断输出质量，那么入行通道就该围绕这些能力重建，而不是继续从语法练起。

Anthropic选择了省事的那条路：只招已养成的人。这在单家公司身上完全理性，但所有公司都这样选时，短缺的不会是写代码的人，而是能判断Agent写得对不对的人——而这类人，招聘市场上没有现成供给。