OpenAI、Anthropic 都在招什么人？
作者：人工智能胡思乱想
日期：2026年3月18日
摘要
基于 2026-03-15 OpenAI 与 Anthropic 官方职位页统计，两家 AI 巨头公开招聘都显示出同一个趋势：虽然研究、算力和安全还在招，但更大规模的 headcount 已明显压向客户落地，包括售前架构、部署、前线工程、客户成功、价值证明和行业化推进。
基于 JD 推演刚好验证了 OpenAI 2026 年最紧迫的任务在于企业级服务，通过把前沿模型规模化地打进企业生产环境，做深部署、做强交付、做出 ROI、做成续费。
本文以 OpenAI 624 条、Anthropic 450 条 发布岗位招聘信息为分析基础，基于高频岗位、岗位描述和团队分布，尝试推演企业布局
第一章：两家公司都在大规模招“交付”
如果你还认为顶级大模型公司的招聘理解成“研究员大战”，那这个判断已经滞后了。从可见岗位结构看，两家公司都在补研究、算力和安全，但更密集的 headcount 明显压在了面向客户落地的链条上：售前架构、部署、前线工程、客户成功、价值证明和行业化推进。
为便于横向比较，本文将原始 team 分类合并为 6 个可比 bucket。
OpenAI 与 Anthropic 招聘结构对比
这里有两个关键信号。第一，Anthropic 的公开团队页里，Sales 就有 136 个 open roles，远高于 AI Research & Engineering 的 58 个；它不是不做研究，而是在明显加速商业化组织的铺设。第二，OpenAI 的可见岗位虽然没有把所有客户岗位都塞进 “Sales”，但它把大量 headcount 分散放在了 Technical Success、Model Deployment for Business、AI Success 这些技术交付组织里，这比单纯看销售岗数量更说明问题。
第二章：OpenAI 的招人重心已明显转向客户服务工程师
看 OpenAI 的原始 team 分类，最靠前的不是纯研究，而是 Applied AI Engineering（55）、Technical Success（50）和 Model Deployment for Business（39）。再往后才是 Security、Sales、Hardware 等大类。换句话说，OpenAI 当前最急的，不是多开几个销售名额，而是把“客户想试”变成“客户能上线、能扩张、能续费”。
OpenAI 可见岗位前 12 个团队标签
这背后的组织含义很直接：模型能力本身已经足够强，真正的瓶颈正在从“模型可不可用”转向“客户能不能在复杂系统里用起来”。一个前沿模型公司一旦把招人重点压到 Technical Success、Deployment、FDE 和 Value Engineering，就意味着它在解的是交付吞吐量、客户 adoption depth，以及从试点到规模化生产之间的摩擦。
第三章：高频岗位透露的方向，比 team 名字更有信息量
如果把 OpenAI 职位名按高频角色归并，企业部署链条会更明显。Forward Deployed Engineering、AI Deployment Engineer / Manager、Solutions / Pre-sales Engineering、AI Success / Value Engineering 这几类，是整份 monitor 里最密集、最能反映当前组织重点的一组岗位。
OpenAI 企业部署链条相关岗位
3.1 AI Deployment Engineer：不是普通售后，而是“从路线图到上线”的技术主责
这支团队的使命是让开发者和企业“安全且有效地部署生成式 AI”，岗位要求候选人成为 post-sale 的技术专家，和客户一起确定 GenAI 路线图、优先级和高价值用例，再把项目从 prototype 推到 production。它明确要求 5 年以上技术咨询、售后工程或 solutions architecture 经验，同时还要能上手 Python / JavaScript、做 PoC、懂复杂架构和网络条件。这不是传统 TAM，也不是纯顾问，而是能直接推动“落地速度”的技术交付负责人。
3.2 AI Success Engineer：OpenAI 真正在补的是 adoption 和 value realization
AI Success Engineer 的 JD 更能说明 OpenAI 当下的焦点。这个角色被定义为最重要客户的 primary post-sales point of contact，要负责 account health、adoption velocity、技术 readiness、新用例挖掘和可量化的业务价值。岗位不仅覆盖 API、agentic platform、Codex、ChatGPT Enterprise，还要求候选人懂 SSO、加密、GDPR / HIPAA、容器、CI/CD、云平台，并且能同时跟 C-level 和技术团队工作。说白了，OpenAI 现在缺的不是会讲模型的人，而是能把模型变成企业 KPI 的人。
3.3 Forward Deployed Engineer：这不是“去客户现场支持一下”，而是前线建制化
FDE 的描述更加激进。岗位要求直接拥有 discovery、scoping、system design、build、production rollout 的全流程，能在前后端写 production-grade code，能在高压力和高歧义环境里快速做 trade-off，还要把现场经验固化成可复用的 playbook 和 building blocks。更重要的是，OpenAI 甚至专门出现了 Financial Services、Life Sciences、Semiconductor、Gov 等细分 FDE 角色。这说明它在走的不是“通用平台 + 通用顾问”模式，而是行业化、模板化、可复制的垂直交付模式。
3.4 Value Engineer：OpenAI 已经开始系统性补“ROI 证明”
Value Engineer 这类岗位尤其值得注意。JD 里写的是：帮客户和内部团队把 AI adoption 翻译成财务和运营结果，建立 ROI / TCO 模型、价值叙事和 dashboard，并直接影响 executive alignment、investment decisions、renewals 和 expansion。只要 Value Engineering 开始从 0 到 1 建函数，基本就意味着公司已经从“卖能力”进入“卖结果”。
第四章：OpenAI 的招聘画像，“混合型高潜力人才”
把这些 JD 摆在一起看，OpenAI 的 bar 非常一致：技术要深，业务要懂，执行要硬。你会看到三个反复出现的要求。第一，候选人必须能和客户高层对话，不只是跟工程师沟通；第二，必须能亲手写代码、搭原型、做部署，不是 PPT 型架构师；第三，要能把现场经验产品化，向内反馈给 Product / Research / Security / GTM，形成组织学习。
这类人本质上是“mini-GM technologist”：既能判断场景、推进 adoption、处理复杂 stakeholder，又能下场搭系统、管交付、讲清业务价值。它的难度远高于传统 SaaS 里的售前、CSM 或解决方案架构师。OpenAI 现在显然愿意为这类人付出更高 bar，因为它要解决的是 frontier model 在真实企业环境中的复杂落地，而不是标准化软件的轻量集成。
第五章：Anthropic 与 OpenAI 高度共识
Anthropic 的公开团队页把这种趋势写得更直接：Sales 有 136 个 open roles，而 AI Research & Engineering 是 58 个。它的高频岗位不是单纯 AE，而是 Solutions Architect, Applied AI、Forward Deployed Engineer, Applied AI、Applied AI Engineer、Customer Success Manager 这一整套技术化客户组织。
Solutions Architect 的 JD 要求候选人成为 enterprise 的 trusted technical advisor，覆盖 discovery、eval、架构设计、部署与 adoption；Applied AI FDE 则要求直接在客户系统里构建生产级应用，甚至交付 MCP servers、sub-agents 和 agent skills；Customer Success 管理岗更是直接写出要管理 5-8 人团队、覆盖 API、Claude.ai 和 Claude Code，并处理 100 万到 1 亿美元以上年合同额的扩张、续费和 ROI。Anthropic 不是只想把 Claude 卖出去，它是要把 Claude 放进客户的 operating fabric。
但 Anthropic 也保留了相当强的 research pull。比如 Pretraining Scaling 强调“big science”，Universes 则明确围绕 capable and safe agentic AI 的训练环境、RL 方法和 evaluation。也就是说，这不是“研究退场，销售上桌”，而是前沿模型公司正在同时搭建两台机器：一台负责能力边界，一台负责商业渗透。
结语：2026 年的主战场是应用的全面落地
结合今年陆续发布的各个 AI 产品，以及 OpenAI、Anthropic 的招聘策略来看， 模型变成企业组织里的生产系统、预算项和续费项已经可以预见。
我们可以持续追踪，技术成功、部署、前线工程、价值证明、行业化方案、安全与合规这些环节到底补了多少人才，他们将决定了 OpenAI、Anthropic 能不能把“模型领先”变成“客户体系内的规模领先”。
换句话说，2026 年的主战场已经不是单纯的 model race，而是 production race。谁能更快把前沿模型接入真实工作流、接入企业系统、接入预算和治理流程，谁就更有机会把一时的能力优势，变成长期的市场优势。
参考来源
- OpenAI Careers 与相关岗位 JD，检查时间 2026-03-18。
- Anthropic Careers / Jobs 与相关岗位 JD，检查时间 2026-03-18。