接上篇文章从 1,082 个招聘岗位，解码 OpenAI 与 Anthropic 的组织分化（上），我用招聘数据（OpenAI 660 个岗位、Anthropic 422 个岗位，合计 1,082 个）做了组织层面的对比，结论是两家公司虽然产品基本盘相近，结构上已经走向完全不同的方向：OpenAI 是事业部制（34 个部门、76 个团队，多条业务线各自扩张），Anthropic 是职能制（18 个部门，研究和工程在同一个汇报线上）。前者像 2015 年的 Google 加 Alphabet，后者像 Palantir 加一个内嵌的贝尔实验室。

结构差异是骨架。这一篇切到四个具体战场：广告、算力、上市、消费硬件，看上面那些抽象的组织选择如何在现实业务中结出完全不同的果实。

一、广告：消费基因与企业基因的分水岭

OpenAI 目前有 23 个广告相关岗位在招，覆盖从产品到工程到销售到合规到区域化的完整广告业务团队：

• 工程侧：广告变现软件工程师、变现产品与平台工程师、变现交付工程师、移动端变现工程师
• 设计侧：变现平台产品设计师
• 销售侧：广告方案客户合伙人（覆盖韩国、巴西、亚太、西班牙语区）、广告方案客户成功经理（6 个区域变体）
• 营销侧：中小企业广告营销负责人、广告产品营销主管
• 合规侧：广告信任与安全运营分析师
• 方案侧：广告方案工程师

OpenAI 于 2026 年 2 月正式在 ChatGPT 中上线广告，初期面向免费用户和 8 美元/月的 ChatGPT Go 订阅用户，启动合作方包括代理集团 Omnicom Media、WPP Media、Dentsu 以及 Target、Ford、Adobe、Mrs. Meyer's 等品牌，最低投放门槛 20-25 万美元。5 月 5 日 OpenAI 进一步上线自助投放工具（Ads Manager beta），取消了最低门槛。据报道，OpenAI 内部的广告收入目标是 2026 年 25 亿美元，2030 年达到 1,000 亿美元。负责这条业务线的正是 Fidji Simo，她在 Facebook 任内搭建过全球最大的广告系统之一，又在 Instacart CEO 任上把广告做成了那家公司利润率最高的业务。

23 个广告岗位中销售已经按语言和区域拆分到韩国、巴西、亚太，说明广告业务已经过了冷启动，进入了全球铺开的阶段。

图 1：广告业务招聘对比

Anthropic 呢？零个广告岗位。

广告之所以出现在 OpenAI 而不在 Anthropic，根本原因是两家公司的产品基因不同。

OpenAI 从第一天起就是一家消费者产品公司。ChatGPT 拥有超过 9 亿周活用户，是全球最大的 AI 消费应用。当你坐拥这个量级的消费流量时，广告是自然延伸：就像 Google 坐拥搜索流量、Meta 坐拥社交流量后，广告是顺理成章的变现路径。

Anthropic 从第一天起就是一家企业服务和研究驱动的公司。收入绝大部分来自企业客户的 API 订阅和大客户合同，消费者端更多扮演开发者入口和品牌展示窗口的角色。对一家企业服务公司来说，广告本身是个不成立的命题：产品形态决定了它放不进去。

广告是两家公司基因差异最直观的显现。一个走消费互联网打法：先做海量用户，再通过订阅和广告双轮驱动变现。一个走企业软件打法：不追求用户量，追求单客户深度和年合同价值。

二、物理世界的分化：建设者与采购者

AI 竞争正在从软件层下沉到物理层。在物理层，OpenAI 和 Anthropic 走到两个方向。

OpenAI：自建

OpenAI 的 Stargate 项目在如火如荼地推进。翻一翻岗位列表：数据中心机械工程师、电气工程师、控制网络工程师、网络技术员、制造质检工程师、制造测试工程师、实体安防区域主管、环境健康与安全工程师，甚至有社区关系主管（说明已经在跟当地政府打交道了）。

但比盖数据中心更能说明问题的，是 OpenAI 围绕算力建设所搭建的两套支撑体系。

第一套是融资体系。算力资本市场负责人这个岗位的描述写得很明确：职责是"把算力需求、GPU 采购、数据中心建设和电力基础设施转化为可供贷款人、投资者和战略伙伴投资的框架"，"为超大规模 AI 基础设施构建持久的融资架构"。这是一个标准的基础设施融资角色，类似于大型能源公司或地产开发商的资本市场团队。岗位要求 12 年以上基础设施投资、私募股权、私募信贷或投行经验。当一家 AI 公司需要一个具备十多年基础设施融资经验的人专门设计债务结构和结构化融资，说明它的物理基础设施投资规模已经大到需要用传统基础设施行业的金融工具来支撑了。

第二套是内部产能交付体系。OpenAI 设了一个叫"算力即服务"（Tokens-as-a-Service，简称 TaaS）的内部职能，目前在招负责人和软件工程师。仔细读岗位描述，这个团队隶属于"工业算力"（Industrial Compute）部门，职责是"在自有数据中心、战略合作伙伴和工业基础设施环境中，构建和扩展大规模算力产能"。具体来说，它要把已交付的电力、空间和硬件转化为可用于生产的推理算力（物理层到算力层的转化），并跨越不同供应商的异构硬件环境做性能基准测试、算力经济学分析和模型跨平台移植（确保模型在 Azure、Oracle 等不同合作伙伴的环境里都能高效运行）；此外还要搭建计费和利用率等监控系统来管理成本与效率。

这里的"服务"对内不对外，服务于 OpenAI 自身的训练和推理工作负载。但运营复杂度已经堪比一个独立的云计算业务：同时管理自建和第三方算力资源、在异构环境之间做模型适配、追踪每一份算力的成本与产出，这就是一个对内运营的"算力云"。

把融资体系和交付体系放在一起看，链条是清晰的：融到资金 → 建设物理基础设施 → TaaS 把基础设施转化为可用算力并持续优化效率。这套体系的存在本身就是一个信号：OpenAI 的算力建设已经复杂到需要像管理大型基础设施项目（电站、管道、数据中心基金）一样来管理了。

图 2：算力策略，建设者与采购者

Anthropic：租赁

Anthropic 的算力部门只有 14 个岗位，而且职位名称画风完全不同：数据中心产能交付高级经理、数据中心组合规划与执行主管、数据中心战略采购、数据中心效率工程师、算力效率软件工程师。

注意用词的差异：OpenAI 招的是机械工程师和电气工程师，造东西的人。Anthropic 招的是产能交付经理和战略采购，买东西的人。

更有意思的是 Anthropic 的法务团队有 5 个专门的数据中心合同律师：分别负责托管与网络、数据中心与建设、算力与基础设施的商务法律顾问。当你需要 5 个律师专门处理数据中心合同时，你在签的租约数量和复杂度已经相当可观了。

这套"买"的策略在 2026 年 5 月达到了新高度。Anthropic 在 "Code w/ Claude" 大会上宣布租下 xAI 位于孟菲斯的 Colossus 1 数据中心的全部算力（xAI 已经把训练任务迁到 Colossus 2，腾出 Colossus 1 全部容量）：22 万块 Nvidia GPU、300 兆瓦容量、xAI 自有 GPU 舰队的近一半，几周内上线。放在 2026 年的算力市场，22 万 GPU 的规模本身已经不算异常，真正不寻常的是来源：从一个前沿模型直接竞争对手那里把整代集群一次性接管。这是否也预示着 Grok 在大模型竞争中离"御三家"彻底掉队，也值得后续关注。

一个在盖楼，一个在签租约。 自建意味着长期成本优势但前期资本支出巨大，采购意味着灵活性但受制于供应商。

三、谁会先上市？

Anthropic 和 OpenAI 都在考虑上市，这已经不是新闻。但招聘数据透露了一个更具体的信息：从上市基础设施的搭建进度来看，Anthropic 走在前面。

如果在一家科技公司的招聘页面上看到"萨班斯法案 IT 合规负责人"这个岗位，那么几乎可以确定一件事：这家公司在准备上市。萨班斯法案是美国上市公司的强制合规要求，没有哪家私营公司会"以防万一"去招这样一个人。我们在 Anthropic 的招聘数据中看到了这个岗位，在 OpenAI 的数据中没有。

但一个岗位只是冰山一角。Anthropic 的财务部门有 37 个岗位，占全部岗位的 9%，里面藏着一整套上市级别的财务基础设施：

• 技术会计总监（并购与投资方向）：处理复杂资本交易的会计记录
• 基础设施资本支出会计总监：数据中心开支大到需要一个总监级别的人专门做折旧和摊销
• 基础设施与能源会计总监：AI 公司的电费账单已经需要专门的会计总监
• 高级资金分析师：管理现金流、短期投资、外汇风险
• 财务系统项目经理（报价到收款方向）：报价到收款流程是收入确认基础设施的核心，也是上市审计所要求的收入流程标准化前提

图 3：财务基础设施对比，谁会先上市

萨班斯合规、并购会计、重资产折旧会计、资金管理、收入确认系统，这是一套完整的上市财务脚手架。据彭博社报道，Anthropic 正计划最早于 2026 年 10 月上市，高盛、摩根大通和摩根士丹利已在早期接洽中担任主承销商角色，Anthropic 还聘请了硅谷顶级科技上市律所 Wilson Sonsini。招聘数据中的财务基础设施密度与这个时间表吻合：上市已经从"考虑中"进入了倒排工期阶段。

反观 OpenAI 的财务部门（24 个岗位），更多精力放在基础设施融资方向：算力资本市场、金融工程、算力战略财务。这些岗位服务的是 Stargate 建设和算力扩张，与上市审计的关系较远。这不意味着 OpenAI 没有上市计划（它完全可能已经具备了部分财务基础设施，或者通过其他渠道在推进），但从招聘信号的密度看，Anthropic 的上市筹备节奏明显更快。

有意思的是 OpenAI 的招聘信号指向了另一个方向：并购。并购招聘专员（2 个岗位）、并购法务顾问、并购招聘项目经理。当一家公司需要一个专门的"并购招聘经理"时，说明它预期在接下来一段时间里会频繁收购公司，需要批量整合被收购团队。这和 OpenAI 在 2025-26 年的一系列收购行动（收购 Jony Ive 设备公司 io、收购驻场工程师团队 Tomoro 等）是一致的。

一个在搭上市的脚手架，一个在搭并购的流水线。 两件事虽然不互斥，但它们占据了各自财务团队的主要带宽。如果 Anthropic 能在 2026 年下半年完成上市，它将成为这一轮 AI 浪潮中第一家登陆公开市场的前沿模型公司。

四、几条补充信号

Codex 是产品线，Claude Code 是功能

OpenAI 有 25 个以 Codex 命名的岗位（覆盖应用、云端、核心智能体、生态与企业、安全、商业化），还有印度、悉尼、新加坡的区域部署岗。这是一条独立的产品线，有自己的工程、安全、销售和国际化团队。

Anthropic 的 Claude Code 出现在 46 个岗位的描述中，但没有任何岗位以"Claude Code"命名，被折进了应用 AI 或软件工程部门。在 Anthropic 的组织视角里，Claude Code 是 Claude 的一个功能。

这个区别与上篇分析的组织架构一脉相承。在 OpenAI 的事业部制下，Codex 拥有自己的工程团队、安全团队和销售团队，有独立核算、独立路线图、独立的资源争夺权。在 Anthropic 的职能制下，Claude Code 共享公司统一的工程和销售资源，它的优先级取决于在整个 Claude 产品路线图中的排序，而非一个独立事业部的意志。

现金薪酬：Anthropic 几乎全线溢价

从提取的现金部分薪酬数据看（OpenAI 509 条，Anthropic 265 条美元薪资；下列数字为各部门薪资区间中位数的中值，包含基本工资和现金奖金，不含股权），Anthropic 在几乎所有可比部门都付得更高：

• 研究岗：Anthropic 42.5 万 vs OpenAI 34.8 万（溢价 22%）
• 销售：Anthropic 30.0 万 vs OpenAI 25.4 万（溢价 18%）
• 基础设施：Anthropic 40.2 万 vs OpenAI 35.2 万（溢价 15%）
• 安全：Anthropic 35.2 万 vs OpenAI 30.8 万（溢价 15%）
  
  图 4：现金薪酬对比

这与 Anthropic 的扁平头衔体系和高资深个人贡献者占比一致：用更高薪资吸引更资深的人才，构建精英驱动的组织。OpenAI 则更多依赖规模和品牌效应来招人。需要提醒一点，这里的数据只反映现金薪酬，不含股权，所以谨慎参考。

消费硬件和机器人：只有 OpenAI 在做

OpenAI 有 50 多个消费硬件相关岗位，涵盖完整的硬件产品链：摄像头 ISP 工程师、摄像头固件工程师、音频软件工程师、连接软件工程师、嵌入式软件工程师、端侧 Transformer 模型研究员、图形软件工程师、机械工程师、ASIC 固件工程师、RTL 与芯片协同设计工程师、物理设计工程师。

这些岗位对应的是 OpenAI 在 2025 年 5 月以 65 亿美元（全股票交易、OpenAI 此前已持有 23% 股权）收购的 Jony Ive 设计公司 io。首款设备原计划 2026 年下半年发布，由富士康代工（产地为越南或美国，避开中国大陆供应链）。2026 年 2 月围绕"io"品牌的商标诉讼（iyO 起诉）法庭文件曝光，OpenAI 已经放弃使用 io 作为产品品牌，并把发布时间推迟到 2027 年。Sam Altman 公开表达的中期目标是"以前所未有的速度交付 1 亿台设备"，但目前没有可靠披露说明首批量产具体规模。

另外，OpenAI 还有 9 个机器人相关岗位：仿真环境工程师、仿真真实感工程师、现场工程师（机器人方向）、三维与多视角几何研究员、机器人数据采集工程师。他们在建机器人仿真环境和数据采集管线，这是具身 AI 的基础设施。

Anthropic 在这两个方向上的招聘为零。

五、这份分析的边界

1,082 个岗位告诉了我们很多：两家公司的组织形态、商业化路径、算力策略、上市节奏的区别。但招聘启事的本质是"正在招什么人"的快照，并看不到"已经有什么人"。

如果能系统性地获取两家公司在 LinkedIn 上的在职员工数据，包括谁在什么时间从哪家公司加入、实际团队规模多大、关键岗位的到岗率如何，离职员工都去了哪里，这份分析会完全不同。能回答的问题就多了：Anthropic 的研究团队实际规模是多少人（而非有多少个招聘岗位），OpenAI 的驻场工程师成建制规模多大等。

在同一种杠杆，两种代价：OpenAI与Anthropic PE合资条款拆解中，我对 Anthropic 销售团队十余名核心成员的 LinkedIn 履历做了手动梳理，从中发现了 Salesforce 金融服务团队整建制迁移、招募到高盛关键人才等招聘数据里看不到的模式。但这种手动方式无法规模化：LinkedIn 的反爬机制非常严格，系统性采集数据在技术上都有很大障碍。

所以这一系列的两篇文章呈现的是一个特定视角：从公开招聘启事出发，看组织设计意图。它能看见公司想往哪个方向长，但看不见公司已经长成了什么样。如果把招聘数据比作建筑工地的施工图纸，LinkedIn 数据就是已经封顶的实体建筑。我们手里有图纸，没有建筑。

即便如此，图纸本身已经足够有信息量。两家公司在 2026 年 5 月的招聘快照中画出了截然不同的组织蓝图：一个在建一座 34 个部门的综合体，另一个在建一座 18 个部门的精密实验室。两家公司正在分化出截然不同的物种。这种分化，写在了每一份招聘启事的字里行间。

方法论附录：数据于 2026 年 5 月通过 Ashby 接口（OpenAI）和 Greenhouse 接口（Anthropic）公开获取。薪资数据来自 OpenAI 的薪酬字段（覆盖 77%）和 Anthropic 职位描述中嵌入的薪资区间（覆盖 63%，仅美元），文中薪酬数字为各部门薪资区间中位数的中值，包含基本工资和现金奖金，不含股权。战略信号分类基于岗位标题和描述文本的关键词匹配。

研报读完就忘？我用LLM Wiki搭了一个不会遗忘的投研系统