Anthropic设立MTS技术员工新头衔

背景

近期，AI 领域顶级研究者 Andrej Karpathy（卡帕西）在 X 平台更新个人简介，显示其在 Anthropic 的头衔为 MTS（Member of Technical Staff，技术员工）。这一看似普通的职级引发了科技圈的广泛争议与围观。

卡帕西拥有极高的行业声望：他是 OpenAI 的联合创始人、前特斯拉 AI 总监、YouTube 上极具影响力的深度学习讲师，也是全球被引用最多的 AI 研究者之一。然而，在加入 Anthropic 后，他却以“技术员工”这一基础职级示人。这种巨大的身份落差，迅速演变成一场关于科技公司职级制度、人才竞争以及职场文化的公共讨论。

核心内容

1. 事件发酵与各方反应 网友发现卡帕西的头衔后，纷纷质疑 Anthropic 是否低估了这位明星员工。面对舆论，卡帕西本人态度淡定，在评论区表示 Anthropic 的做法是正确的，称赞其没有职场官僚主义，并强调“一群 MTS，瞄准一个使命”。他还引用了 Geoffrey Hinton 曾在 Google 担任“实习生”头衔的先例来为自己辩护。

然而，公众反应两极分化。支持者认为这是扁平化管理的体现；反对者则调侃称，如果直接挂“实习生”头衔可能更有趣，并指出这种统一头衔的做法缺乏诚意。

2. 行业现象：MTS 成为顶级 AI 公司的标配 这并非个案。近期加入 Anthropic 和 OpenAI 的多位行业大佬，其职级均被统一为 MTS。

• Peter Bailis：前 Workday CTO、谷歌副总裁，现于 Anthropic 从事强化学习研究，头衔为 MTS。
• Mike Krieger：Instagram 联合创始人兼前 CTO，2024 年 5 月以 CPO 身份高调加盟 Anthropic，但至 2025 年初，其头衔也已变更为 MTS，目前负责 Claude Code 项目。

3. MTS 制度的起源与实质 MTS 制度并非 Anthropic 独创。OpenAI 总裁 Greg Brockman 曾透露，该制度灵感源自 Alan Kay 提出的建议——借鉴 Xerox PARC 当年的做法，避免将员工简单归类为研究员或工程师。

尽管头衔看似普通，但 MTS 在 AI 巨头公司中含金量极高。根据 2025 年美国劳工部 H-1B 签证文件数据：

• Anthropic 的 MTS 年薪范围在 30 万至 40.5 万美元之间。
• OpenAI 的 MTS 年薪范围在 21 万至 53 万美元之间。 可谓“Master of Technical Staff”级别的薪水。

4. 推行统一头衔的三大考量 全网分析认为，AI 公司推行 MTS 制度主要基于以下三点：

1. 防猎头挖人：统一头衔使得竞争对手无法通过职级判断员工的具体层级（如 L5 或 L7）和工作方向，增加了定向挖人的难度。
2. 文化认同：AI 公司强调研究导向，扁平化的头衔有助于减少层级隔阂，促进技术落地。
3. 打破部门墙：避免给员工贴上固定标签，鼓励跨领域交叉合作。在 AI 时代，创造力是第一性原理，复合型人才更容易产生创新灵感。

5. 争议与反思 尽管上述理由听起来美好，但批评声音指出这存在“粉饰”嫌疑：

• 虚伪的扁平化：网友指出，许多声称不在意职称的高管在离职后仍会在 LinkedIn 上自称“副总裁”。
• 隐性权力结构：商业史上极少有真正无层级的规模化组织。Valve 和早期 GitHub 等案例显示，所谓的扁平化往往演变为隐性权力，表面无老板，实则存在核心圈层。统一头衔只是将差异从显性转为隐性。
• 对普通员工的公平性：对于卡帕西这样的顶级明星，头衔无关紧要；但对于普通工程师，职级头衔是求职和谈判的关键筹码。这种制度可能对非顶级人才不利。

关键要点

• 现象：Andrej Karpathy、Peter Bailis、Mike Krieger 等 AI 领域顶级人才在 Anthropic 和 OpenAI 的头衔均为 MTS（技术员工）。
• 薪资：MTS 并非低薪岗位，根据 H-1B 数据，年薪普遍在 21 万至 53 万美元之间，属于高薪级别。
• 起源：该制度借鉴自 Xerox PARC，由 Alan Kay 提议，旨在避免僵化的职级分类。
• 动机：
  • 增加猎头定向挖人的难度（信息不对称）。
  • 营造扁平、去官僚化的研究文化。
  • 鼓励跨学科协作，打破传统部门壁垒。
• 争议：
  • 被视为一种“伪扁平”，可能掩盖实际的权力层级。
  • 对普通员工而言，缺乏明确的职级标识可能影响其职业发展和市场议价能力。
  • 公众质疑这种制度是否仅适用于无需头衔证明自己的顶级明星员工。

意义与影响

1. 重塑 AI 人才竞争格局 MTS 制度的普及标志着 AI 巨头在人才争夺战中采取了新的策略。通过模糊职级，公司不仅降低了内部官僚主义，更在外部构建了人才壁垒。猎头难以通过简单的职级对标来评估和挖角，迫使竞争对手必须在项目内容、团队氛围等更深层次上进行竞争。

2. 挑战传统职场层级观念 这一现象引发了对“头衔”本质的重新思考。在传统的科技行业，职级（如 P7、L6）往往与薪资、权限和地位紧密挂钩。Anthropic 和 OpenAI 的实践表明，在高度依赖创造力和研究突破的领域，扁平化管理可能比层级管理更具效率。然而，这也揭示了理想主义管理文化与现实职场利益之间的张力。

3. 暴露职场公平性的深层矛盾 讨论的核心从“头衔是什么”转向了“谁需要头衔”。对于卡帕西这样的行业偶像，头衔只是装饰；但对于广大普通工程师，头衔是职业路径的坐标和谈判的筹码。MTS 制度虽然在理论上促进了平等，但在实践中可能加剧了“明星员工”与“普通员工”之间的体验割裂。这提醒科技公司，在推行文化理念时，需兼顾不同层级员工的实际需求与公平感。

4. 行业趋势的信号 随着更多顶尖人才流向 MTS 制公司，这可能成为 AI 行业的一种新常态。它预示着未来顶级 AI 公司的组织结构将更加去中心化，强调使命驱动而非职位驱动。对于从业者而言，这意味着在评估工作机会时，除了薪资和头衔，团队的技术氛围、研究自由度以及个人在组织中的实际影响力将成为更重要的考量因素。