实验室与公司

Applied Scientist 岗位的主要雇主之一；它把自己的招聘流程和 Leadership Principles 公开写成了页面，是行为面准备的一手材料。

前沿实验室，Claude 的作者；对职业这一层重要的是它把候选人使用 AI 的政策写成了公开页面，招聘页本身就是最好的准备材料。

在历史这一层它代表「对齐作为核心研究方向」的那一支：2021 年从 OpenAI 分出，Constitutional AI: Harmlessness from AI Feedback 用一组写下来的原则代替大部分人工偏好标注，让模型自己批评和改写自己的回答。Claude 系列之外，它发布的 MCP：给每个系统一个统一的插口 协议把「模型接工具」变成了行业标准。观点与预测里 Dario Amodei 的长文是前沿那一层最常被引的判断。

1990 年代 LeCun 的卷积网和 Vapnik 的 SVM 在同一栋楼里竞争——第二次浪潮的两条路线（神经网络 vs 统计学习）在这里同场。

Newell 和 Simon 的 Logic Theorist（1956）是第一个 AI 程序；之后的 XCON、语音识别（Sphinx）、自动驾驶（NavLab）都从这里走出来。

AI 编辑器公司（法人 Anysphere）；AI 原生创业公司里招聘最快的一家，招聘页是看「工作样本式」岗位要求的样本。

1960–70 年代 AI 的主要金主，1974 年的削减是第一次寒冬的美国侧；1980 年代的战略计算计划又推了专家系统一把。读 AI 历史时它是经费曲线的代名词。

杭州的实验室，由量化基金幻方出资；2025 年 1 月的 R1 以开放权重和公开的低训练成本证明推理模型不是某一家的秘密。

做 AI 趋势数据的非营利研究机构：训练算力、模型规模、芯片成本、数据耗尽时间都有公开数据集。谈 scaling 和算力经济时，数字先去这里核。

Google Brain（2011）把深度学习变成基础设施，Transformer、BERT、TPU 都出自这里；2023 年与 DeepMind 合并成 Google DeepMind 后以 Gemini 参战。

Google 的 AI 实验室（DeepMind 2010 年成立，2023 年与 Google Brain 合并）；研究岗与研究工程岗的官方招聘页公开。

在历史这一层它是第二次浪潮后半段的旗手：Playing Atari with Deep Reinforcement Learning 让一个网络从像素学会打 Atari，Mastering the game of Go with deep neural networks and tree search 用自我对弈加搜索赢了人类顶尖棋手，Highly accurate protein structure prediction with AlphaFold 把同一套方法用到蛋白质结构上，拿了诺贝尔奖；Training Compute-Optimal Large Language Models 则修正了 scaling 的配方——同样的算力，数据要和参数一起放大。2023 年与 Google Brain 合并后的 Gemini 系列让它回到 LLM 的正面战场。

transformers 库和模型中心把预训练模型的分发标准化，开放权重生态的「GitHub」。

Samuel 的跳棋（1959）、Deep Blue（1997）、Watson（2011）、统计机器翻译（1990s）都在这里；三次浪潮里它每次都站在当时主流方法的最高点。

瑞士卢加诺的小实验室，LSTM 的出生地；2011 年前后用 GPU 卷积网赢下多项视觉比赛，比 AlexNet 还早。

大厂里 AI 岗位最多的雇主之一，FAIR 之外还有超级智能实验室；它的招聘页是看大厂 AI 岗位 title 体系的样本。

LeCun 2013 年创建的 FAIR；PyTorch 和 LLaMA 都出自这里，开放权重这条路线的最大推手。

ResNet 出自微软亚洲研究院；2019 年起向 OpenAI 投资并独家提供算力，Copilot 让代码生成第一次成为大众产品。

Bengio 的实验室，2014 年同一年做出注意力机制和 GAN；加拿大把深度学习养在学术界的三个点（Toronto、Montreal、Edmonton）之一。

2023 年在巴黎创办，Mistral 7B 和 Mixtral 证明小模型加好数据能打败更大的模型；欧洲开放权重路线的代表。

Minsky 和 McCarthy 1959 年创建的实验室，符号派的大本营：ELIZA、SHRDLU、Lisp 机都出自这里；2003 年并成 CSAIL。

CUDA（2007）让 GPU 变成通用计算设备，AlexNet 之后它就是深度学习的物理底座；第三次浪潮的算力经济围绕它的供货周期转。

前沿实验室，GPT 系列的作者；研究工程岗是它招聘的主力，官方面试指南公开。

在历史这一层它是第三次浪潮的主角：Improving Language Understanding by Generative Pre-Training 到 Language Models are Few-Shot Learners 证明了「同一个目标、放大十倍」这条路能一直走，Scaling Laws for Neural Language Models 把这件事写成公式，Training language models to follow instructions with human feedback 让续写机器学会听指令，ChatGPT 则把它交到所有人手里。之后的 GPT-4 Technical Report 不再公开结构，标志着研究从论文转向产品。节点见 第三次浪潮：scaling 与 LLM、预训练与 scaling。

McCarthy 1963 年创建；专家系统（DENDRAL、MYCIN）在这里诞生，四十年后 ImageNet 和 DPO 也出自这里，三次浪潮都有它。

Hinton 的实验室所在地，深度学习在寒冬里被保温的地方：深度信念网络（2006）和 AlexNet（2012）都在这里做出来。