45家AI公司Glassdoor数据扎心：4.8分公司的员工

7100个岗位、45家公司、5万条员工评价——有人花了三个月把AI行业的"家底"扒了个干净。结果发现：评分最高的那批公司，工作强度反而最变态。

这不是员工被PUA了，是双向奔赴的"自虐"。

数据里的第一道裂缝：高分≠轻松

先看这张表的前十名。Vast AI以5.0满分登顶，工作与生活平衡（WLB）4.5分——小而美的30人团队，10个开放岗位，典型的高分低增长样本。

但第二名Supabase就诡异了：Glassdoor 4.8分，WLB却只有3.0分。整个前十榜单里，这是落差最大的一家。

更反直觉的是：100%的Supabase员工愿意把它推荐给朋友。3.0分的加班地狱，零差评推荐？

「我们搞launch week，连续五天每天发重大功能。」一位工程师在Glassdoor写道，「累是真的累，但这也是我加入的原因。」

Supabase的招聘页面直接写着"ship fast"，不掩饰、不美化。来的人知道自己签了什么卖身契——他们要的就是这种兴奋剂式的节奏。4.8分是给认同感的，3.0分是给真实体验的，两个数字并行不悖。

Figma：产品封神，内部塌房

如果说Supabase是"光明正大地卷"，Figma就是另一套剧本。

产品层面，Figma几乎无可挑剔。WebAssembly渲染、CRDT多人协作、C++转WASM——技术博客随便拎一篇都是行业教科书。设计师爱它，工程师也承认"代码质量确实顶"。

但Glassdoor数据：3.7分整体，3.1分WLB，推荐率64%。

Blind上的匿名反馈更露骨：「很多团队是996」「五年换了五个老板」「裁员后幸存者要扛三个人的活」。一位离职员工算过账：2022年入职时团队8人，2024年变成4人，业务量翻倍。

产品体验和员工体验，在Figma身上完成了某种诡异的解耦。用户看到的丝滑，是内部用人力堆出来的。

OpenAI与Anthropic：双雄的"中等生"困境

榜单上最显眼的两家大厂：OpenAI 4.5分，Anthropic 4.4分。WLB分别是3.6和3.7，不上不下，卡在"能忍但不想忍"的区间。

OpenAI有661个开放岗位，Anthropic 446个——招聘规模是前十其他公司的6到20倍。船大了，统一文化就难。Glassdoor评论里，「取决于组」成了高频词：有的组"像创业公司"，有的组"像官僚机构"。

Anthropic的Claude团队被单独拎出来讨论。一位工程师写道：「做安全研究的人，和做产品增长的人，活在两个宇宙。」这种撕裂直接反映在评分上：同一公司，不同入口，体验方差极大。

有意思的是，两家公司的"文化标签"高度重合：mission-driven（使命驱动）、AGI urgency（AGI紧迫感）、high autonomy（高自主权）。翻译成人话：你自己扛，别指望有人救。

小公司的秘密：高分是筛选器，不是安慰剂

回到榜单头部。Linear 4.6分、WLB 4.4分，80人团队，19个岗位。LangChain 4.6分、WLB 4.0分，230人，95个岗位。Runway 4.5分、WLB 4.0分，420人，35个岗位。

这三家有个共同点：规模控制在"大家还能叫出彼此名字"的区间，且岗位开放数量极低。Linear的19个岗位里， senior以上占70%——他们不养新人，只招即战力。

这种结构天然过滤了"试错型"员工。来的人要么匹配度极高，要么待不满试用期。Glassdoor的高分，是幸存者偏差的外显。

一位Linear员工在评论里说得直白：「这里没有'成长空间'这种东西，你来了就得能干活。」4.4分的WLB不是公司施舍的，是招的人本来就能自己管好自己。

数据背后的招聘博弈

这份数据集最狠的地方，是实时抓取了7100+个开放岗位。不是静态快照，是活的水位线。

Vast AI 5.0分，但只有10个岗位——招人极克制，分数是奢侈品。Supabase 37个岗位，250人规模，扩张意愿明显，但launch week的门槛自动劝退了一批人。OpenAI 661个岗位，3,500人规模，正在从"研究型组织"往"产品型公司"硬转，文化摩擦不可避免。

岗位数量和公司评分的比值，某种程度上是"文化稀释风险"的预警指标。Anthropic 446个岗位对应1,500人，比值0.30；LangChain 95个岗位对应230人，比值0.41。后者每招一个人，对文化的冲击都更大——但LangChain的评分反而更稳。

「我们远程优先，异步协作，没有stand-up。」LangChain的工程师博客这样写。这套机制把"人"的变量压到最低，分数波动自然就小。

一个反直觉的结论

整份数据读下来，最颠覆常识的发现是：WLB分数和公司推荐率，相关性几乎为零。

Supabase 3.0分WLB，100%推荐。Figma 3.1分WLB，64%推荐。Linear 4.4分WLB，推荐率没公开，但评论里"不会离开"的表述反复出现。

员工要的不是"轻松"，是"预期匹配"。你把加班写在JD里，来的人就是冲着这个；你包装成"弹性工作"，实际996， Glassdoor就会反噬。

一位incident.io（4.5分，WLB 4.1）的员工总结得精确：「我们知道自己在建什么，也知道要付什么代价。」

这份数据集的更新频率是每日。明天可能就有某家公司的分数跳水，或者某条评论被删。但过去三个月的7100个岗位、45家公司、5万条评价，已经画出了一张AI行业的"真实地形图"——

高分公司不一定舒服，低分公司不一定混乱，唯一靠谱的指标是：员工愿不愿意把朋友拉下水。

你现在的公司，Glassdoor评分和实际体验差多少？敢不敢把真实数字发到评论区？