「股價歸零，你有何感想」：一道面試題的篩選成本與定價權

花幾千美元的教練費，賭一年 20 萬美元的年薪增幅。模擬面試平臺 Interviewing.io 創辦人 Aline Lerner 的這筆換算，點出一個常被忽略的事實：頂級 AI 公司的面試本身已經是一個有明確報酬率標價的市場。Axios 於 8 月 24 日的報導，在這個市場旁邊放了另一道題：熟悉 Anthropic 招募流程的人士透露，這家公司會在面試中直接問求職者，當公司使命與金錢發生衝突時如何選擇，其中一個流傳的版本是「如果公司有一天為了安全放棄 AI 業務、股權價值歸零，你有何感想」。

一段流出的面試題容易被當作價值觀花絮讀。把它放回人才市場的結構裡，這道題是一套招募篩選與薪酬定價系統的入口，背後對應一家估值兩年多放大約 15 倍的公司，以及一個競價激烈到需要補習產業支撐的勞動市場。

一小時的題目，過濾最貴的錯誤

事實層面先對齊。綜合 Axios 報導與 Blind 論壇的求職者記錄：所有 Anthropic 求職者都需通過一次文化面試；面試官手持題目模板，卻不按白紙黑字照唸，因此有人記得明確的「股價歸零」版本，有人只記得商業利益與安全之間的對比版本；兩名前員工指這道題並非最初就有，Blind 上的貼文顯示 2025 年已有求職者遇過類似提問。聯合創辦人兼總裁丹妮拉·阿莫迪的說法是，文化面試從公司成立第一天就存在，後來加入的是題目內容，制度本身沒有換過。

制度設計對應的是治理結構。Anthropic 是在德拉瓦州註冊的公益企業（PBC），並設有長期利益信託（Long-Term Benefit Trust），持有可遴選部分董事的股份類別。換句話說，安全優先於獲利這件事寫在章程與股權設計裡，對投資人的約束先於對員工的約束。在這種架構下，一個以股權價值最大化為決策函數的員工，會與治理結構長期摩擦；資深研究員的錯配成本包含薪酬、股權、專案延誤與內部協調損耗。文化面試的經濟功能相當具體：用一小時的人力成本，前置排除代理成本最高的那一類錄取。

要求求職者說出親身經歷的道德困境，屬於同一套邏輯的延伸。立場題可以背，行為題需要細節，編造細節的成本高於多數人的準備預算。Blind 上一位求職者寫道，自己誠實回答「股價真的跌到零我會不高興」並補充希望兼顧社會價值與長期經營後，面試官的反應顯示這個答案未獲青睞。篩選確實在運作，而且方向明確。

開價即底價：把薪酬變成公告價格

Axios 報導裡另一個細節常被略過：Anthropic 的面試與薪酬流程高度標準化，開出的薪酬就是最終數字，不接受談判。

在議價市場裡，薪資是搜尋與談判的產物；宣布不談判的公司，等於把薪酬從議價品變成公告價格。這種定價的收益直觀：同職等差距縮小，內部薪資結構更容易維持；逐案談判的管理成本消失；談判能力弱但技能強的候選人，在公告價格下反而拿到貼近自身產出的數字。受損的一方同樣明確，擅長談判的人拿不到資訊租金。

放進競爭脈絡，這個選擇更清晰。招募資料網站 Levels.fyi 的年榜上，Anthropic 與 OpenAI 長年位居工程師總薪酬最高的一級，資深職位的總包裹普遍在 50 萬美元以上；2024 年夏季外媒曾報導 Meta 為挖角 OpenAI 研究員開出最高約一億美元的簽約包裹。當對手以拍賣式競價搶人，宣布不談判是一種垂直差異化：用身分認同與使命敘事替代部分價格競爭，為人力成本設定內部上限。

教練產業：幾千美元對賭二十萬美元

彭博社報導，部分 Anthropic 求職者花費數千美元聘請個人教練，或付費找頂級 AI 公司的在職員工做模擬面試。Aline Lerner 的算法直白：幾千美元換一年 20 萬美元的增幅，首年報酬率數十倍起跳。

這個市場的存在帶來逆向選擇問題：付得起教練費的人先通過一道財富濾網，面試訊號的鑑別度隨之被稀釋。文化面試題的設計正好對準這個缺口。面試官持有模板卻不按稿提問，題目版本因人而異，標準化考古題的市場價值因此折損；追問親身經歷的道德困境，更是把作答成本從記憶移到經驗。這是一場資訊攻防：教練產業壓縮鑑別度，面試方用題目變異把鑑別度買回來。真人回饋的高定價並非只出現在面試環節，教育市場同樣有人嘗試用 AI 壓低這項成本，例如哈佛商學院以 699 美元開設 AI 分身講師的創業訓練營。

股權帳：使命的價格隨估值浮動

這道面試題最結構性的張力在股權。科技公司總薪酬中，股權通常是波動最大的部分；Anthropic 尚未上市，題目裡的股價歸零實質指向股權價值歸零，等於要求求職者確認一件事：你願意持有一份在公司踐行安全使命時可能全額消失的薪酬契約。

估值曲線決定回答這個問題的機會成本。2021 年公司成立；2023 年初 Google 首度投資時，估值約 41 億美元；2025 年 3 月完成 35 億美元 Series E 後，投後估值 615 億美元，其中亞馬遜累計投資 80 億美元、Google 逾 20 億美元。兩年多時間，估值放大約 15 倍。對 2023 年前後進場的員工，帳面收益早已覆蓋多個年度的現金薪酬，回答使命優先幾乎不痛；對以 615 億美元為定價基準取得股權的新進者，這道題是實打實的尾端風險測試。

同一道題對不同年資的人是兩種計算。估值上行期，使命的成本被帳面收益補貼；估值平緩或下修期，這道題開始計息。

傳導：誰受惠、誰承壓

受惠方的結構清楚。Anthropic 用低廉的篩選成本換取治理一致性，對企業與政府客戶而言，安全治理是產品的一部分，人員篩選是這項資產的維護費用。不擅談判、技能密集的求職者在公告價格制度下拿到更好的價格。使命驅動的研究人才獲得一個身分訊號，降低其在多家高薪實驗室之間的選擇成本。

承壓方同樣具體。以談判能力定價的資深候選人，在公告價格與文化篩選的雙重機制下被過濾。純現金競價的競爭對手必須出更高溢價，才能買走已通過忠誠度測試的人。教練產業在技術面試環節的生意穩定，在文化環節的邊際價值則被題目變異設計持續侵蝕。

風險在商業化壓力這一側。當 AI 競爭從模型層延伸到應用與企業場景，例如豆包拆出獨立辦公 App 對位騰訊 WorkBuddy的產品線擴張，前沿實驗室的營收壓力只會增加。屆時組織需要能扛商業指標的營運與銷售人才，而這類人才的決策函數更接近面試題裡被淘汰的那一端。篩選機制若不隨之調整，會在商業化那一側留下缺口。

一道面試題的直接成本是一小時。它購買的東西在資產負債表之外：治理結構的執行力、對客戶的安全承諾，以及一個不必逐年加價的人才身分。這套機制真正的考驗不在招募熱季，而在估值曲線平緩下來、安全與商業的衝突從假設情境變成日常議程的那一天。到那時，股價歸零你有何感想，才會從篩選題變成全公司的損益題。