「去硅谷」听起来是一个梦想，但拆开看它只是一个转化漏斗：P(offer) = 信号质量 × 管道数量 × 面试转化率 × 身份可行性。四个因子相乘，任何一项是零，结果就是零；每一项都可以被度量、被刻意训练、被每周观测。这篇是《大模型行业工种全景图》的续篇——上一篇回答「选哪个工种」，这一篇回答「站在国内公司的工位上，怎么一步一步走到那个工种的硅谷面试桌前」。先立三个诚实的前提：这是一条 18–36 个月的路，不是速成；我给出的所有签证/市场数字都注明来源等级；路径优化的是概率，不承诺结果——但概率是可以被系统性抬高的，这正是全文要做的事。
〇、总模型：两条并行链，一张周仪表盘
国内工程师到硅谷岗位之间隔着两条链，必须并行推进，不能串行：
- 技术信号链：让美国雇主在 8000 公里外「看见并相信」你的能力。核心难题不是「变强」，而是「变得可被远程验证地强」——你在国内公司做的 99% 的工作，对硅谷招聘官来说是不可见的。
- 身份链：合法地把人放进那间办公室。核心难题是中国公民的签证路径各有约束，选错路线会让技术信号全部作废（比如攒了三年实力，卡在抽签上）。
两条链的进度都要落到一张每周更新的仪表盘上（第六节给模板）。先讲规则，再讲链。
证据等级声明（本站惯例）：文中签证数据、招聘市场数据均来自本次检索核实的移民律所/官方/行业报告（文末链接），标注「口径」二字的表示二手聚合、未独立核实；成长路径本身、阶段划分、小时分配是我的方法论整理（观点），不是任何官方指南；个别明确标注「猜想」。签证是法律事务，任何行动前请咨询移民律师，本文不构成法律建议。
一、先认清游戏规则：硅谷招聘是证据驱动的
三条规则决定了整条路怎么走：
规则一：远程筛选只认可验证的信号。 你的国内大厂 title、内部绩效、「参与过 XX 系统」的描述，招聘官既看不懂也无法验证。可验证信号有一条清晰的价值排序：
| 信号 | 可验证性 | 获取成本 | 价值密度 |
|---|---|---|---|
| 知名开源项目的 merged PR | 公开可查、有 reviewer 背书 | 高 | ★★★★★ |
| 可复现的实验报告（带代码+数字） | 任何人可跑 | 中 | ★★★★ |
| 英文技术博客（深度长文） | 公开、可评估思维质量 | 中 | ★★★☆ |
| 论文（顶会/arXiv） | 同行评议 | 很高 | ★★★★（研究岗★★★★★） |
| 技术演讲/播客出镜 | 公开 | 中 | ★★★ |
| 国内公司 title 与内部成果 | 不可验证 | —— | ★（需翻译成上面的形态） |
| 各类证书/课程结业 | 可验证但无区分度 | 低 | ≈0 |
这个排序有官方背书：Anthropic 招聘页明确建议把「独立研究、技术博客、开源贡献」放在简历最顶部，并自述约半数技术员工入职前没有 ML 经验。某国内大厂 JD 更直接：「vLLM、PyTorch 社区核心贡献者身份优先」——开源履历已经被写成筛选条件，这在中美两边是同一套语言。
规则二：你的国内工作不是绕路，是素材工厂。 硅谷 JD 里反复出现的 “production experience at scale” 恰恰是国内环境最容易给的：亿级用户、千卡集群、极端成本压力。问题只在于这些素材默认以「不可验证」形态存在，你的任务是持续把它们翻译成规则一里的高价值形态（脱敏的数字、公开的复盘、开源的通用组件）。
规则三：管道比简历早两年。 硅谷招聘高度依赖内推与熟人网络（红队岗的招聘报告原话：「社区小、信任驱动、口碑传播快」）。冷投简历的回复率是个位数百分比（经验值口径），内推能提一个量级。所以人脉不是最后一步，是从第一天就开始的并行任务——具体动作在 S2/S3 阶段展开。
二、身份链：五条路线的决策树
先看身份链，因为它决定技术链的目标设定（比如：要不要为 O-1A 攒证据，决定了你做开源的姿势）。五条路线，核实过的数据如下：
路线 A：跨国公司内部调动（L-1）——历史上走通人数最多
微软/Google/NVIDIA/AMD/Apple 等在中国有研发中心的公司 → 入职国内 office → 表现出色后申请内部 transfer 到美国，走 L-1 签证（跨国公司内部调动，无抽签、无配额，要求在境外分支任职满 1 年）。
- 可控性：★★★★（唯一不依赖运气的经典路线）
- 时间：入职 1 年（L-1 硬性要求）+ 内部排队 1–2 年，典型 2–4 年
- 对你的含义：如果你当前公司不在此列，跳槽到 MNC 中国研发中心本身就是一步棋。NVIDIA/微软中国的 AI Infra、推理优化岗和工种全景图里的 ④⑤⑥ 高度重合
- 风险：transfer 名额受美国总部 headcount 波动影响，不由你控制
路线 B：国际 hub 跳板——AI 实验室时代的新经典
前沿实验室正在快速铺国际办公室，且明确提供签证担保与搬迁支持（核实来源：Anthropic 官方与多家报道）：
- Anthropic：伦敦、都柏林、苏黎世（研究与工程岗集中在伦敦和苏黎世）、东京、首尔、班加罗尔、巴黎、慕尼黑；2025 年 9 月宣布国际员工数扩三倍，都柏林+伦敦新增 100+ 岗位
- OpenAI：伦敦、都柏林在招；新加坡/东京也有布局
打法：先拿下这些 hub 的岗位（英国 Skilled Worker、爱尔兰 CSEP、日本高度人才签证都无抽签，门槛远低于美国），入职后走内部 mobility 转美国（转美国时可用 L-1，回到路线 A 的机制但雇主是 AI 实验室本身）。对目标是前沿实验室的人，这可能是期望值最高的路线——你在伦敦做的就是硅谷同一条产线的工作，转岗只是换办公室。
- 可控性：★★★☆
- 时间：拿 hub offer 1–2 年 + hub 任职 1–2 年
- 额外收益：即使不转美国，伦敦/苏黎世的 AI 实验室岗位本身薪资已达伦敦市场顶部（都柏林+伦敦岗位年包最高 63 万英镑的报道口径）——「硅谷梦」的实质（前沿工作+顶级薪酬）可能不需要地理上的硅谷
路线 C：直接美国 offer + H-1B 抽签——数字必须看清
核实的数据：FY2026 中签率约 35.3%（344k 注册选 120k，电子抽签系统启用以来最高；FY2024 约 24.8%、FY2025 约 29%，上升源于打击重复注册+注册费涨到 $215）。但 FY2027 起规则剧变：2026 年 2 月 27 日生效工资加权抽选——按 offer 工资等级给抽签权重（Level I 一签，Level IV 四签），入门级岗位中签率预计跌到 ~15%，高工资岗位显著抬升。
- 对你的含义：工资加权对「资深工程师直接空降」反而是利好——AI 岗薪资普遍在 Level III/IV。但对 new grad 路线是重击
- 可控性：★★（本质仍是抽签，只是加权的）
- 配套认知：没抽中时雇主的常见 Plan B 就是把你放到该公司的加拿大/英国办公室等一年再抽——又回到路线 A/B 的形态
路线 D：O-1A「杰出人才」——技术信号链的终极形态
无抽签、无配额、无国别积压。要求满足八条判据中至少三条：获奖、精英组织成员、媒体报道、评审经历、原创贡献、学术文章、关键岗位、高薪。2024 年批准率约 65%（口径）。2025 年 USCIS 更新了对 STEM 人才的证据标准说明，AI 从业者的适配度在提高。
工程师版的三条最可行判据（律所实务口径）：原创贡献（知名开源项目核心贡献者、被广泛采用的技术方案）、关键岗位（在有声誉的组织担任核心角色）、评审经历（顶会审稿、黑客松评委、期刊 reviewer）。注意这三条和技术信号链的高价值信号几乎完全重合——这就是为什么身份链决定技术链姿势：以 O-1A 为目标的人，做开源要做到 core contributor 而非散提 PR，写博客要争取被行业媒体引用，有机会就接评审。
- 可控性：★★★☆（完全由自己的积累决定，但门槛高）
- 时间：通常需要 2–4 年的刻意证据积累
- 进阶：EB-2 NIW（国家利益豁免）可自我申请绿卡不依赖雇主，AI 方向近年持续有批准案例（律所案例口径：LLM 安全、可信 AI 方向均有），但中国出生申请人有排期积压，具体年限请查当月 Visa Bulletin——这条未核实具体数字，标注为需自查项
路线 E：留学（MS）→ OPT → H-1B——最贵但最标准
美国 CS 硕士 → 毕业后 OPT 工作许可（STEM 专业可延长至 3 年）→ 期间抽 H-1B（3 次机会）。成本 5–15 万美元 + 1.5–2 年时间，换来的是美国本土面试资格 + 3 年缓冲期 + 校招管道。适合工作年限短（<3 年）、有经济条件的人；对已有 5 年+ 经验的资深工程师，机会成本通常高于 A/B/D。
决策树（一分钟版）
graph TD
Q1{当前经验} -->|"<3 年，有预算"| E[路线 E：留学]
Q1 -->|"≥3 年"| Q2{愿意先离开中国<br/>但不去美国吗}
Q2 -->|愿意| B[路线 B：国际 hub<br/>伦敦/都柏林/苏黎世/东京]
Q2 -->|想留国内积累| Q3{当前/可跳槽公司<br/>是 MNC 吗}
Q3 -->|是| A[路线 A：L-1 内部调动]
Q3 -->|否| D[路线 D：攒 O-1A 证据<br/>同时每年参与 C 抽签]
B -.内部 transfer.-> US[美国办公室]
A -.1 年后.-> US
D -.证据够三条.-> US多数读者的最优解是组合：主线 B 或 A，副线 D（反正 O-1A 证据和技术信号链是同一份作业），每年顺手参与 C。下面技术信号链的设计就按这个组合展开。
三、技术信号链：四阶段，每阶段带可量化退出条件
前提：你已经用工种全景图选定了 1–2 个目标工种。以下以国内工程师最高频的三个选择（⑤ 推理优化 / ⑦ Agent 应用 / ⑨ Evals）为主要示例，其他工种同构替换。
S0 · 基线审计（第 1–2 周）——先测量，再出发
不测量的成长是布朗运动。两周内完成四张表：
- 技能差距表：把目标工种在全景图里的能力矩阵逐格自评 0–3 分（0=没听过，1=能讲出原理，2=亲手做过，3=能教别人/在生产环境做过）。产出：一张 5 维雷达图 + 三个最低分格子（这就是前 6 个月的主攻方向）。
- 信号资产表：盘点现有可验证信号——GitHub（有效仓库数、他人 star/fork、merged PR）、英文输出（0 篇就写 0）、可脱敏讲述的生产项目故事（按 STAR 格式列，每个故事标注「能否给出数字」）。
- 英语基线：录一段 5 分钟英文自我介绍+项目讲述，存档（这是 18 个月后对比用的基线）；做一次真实模拟（找 AI 面试官练一轮英文技术问答），记录卡壳次数。
- 身份链选路：按第二节决策树选定主线+副线，写下来。
退出条件（可验证）：四张表填完并存档；目标工种与身份路线白纸黑字写定；日历上出现每周固定的学习时段。
S1 · 地基期（第 1–6 个月）——补矩阵最低分，发出第一批信号
三条并行任务，每周合计约 12 小时（分配见第四节）：
任务 1：补齐工种矩阵的三个最低分格子（每周 6h）。 方法就是你熟悉的 MCTS 学习法：每个格子先做全景图里对应的「最小 rollout 项目」，再按需下钻。以 ⑤ 推理优化为例：单卡 vLLM 压测三组对照 → 读 PagedAttention 论文 + 对照源码 → 复现一个官方 benchmark 并写复现报告。每个格子的验收都是一个公开产出物，不是「学完了」的感觉。
任务 2：英文技术博客启动（每周 3h）。 从第一个月就开始，不要等「准备好」。最低成本启动方式：把你中文博客里已验证受欢迎的深度文翻译+重写成英文（不是机翻，是面向英语读者重讲），发布在个人站+同步 dev.to/Medium。数量要求：每月 ≥1 篇，S1 结束时 ≥5 篇。选题原则：只写带一手数字的（复现报告、压测对比、源码解读），这既是流畅错觉的解药，也是英语世界最稀缺的内容形态。
任务 3：开源破冰（每周 2h）。 目标不是立刻提大 PR，是成为一个仓库的「常驻居民」。选定 1 个与目标工种对齐的仓库（⑤→vLLM/SGLang；⑦→langgraph/某 agent 框架；⑨→lm-evaluation-harness/inspect-ai），执行破冰序列：跑通全部测试 → 读 CONTRIBUTING.md → 认领 2 个 good first issue → 提交第一个 PR（哪怕是文档/测试修复）→ 在 issue 区做 triage（复现别人报的 bug 并补充最小复现，这是维护者最感激、新人最易做的贡献）。
任务 4（嵌入日常工作）：把国内工位变成素材工厂。 主动争取三类活：有量级数字的（QPS、卡数、成本降幅）、有事故复盘的（面试金矿）、可开源通用组件的。如果当前岗位三类都给不了，S1 结束时把「内部转岗/跳槽到能给的组」列入行动项——按路线 A 的逻辑，跳去 MNC 中国研发中心可以一石二鸟。
退出条件（全部可数）：目标工种矩阵自评无 0 分格、≥2 个格子从 ≤1 升到 2；英文博客 ≥5 篇且至少 1 篇进入 HN/Reddit/lobste.rs 讨论（哪怕只有几条评论——这是「英语世界可见度」的第一个非零信号）；目标仓库 merged PR ≥2 个（不限大小）；工作中拿到 ≥1 个可公开讲述的量级故事。
S2 · 信号复利期（第 6–18 个月）——从「有信号」到「有身份」
这一阶段的主题词是复利：让每个产出物互相引用、互相放大。
开源：从贡献者到「有名字的人」（每周 5h）。 路径细化到不能再细：修 bug PR → 实现小 feature → 认领 roadmap 上没人做的中型任务（先在 issue 里写设计拿到维护者认可再动手——这一步是新人最常跳过、也最致命的）→ 成为某个子模块的事实负责人（该模块的 issue 有人 @你）→ 进 reviewer/committer 名单。量化里程碑：18 个月时 merged PR ≥15，其中 ≥3 个是 feature 级；至少 1 次在 release notes 里出现名字。 这一条同时是 O-1A「原创贡献」判据的证据工程。
英文技术品牌：从写作到被引用（每周 3h）。 博客保持每月 1–2 篇，但增加三个放大动作：① 每篇发布后主动投 HN（工作日美西早晨发帖，标注为经验值口径）+ 相关 subreddit；② 把最好的 3 篇改造成会议演讲提案，投国内英文友好会议（QCon、ArchSummit 国际场）和线上 meetup（vLLM/PyTorch 社区月会是最易进的舞台）；③ 开英文 X（Twitter）账号，只发两类内容——自己文章的 thread 版、对目标领域论文的一手复现评论。量化里程碑：博客累计 ≥15 篇；≥1 次公开英文演讲（线上即可）；X 上被 ≥3 个领域内有影响力的账号转发/回复过。
评审与社区身份（机会驱动）。 为 O-1A 的「评审」判据埋线：申请顶会 workshop 审稿（很多 workshop 缺 reviewer，对有博客+开源履历的工程师是开放的）、做黑客松评委、加入目标开源项目的 RFC 讨论。里程碑：≥1 个正式评审身份。
人脉管道预热（每周 1h，从第 6 个月开始而非最后）。 系统化而非社交化：建一张联系人表（目标公司在职工程师、开源合作过的维护者、博客读者中的从业者），每周净增 2 个「有过一次真实技术互动」的联系人——评论他的 PR、回答他的 issue、给他的论文提一个有质量的问题。不发「求内推」冷消息；内推是关系的副产品，18 个月后你需要的那 5 个内推人，现在就该在表里。
退出条件：上述四个量化里程碑全部达成；用「简历盲测」验收——把英文简历（此时应有：开源身份 + 博客 + 量级故事）发给 3 个在美国/国际 hub 工作的从业者，问一个问题：「如果你是 HM，会给这份简历电话筛吗？」≥2 个 Yes 则进入 S3。
S3 · 管道与冲刺期（第 12–24 个月，与 S2 后半重叠）——把信号变成面试
目标公司分层清单（第 12 个月建立，每季度更新）：
- T1 前沿实验室：OpenAI、Anthropic、DeepMind——按路线 B 优先投其国际 hub 岗（Anthropic 伦敦/苏黎世的工程岗、OpenAI 伦敦/都柏林）
- T2 AI 独角兽/上市公司 AI 团队：Databricks、Scale、Perplexity、Cursor、Harvey、Sierra 类——evals 工程师被列入前十号员工的就是这一层，岗位多、竞争小于 T1
- T3 MNC 中国研发中心（路线 A 的入口）：NVIDIA、微软、Google、AMD、Apple 中国——这一层现在就可以投，不需要等 S2 完成
- T4 美国远程友好公司：全职远程雇佣国际工程师的 AI 公司（HN 每月 “Who is hiring” 帖中筛 REMOTE 标签）——用来攒「美国团队协作履历」
投递节奏：按波次而非散投。每波 10–15 家、集中两周投完（让面试撞期以便比价），每波之后复盘漏斗数据（见第六节）再调整。内推覆盖率目标 ≥60%——达不到说明 S2 的人脉任务欠账。
面试准备：进入任何一波投递前，先完成第五节的 8 周冲刺计划。
退出条件：拿到目标层级 offer。若两波投递（约 25–30 家）后电话筛转化率 <10%，回到 S2 补信号而不是继续撒简历——漏斗数据会告诉你短板在哪一段。
四、每周操作系统：12 小时怎么花 + 信息流追踪清单
在职状态下可持续的投入是每周 10–15 小时。以 12 小时为基准的分配（S1/S2 通用，比例微调）：
| 时段 | 任务 | 时长 | 产出物（可观测） |
|---|---|---|---|
| 工作日早晨 ×3 | 深度学习（矩阵格子/论文+源码） | 4.5h | 学习笔记 → 攒成博客素材 |
| 工作日晚间 ×2 | 开源（issue triage/写 PR/回评论） | 3h | GitHub 活动记录 |
| 周六上午 | 写作（英文博客/演讲稿） | 3h | 月产 1–2 篇 |
| 周日晚 | 信息流消化 + 周复盘 + 人脉互动 | 1.5h | 周报一行 + 联系人表更新 |
英语的处理：不单列时段，全部嵌入——博客用英文写、开源用英文吵、每周至少 1 次 30 分钟英文口语对练（AI 对话或 italki，放在通勤/碎片时段）。S0 录的那段基线音频每 6 个月重录一次对比。
信息流追踪清单（每周合计 ≤1.5h，超了就是在刷而不是在追踪）：
| 类型 | 具体源 | 频率 | 用法 |
|---|---|---|---|
| 论文 | HuggingFace Daily Papers、alphaXiv 趋势 | 每周扫 2 次 | 只深读与目标工种相关的，月均 2 篇，读完必留一段公开评论（X/博客） |
| 工程博客 | 目标公司官方博客（OpenAI/Anthropic 研究+工程页）、vLLM/PyTorch 官博 | 每周 1 次 | 面试「why us」的弹药库 |
| 行业信 | Latent Space、Interconnects、SemiAnalysis（infra 向） | 每期扫标题 | 建立市场体感 |
| 招聘信号 | HN “Who is hiring”（每月 1 日）、目标公司 careers 页 RSS | 每月 1 次 | 维护 T1–T4 清单；JD 是最真实的技能风向标 |
| 社区 | 目标开源项目的 Slack/Discord、GitHub Releases | 每周 2 次 | 你的开源存在感主阵地 |
| X 列表 | 建一个 30 人列表：目标工种的从业者+维护者 | 每天 10min | 只互动不刷屏 |
月度复盘（每月最后一个周日，1h，MCTS 语义）：这个月哪个分支的 rollout 回报最高（博客流量？PR 反馈？面试邀约）？→ 下月给它加码；哪个分支连续两月无信号？→ 剪枝或换姿势。把结论写进仪表盘的「本月调整」栏。
五、面试冲刺：8 周计划（每项带数量）
面试流程的事实（多家备考平台交叉口径）：Anthropic 典型流程 = 招聘官筛 → HM 技术筛 → CodeSignal OA（90 分钟、四段递进式题目，考察模块化和增量扩展能力）→ 1–2 轮 live coding → ML 系统设计（在共享文档里做）→ ML 理论/项目深挖 → 价值观轮，终面 4–6 轮；OpenAI 以 ML 基础深度著称——分布式系统编码、transformer 调试、统计推断都可能出现。两家风格差异：Anthropic 部分轮次允许并评估你使用 AI 助手的判断力，OpenAI 明确要求独立解题。
8 周计划（在职状态每周 ~15h，冲刺期临时提高投入）：
| 周 | 主题 | 量化任务 |
|---|---|---|
| 1–2 | 编码手感 | NeetCode 150 中做完 60 题（medium 为主），全程英文注释+计时；重点练「递进式多段题」（模拟 CodeSignal 风格：写完基础版被要求加功能） |
| 3–4 | ML 编码 | 从零手写 12 个组件：attention（含 GQA）、BPE tokenizer、top-p/温度采样、KV cache、LoRA 前向、简版 DDP 梯度同步、beam search、RoPE、layernorm 反传、数据加载器、评测 harness、简版 PagedAttention 索引。每个 ≤2 小时、不看参考先写（这份清单本身就是 transformer 调试轮的疫苗） |
| 5–6 | ML 系统设计 | 10 个 case 各写一页设计文档：多租户推理服务、评测流水线、RAG 系统、agent 沙箱、路由层、分布式训练容错、前缀缓存策略、结构化输出、灰度发布、成本监控——素材直接来自本站决策地图系列六篇 |
| 7 | 行为面 + 项目深挖 | 8 个 STAR 故事写成英文讲稿并录音自听（含 2 个失败/事故复盘）；简历上每一行准备好「被追问三层」的深度；每家目标公司写一段不可互换的 why-us（能把公司名换成竞对而不违和的答案等于零分） |
| 8 | 全真模拟 | ≥4 次英文 mock（至少 2 次真人：Pramp/interviewing.io 或 S2 攒下的从业者人情），每次录音复盘卡壳点 |
冲刺期唯一 KPI：mock 通过率。连续 3 次 mock 达到「hire」评价再开投递波，否则是在用真实机会当练习靶。
六、仪表盘：让成长可观测
每周五分钟更新一张表（Notion/表格皆可），领先指标管过程、滞后指标管结果：
领先指标（周记录）：深度学习小时数｜开源活动次数（PR/评论/triage）｜英文输出（字数或条数）｜口语练习次数｜新增真实互动联系人数。
滞后指标（月/季记录）：merged PR 累计｜博客累计与单篇最高流量｜GitHub follower/star｜演讲与评审身份数｜简历盲测 Yes 率｜O-1A 判据覆盖数（0→3 的进度条）。
漏斗指标（投递波期间）：投递数 → 回复数 → 电话筛 → OA/技术面 → 终面 → offer。每一段转化率单独看：回复率低=信号/简历问题；电话筛挂=英语表达问题；技术面挂=第五节欠账；终面挂=深度或匹配问题。漏斗是自带诊断功能的——挂在哪一段，就回哪一节补课，不要笼统地「再努力」。
三个阶段级健康检查（红线）：第 6 个月还没有第一个 merged PR → 开源姿势有问题，换仓库或找 mentor；第 12 个月英文博客总流量趋零 → 选题或分发姿势有问题；第 18 个月简历盲测 Yes 率 <50% → 暂停投递，信号回炉。
收尾：三条元规律 + 本周就能做的事
规律一：一份作业，三处交卷。 这条路上最重要的设计是让同一份努力同时喂三个目标——一次 vLLM 的 feature PR，既是技术成长（工种矩阵⑤），又是求职信号（简历第一行），还是 O-1A 证据（原创贡献判据）。凡是只能喂一个目标的活动（比如刷不留痕的网课），优先级自动降级。
规律二：地理是实现细节，产线才是目标。 「硅谷」的实质是「在前沿产线上做定义行业的工作」。Anthropic 苏黎世/伦敦的研究工程岗、东京 office、远程的美国 AI 公司——都是同一条产线的不同接入点。把目标从「圣克拉拉县的工位」重写为「前沿产线的入场券」，可行路径立刻多出三倍，而且大多不需要抽签。
规律三：漏斗每一段都可以单独变强，所以整体没有运气借口。 P(offer) 的四个因子——信号、管道、转化、身份——每个都有本文给出的量化抓手。抽签是运气，但「只把宝押在抽签上」是策略失误。
本周就能做的最小动作（合计 ≤4 小时）：① 填 S0 的技能差距表（1.5h）；② 录 5 分钟英文项目讲述存档（0.5h）；③ 选定目标开源仓库，跑通测试并读完 CONTRIBUTING.md（1.5h）；④ 在日历上建好下周的 12 小时时段（0.5h）。四件做完，你已经从「有个梦」变成「在路上」。
照例的诚实提醒：签证数据（35.3%、FY2027 工资加权、O-1A 八判据与 65% 批准率、L-1 一年要求）均来自本次检索的律所/行业来源（文末链接），移民法规变动频繁，行动前必须咨询律师并核对 USCIS 当期政策；中国出生者的绿卡排期本文未核实具体年限，请自查当月 Visa Bulletin。18–36 个月的时间线、漏斗转化率经验值、以及「国际 hub 内部 transfer 的畅通程度」属于推测与经验口径，样本因人因司而异。这条路径我本人正在走而未走完——它是一份实时更新的作战计划，不是成功者的回忆录；哪一段的实测数据出来了，我会回来更新哪一段。
参考来源
签证与身份链
- H-1B Registration Numbers for FY 2026 Reveal an Increase in Selection Rate（Ogletree 律所）
- H-1B Lottery Statistics 2026（Alma，含 FY2027 工资加权规则）
- O-1A Visa Tech Professionals Guide 2026（immshaws）
- O-1 Visa for Software Engineers and AI Researchers: Eligibility Guide 2026（Beyond Border）
- EB-1A for AI researchers/engineers: what metrics matter（Beyond Border）
国际 hub 与招聘市场
- Anthropic to triple international workforce（CNBC）
- New offices in Paris and Munich（Anthropic 官方）
- Anthropic hiring in London and Dublin（Worktugal，薪资口径）
- Anthropic Jobs（官方，含简历建议与「半数无 ML 背景」自述）
- OpenAI Careers / Residency
面试流程
- Anthropic Interview Process & Timeline（IGotAnOffer）
- OpenAI Research Engineer Interview Guide（Exponent）
- AI Research Engineer Interview Guide: OpenAI, Anthropic, DeepMind（Sundeep Teki）
本站姊妹篇与挂靠