AI 行业猎头一单赚近 300 万？！

前不久，一张截图在各个群里刷屏：某具身智能公司招聘 AI 算法专家，年总包薪资高达 1050 万元；猎头费 26%，273 万元。

消息一出，有人羡慕 AI 核心人才的身价，有人感叹，AI 浪潮不仅抬高了从业者的薪酬，也让产业链上的相关角色找到了新的赚钱机会。人才越稀缺，争夺越激烈，站在企业和候选人之间的猎头，也被推到了风口上。

这种争夺并非只存在于传闻中。据 Euronews 报道，OpenAI、Meta、Google、Anthropic 等巨头公司，正在争抢数量极为有限的顶尖 AI 研究人员。其中，Meta 还曾为招募 24 岁 AI 研究员 Matt Deitke，开出一份总额约 2.5 亿美元、期限四年的薪酬方案。国内的竞争同样在推高少数核心岗位的价格，字节跳动 Top Seed 部分核心岗位的年薪已超过 600 万元。

而在这场不断升级的高价竞逐中，一个耐人寻味的悖论也随之浮现。

从技术逻辑看，猎头似乎恰恰是 AI 很容易替代的一个职业。企业可以用 AI 搜索简历、筛选候选人、匹配岗位，效率比传统的人工推荐高得多。与此同时，真正的 AI 人才根本不缺去处，他们手里往往握着好多个 offer，需要做的只是选择，似乎也不需要猎头帮忙找工作。

可现实却走向了另一个方向：AI 行业的猎头生意正在变得越来越好，这个越是能被 AI 提效甚至替代的职业，越是在 AI 人才大战中赚到了更多钱。

带着种种疑惑，我们找到了网传截图所涉猎头集团另一家子公司的员工 Peter。对方确认，截图中的订单确实存在，但 273 万元是公司层面的服务费，并不意味着某一名猎头可以全部拿走。

" 中间还有公司和团队的多层分成，真正到个人手里，大概是 40-50 万元。"

而比这笔佣金更值得追问的是：当 AI 已经能够筛简历、匹配岗位，为什么顶尖人才的招聘反而更依赖猎头？在企业与手握多个 offer 的候选人之间，猎头真正提供的究竟是什么？

答案就藏在 AI 行业猎头的真实工作流程里。以下是 Peter 的讲述——

风口上的 AI 猎头，没那么好 " 飞 "

我转行做猎头，是因为不想再待在甲方了。

22 年实习开始就在甲方做招聘工作。那几年，几乎每天都在围绕同一个行业找人，见到的岗位和候选人都很垂直。但猎头不一样，它像把办公室的一面墙推开：同时面对不同公司、不同赛道，人的选择也一下子多了起来。

于是 2025 年，我决定换到另一边，开始替企业在市场上找人。

进来以后才发现，猎头不是拿到一份 JD、转手发给候选人那么简单。工作主要分成两头：一头叫开发，要主动找到有招聘需求的公司，与创始人、人事或其他负责人谈合作；另一头叫交付，接到职位后，把合适的人送到企业面前。我自己两头都做，既要问清客户究竟想要怎么样的人才，也要承担最后交不交得出人的压力。

虽然我 Base 在宁波，但手里的 AI 客户主要集中在北京、上海、深圳和杭州。大部分需求隔着屏幕就能谈清，遇到必须当面沟通的情况，第二天买张票也能赶过去。其实做久了以后就会发现，对猎头来说，城市之间的距离不是什么大问题。

真正难跨越的，是不同 AI 业务之间的距离。

同样是一家 AI 公司，有的做软件，有的做硬件；有的服务企业，有的直接面向消费者。即使都是产品，有的是卖效率，有的是提供情绪价值。业务不同，需要的人才也完全不同。所以每接触一家新客户，我都得先弄清楚这家公司目前在做什么事情，founder 的背景如何，目前企业正在处于什么阶段等等。

只有这些问题有了答案，才知道应该去哪里找人。

沿着这些需求看下去，市场的冷热也会慢慢显现出来。世界模型、具身智能和机器人方向拿到的资金相对更多，硬件大致排在第二梯队，软件则要看具体做的是什么。

钱流向哪里，招聘需求自然就会跟到哪里。

落实到具体岗位上，前端的需求相对少一些，后端、全栈、算法和产品岗十分热门。而等产品真正做出来，企业还得想办法把它卖出去，于是 BD 也成了招聘链条里少不了的一环。

不过，职位多不等于每个人都能拿到高薪。大多数跳槽仍按原薪资上浮 10%-20%，薪酬通常还是以现金为主，期权有没有、占多少，要看职位和候选人的 title。

猎头的收入也遵循同样的现实。行业里常见的服务费率在 20%-25%，传统猎头一年的常见业绩大约在 70-100 万元，算上底薪和提成，个人年收入通常在 20-40 万元。不过，当手里掌握着企业找不到、其他猎头也很难触达的人，也有机会把费率谈得更高。

AI 岗位多、人才流动快，成交机会确实比部分传统行业要多。但赛道热，并不意味着每个猎头都能赚到更多钱，收入最终还是由交付决定：找到人是一方面，真正被企业录用并顺利入职，才能变成业绩。

而且，人入职了，这笔钱也还不算真正落袋。

企业通常会设置三个月或六个月的试用期，猎头费也会分两次甚至三次支付。如果候选人在试用期内因为能力不匹配而离职，猎头需要在约定时间内重新补人；如果补不到，会退还已经收取的费用。

所以，猎头赚到的从来不是 " 找到一个人 " 的钱，而是 " 找到一个合适的人，并让他稳定留下来 " 的钱。

从甲方来到猎头，再从传统招聘走进 AI，原以为只是换了一个热门的赛道。后来才明白，风口只负责把职位吹过来，至于能不能接住，要从找到一个对的人开始。

抢人最快的时候，是别人下班以后

很多候选人的电话，要等到晚上才能打通。

白天，他们在开会、赶项目，不会为陌生号码停下工作，所以我的工作时间也会跟着往后移。别人一天工作七八个小时，我可能再多三四个小时；有时周末继续聊，有时也会为了一个人赶去他的城市约个咖啡。

外界想象中的猎头挖人，总带着一点 " 围追堵截 " 的戏剧性，实际上没有那么夸张。我不会盯着朋友圈定位制造偶遇，那样太刻意。想见一个人，会先联系，再正式约时间。第一次坐下来也未必要谈职位，先认识、先听他在做什么，再判断他是否想换个环境。

在这之前，还有一段看不见的准备。

企业给来一个岗位，我不会马上扑进简历库，而是先问：为什么现在招？已经找了多久？团队到了什么阶段？喜欢怎样的人？薪资和福利能给到哪里？等企业把需求说清楚，找人的工作才会真正开始。

我会先画一张 " 人才地图 "：这个方向的核心人才集中在哪些城市、哪些公司，又能通过什么渠道联系上。招聘平台和领英是最常用的入口，线下的黑客松、论坛、沙龙和展会也不能放过。遇到合适的简历，但联系不上本人时，可能还会顺着毕业院校和同学关系继续寻找。

不过，即使找对了方向，也不一定能马上找对人。AI 行业更新太快，新的概念源源不断，同一种能力到了不同公司，可能会被包装成完全不同的职位名称。

FDE 就是一个典型例子。

不同公司对 FDE 的理解并不一致，给出的候选人画像有时也很模糊。只按照职位名称搜索，很容易越找越偏。遇到这种情况，只能先挑选一批接近要求的人推荐过去，再根据企业的面试反馈不断调整。几轮下来，那个最初写得并不清楚的需求，才会逐渐显露出真实轮廓。

名称可以不断变化，企业挑人的标准却有不少共同之处。聪明、能够独立思考、经历过从 0 到 1，是最常出现的要求。创业公司还会多问一句：这个人愿不愿意陪着公司一起成长？

软性要求之外，还有一条更直接的筛选线。

有些企业明确要求候选人来自 985、211 或双一流院校，甚至会点名学校、学历层次和大厂经历。年龄也是一道门槛：有的公司希望控制在 30 岁，有的会放宽到 35 岁。但超过 35 岁也并非完全没有机会，如果项目经历足够突出，又有大厂或创业背景，产品岗位仍然可以尝试，技术岗位的机会则会少得多。

找到符合画像的人后，还要过谈薪这一关。

优秀候选人手里往往不止一个 offer，有人会提出 30%-40% 的涨幅。如果原来的薪资和职级存在倒挂，面试结果又证明能力确实匹配，我很能够理解这种要求。站在猎头的角度，我自然也希望候选人拿到更高的薪资，因为他的年薪越高，猎头的服务费也会越高。

但企业坐在谈判桌的另一端，也在计算自己的用人成本。多数公司可以接受 10%-20% 的涨幅，只有当岗位足够紧急、方向足够新，或者市场上真正能做这件事的人屈指可数时，预算才可能被继续推高。

不过，真正让人紧张的往往还不是谈薪，而是时间。

同一个职位可能同时交给多家猎头，企业 HR 也在建立自己的候选人名单。谁先完成有效推荐，机会通常就归谁。如果一个人已经进入企业的人才库，或者已经被其他猎头推荐过，后来者即使找到了他，这笔业绩也不会被计算在自己名下。因此每次沟通前，我都会先问一句：" 这家公司，你之前接触过吗？"

我们集团内部会共享候选人，不会彼此抢单，也不会为了客户 A 的岗位，跑到客户 B 那里挖人。但走出集团，所有猎头面对的往往还是同一批名字。

因此，外界看到的 "AI 抢人大战 "，在我们这里未必是多么激烈的场面。更多时候，它像一场安静的赛跑：别人停在一份无人回复的简历前，我再多找一层关系；别人已经下班，我再多打一通电话。

早一步，可能就是一单；晚一步，那个人已经出 AI 捞得起简历，捞不起 " 藏在水下 " 的人现在了别人的人才库里。

AI 捞得起简历，捞不起 " 藏在水下 " 的人

既然抢人的胜负常常只差一步，AI 自然成了最顺手的加速器。以前需要花很长时间翻找和整理的工作，现在都可以先让 AI 跑一遍。

比如，收到的简历后，我会将其统一放进自己的简历库里。等到新职位进来，先让 AI 按照 JD 做一轮匹配，把可能合适的人圈出来。

如今市场上也已经有不少专门替企业找人的 Agent。它们可以按照岗位要求搜索候选人，有些还能通过语音对话的方式完成与候选人的首次接触。面对年薪百万元以下、要求相对清晰的岗位，这些工具确实能够接过大量重复劳动。

只不过，效率提高以后，猎头之间的差别反而更加明显了。

有一次，同一名候选人先被另一家猎头联系。对方把 JD 和公司介绍复制粘贴过去，很快便完成了推荐。后来轮到我沟通时，我没有急着做推荐，而是先把这家公司讲清楚：公司的基本情况、目前正在处于什么阶段、团队的结构、founder 和 co-fouder 的背景、人选的过往经验以及离职动机。

那名候选人虽然没有通过企业的简历初筛，但他记住了两种猎头的差别。至少他会觉得，后一种沟通更靠谱。

这次经历反而让我更清楚地看到：猎头的门槛，不是名片上多了 "AI" 两个字，也不是比别人更快地复制一份 JD，而是能不能对一个具体的人说清楚，他将要去往哪里。

AI 可以迅速找出一批 " 看起来合适 " 的人，却未必能找到企业真正想要的那一个。

尤其是那些核心的 AI 人才，几乎不会把简历公开挂在招聘平台上。他们不缺工作，更不缺 offer，简历根本不会 " 浮在水面上 "。而且，这些人平时接触过大量的创始人和 CEO，甚至可以直接在企业之间流动，根本不需要经过猎头。

AI 可以从已有资料里筛出一百份合适简历，却很难找到那个没有在公开渠道留下线索的人。想找到这些 " 水下的人 "，靠的是人才地图、圈内转介绍，以及一次次深入沟通积累下来的关系。

即使终于联系上，事情也只完成了一半。

顶尖 AI 人才的难题不是没有机会，而是选择太多。公司名气、背景、新鲜的业务方向，给到的薪资待遇，甚至创始人的个人魅力，都可能会让其心动；但团队处于什么阶段、职位到底有多大空间、背后又藏着哪些风险，企业未必会主动说清楚。

这时候，猎头要做的不是再递过去一个 offer，而是把几个机会拆开来，陪候选人逐一比较：这家公司现在走到了哪里，团队是否适合他，这个职位能提供什么，选择以后又可能走向哪里。

对于手握多个 offer 的人来说，真正需要的不是机会，而是判断。

顶尖人才要在太多机会中做选择，更多普通人选面对的则是另一种竞争：怎样让自己先被企业看见。于是，一些简历开始被 AI 反复修饰，项目描述越来越漂亮，技术名词也越来越密集。一眼看过去，似乎每段经历都与岗位高度匹配。

但简历越漂亮，猎头越要继续往下问。

电话接通后，我不会只问 " 做过什么 "，还会追问他在项目中参与到了什么程度，亲自做过哪些决策，遇到问题时又是怎样解决的。只有把细节一层层拆开，才可能分辨那是亲身经历，还是为了面试准备好的一套答案。

我见过同一个人的新旧简历对不上，学历、年龄有差距，项目经历发生了变化，工作时间线上还少了一家公司。也见过有人把专升本或非全日制简化成 " 本科 "，或是隐去一段自己认为不够好的工作经历。想突出优势可以理解，但一旦进入正式流程，背调没有通过，已经拿到的机会也可能被收回。

一般来说，背调由企业委托第三方完成，有的也会直接交给猎头来进行。但无论是明调还是暗调，都要提前得到候选人的授权。候选人提供联系人后，背调往往不会只停在这一层，可能还会继续找到其他同事，做第二层、第三层的交叉验证。

候选人在包装经历，企业也保留着一部分信息。有些企业以保密招聘为由，只给猎头一个职位，不愿透露更多背景。

因此，猎头站在两者之间，需要尽可能把那些没有被说出来的部分拼完整。

走到这里，AI 与猎头之间的边界才逐渐清晰。

职位搜索、初步筛选、基础沟通和简历报告，AI 会做得越来越快。但它无法保证一个没有公开简历的人愿意出现，也很难判断一段项目经历是真是假，更不能替候选人权衡选择、替企业识别风险。

AI 能更快筛选名单里的人，而猎头的价值，是找到名单之外的人，也真正看懂名单里的人。

别问我五年规划，AI 行业的变化比我的职业规划快得多

有人问我，未来还会不会继续做猎头。

这个问题听起来很像面试。面试官坐在对面，等着你讲一段清晰的职业规划：三年做到什么位置，五年又要走到哪里。可放在 AI 行业里，我很难给出这样的答案。

因为变化实在太快了。

去年年底刚接触第一个 AI 客户时，我还没有把自己定义成一名 AI 猎头。到了今年上半年，AI 职位已经逐渐成为工作的重心。很多事情还没来得及形成稳定的方法，新的需求又出现了。

这种不确定感，也倒逼着我不断学习新的知识。

我不是技术出身，遇到陌生岗位时，不可能假装自己什么都懂。更实际的做法，是把职位要求和候选人资料交给 AI，先弄清楚两边匹配在哪里、差距又在哪里，再沿着结果补充技术栈和业务知识。AI 有点像一个随时可以追问的老师，它不会嫌问题基础，也能迅速给出解释。

但它只能帮我把门推开，后面的路还得自己走。

AI 工具进入猎头行业以后，最先被拉开的其实不是人与机器的差距，而是猎头与猎头之间的差距。

完全不用 AI 的人，今后的效率和收入一定会下降；只会让 AI 写报告、筛简历的人，或许工作效率会快一些，但更多只是维持原来的水平；只有真正把工具嵌入工作流程，又愿意进入 AI 社群和活动、持续理解行业的人，业绩才可能出现明显变化。

所以我并不认为 AI 会把猎头行业完全取代。它更像是在重新筛选从业者：重复、基础的工作会越来越少，原来依靠信息差和人力堆出来的优势也会变薄。

但这并不意味着新人失去了入场机会。猎头原有的成长路径依然存在，只是使用 AI、持续学习，正在成为贯穿职业发展的基本能力。

没有相关经验的人进入行业，一般要从实习生或助理做起。这个阶段不需要开发客户，只要接过领导手里的一些职位，按照要求去找人。等到熟悉从需求到交付的完整流程，也做出一定业绩，才可能成为独立负责项目的猎头顾问，开始直接面对客户，理解企业和候选人两端的需求。

再往上，工作会从 " 自己找人 " 变成 " 带着团队找人 "。手里的客户可能增加到几十家，职位也越来越多，每天都可能会有新的岗位出现，又或是岗位画像有所调整。下面开始有人协助完成交付。有人继续往上走，最后自己成立公司；也有人从原来的猎头公司里孵化出新的团队。

但并不是每个人都能走到那里。

很多人会停在最开始的阶段。猎头有着明确的业绩 kpi，前几个月如果运气不好，可能一个 offer 都发不出去。有时忙了一整天，连一份真正合适的简历都推荐不出来。努力不会马上变成结果，收入也不会按照投入的时间稳定增长。

这个过程很考验一个人是否有学习的动力，是否会思考，能否忍受得住有一段时间找不到人、没有推荐、没有面试、没有业绩的寂寞。

运气好一些，再加上学习速度快、善于思考，一天可能推荐出几份不错的简历，企业也愿意安排面试。可如果迟迟拿不到结果，有人会主动离职，也有人会被公司淘汰。离开猎头公司以后，一部分人会回到甲方做高端招聘或其他人力资源工作，也有一部分转向咨询，还有人彻底离开这个行业。

因此，当有人问我现在还适不适合进入 AI 猎头赛道，我不会直接回答 " 适合 " 或者 " 不适合 "。

市场还没有完全饱和，想进来的人依然有机会。但在进来以前，最好先回答另一个问题：为什么想做猎头？

如果只是看到 AI 行业薪资高、猎头费高，觉得这里更容易赚快钱，真正开始工作以后很可能会失望。这个行业需要等待，也需要接受大量没有结果的努力。职位发出来，不代表一定找得到人；找到了人，不代表一定能通过面试；通过面试，也不代表最终能够入职。

我暂时没有想好以后会在哪里。现在能确定的，只有先把手里的事情做好。

AI 还在往前跑，我只能先跟上它。