Anthropic 今年上半年，服务客户花了 24 亿美元，研发花了 97 亿，大头都是算力。比去年同期，前者涨到 2.3 倍，后者涨到 5.3 倍。研发涨得快，是要做更好的模型；非做不可，是因为对手也在做。所以最大的一笔开销花多快，是竞争定的。眼下看，模型越大越好也越贵，收入只能拼命跑在前面。出路是往上走，做成客户离不开的产品，比如 Claude Code 和 Codex，用惯了一种就不想换。要是改个接口就能换掉你，你就没有定价权，也没有护城河。
Anthropic 近八成收入来自按用量付费的企业，新买的算力也主要用来训练下一代模型，瞄准的是高端。AI 市场成熟后很可能分两层：下层是开源、便宜的模型，拼价格，利润约一成，像一般商业服务；上层是闭源最强模型加客户数据，利润近四成，像顶尖企业软件。所以它值多少，要看将来多少收入能留在上层。假设留住四分之三，股权约值 1.475 万亿美元；若被挤到下层，算力又一直又缺又贵，价值是负 3730 亿；最好情况是 4.04 万亿。差别全在能不能守住高端。
2025 年 11 月，Anthropic 推出 Opus 4.5。按 token 算，它比 Sonnet 贵 67%，但同样的任务少用 76% 的 token，一件在 Sonnet 上花 1 美元的活，在 Opus 上只要 0.40 美元，按每件事算反而更便宜。结果收入加速：季度收入从 13.8 亿美元涨到 20.4 亿，再到 47.3 亿，环比增速从 48% 跳到 132%。做一件事更便宜，人们就做更多的事，总花费不减反增，这就是杰文斯悖论。
Anthropic 约八成生意来自企业，个人用户只占两成，这是一开始就选好的路。做大模型非常花钱，必须有一门赚钱的生意；可如果生意和理念冲突，要么守不住原则，要么在竞争里掉队。面向个人的产品大多靠广告，广告要你待得越久越好，社交媒体让人上瘾、AI 视频满是垃圾内容，都是这么来的，和安全可靠的 AI 正相反。用 AI 治病、降低能源成本、办教育，大多要通过企业实现；企业又看重信任和长期合作。所以押注企业，赚钱和守原则很少打架。
英伟达过去有三条护城河：芯片性能最好，比谷歌的 TPU 灵活，还有工程师熟悉的 CUDA，换平台得重写底层代码。可它的大客户就那么几家，以前嫌重写不划算；现在算力投资动辄几千亿美元，就划算了。当年大云厂商重写软件，性能更好的 AMD 就从英特尔手里抢走了市场。现在谷歌把 TPU 卖给外人，第一单就是 Anthropic。可 ChatGPT 每周八亿多用户，对手只能一个一个抢。护城河深不深，要看买家多少。买家越少越大，越能绕开你，英伟达长期要担心利润变薄。
2026 年初，Anthropic 按年折算的收入约 100 亿美元，过去每年涨十倍，而数据中心要提前一两年订。如果照十倍算，2026 年底是 1000 亿，2027 年底是 1 万亿，就得订每年 1 万亿美元的算力；可只要那时收入只有 8000 亿，或增速是五倍不是十倍、节奏差了一年，就会破产，世上没有哪种对冲兜得住。所以只能买到几千亿级别，同时接受需求太旺供不上、或判断错了增长偏慢这两头的风险。
Anthropic 一年零三个月前刚推出让模型操作电脑的功能时，它在一项操作电脑的测试上大概只有 15%，如今已经到 65% 到 70%。可要替人剪访谈视频这样的活，模型得自己上网翻以往所有访谈、看 Twitter 上的反应、翻过去的剪辑记录、再去问本人和同事，样样都靠操作电脑。所以眼下卡住落地的一件事，是操作电脑还得越过一道可靠性的坎；测试分数也只是不完美的尺子。
半年前，编程模型给 AI 公司带来的整体提速大概只有 5%，小到感觉不出来，所以几家公司差不多站在同一位置。现在大概到了 15% 到 20%，开始成为几个起作用的因素之一，而且还会继续加快。加上别家公司也能在内部用上 Anthropic 的模型，拦不彻底，优势只能慢慢累积，像滚雪球一样从 10%、20% 到 25%、40%；要真正跑开，还得把所有拖慢进度的环节一个个清掉。
大约八九个月前有预测说，三到六个月内 AI 会写下 90% 的代码，这至少在 Anthropic 和不少用它模型的人那里成真了。但这是很弱的标准，常被误读成不再需要九成程序员，两者天差地别。中间还隔着好几级：全部代码由模型写，九成从头到尾的开发活（编译、搭环境、测功能、写说明）由模型做，再到全部。就算全做完，程序员也能转去管更高层的事；需求少九成排在更后面，也很可能会来，只是这些台阶正被飞快跨过。
2025 年初，Anthropic 自家的编程模型已经够好，内部鼓励大家拿它来加快研究，但不强制用哪一个。一个起初可能叫 Claude CLI 的工具很快人人都在用。公司本来就大量写代码，好几百名使用者在某种程度上能代表外部用户，内部用得这么快，等于已证明有人要，于是对外发布，后来改名 Claude Code。自己做模型又自己天天用，反馈来得很快。这也是先做编程工具、没去开药厂的原因：开药厂需要的资源一样都没有。
在 Anthropic，已经有工程师一行代码都不写，有人以前亲手写的显卡底层程序如今直接交给 Claude，效率大增；用户抱怨里排在前面的，也不是模型不熟悉代码库、没在公司干满一年。人入职要花半年才能看懂代码库，模型把代码库读进去当场就学会了。它一次能读一百万个词，人要读好几天甚至几周。所以就算还不能边干边学，眼下这条路可能也足以撑起数万亿美元的收入。
在 Meta，抓全公司代码质量这类工作，几百名工程师干一整年，能让工程师效率提高几个百分点。Claude Code 推出后的这一年，Anthropic 的工程团队大概扩大到原来的 4 倍，按提交的代码改动数量算，每个工程师的产出却提高了 200%。过去一年才挤出几个百分点，现在一涨就是几百个百分点，这样的变化前所未有，只是人们太容易习以为常了。
2025 年 2 月，Claude Code 大约只写了负责人自己 20% 的代码，5 月约 30%。那年 5 月的开发者大会上，抛出的预测是到年底写代码可能不再需要专门的编程软件，全场一片惊呼。Anthropic 习惯按翻倍增长的方式想问题，把 Claude 写代码占比的那条线顺着画下去，年底就会到 100%，哪怕这完全不符合直觉。到 11 月，他自己的代码就全部交给了 Claude。
Claude Code 从 2024 年在 Anthropic 内部推出起，就有一个专门收反馈的频道，意见源源不断。早期每来一条反馈，都尽快修好，一分钟、五分钟之内就改完。平常给产品提意见，往往像扔进黑洞，没有下文；反馈马上有回应，人会觉得自己被听见了，就更愿意接着提、帮着把东西做好。现在这活大多交给 Claude：把它指向这个频道，它自己挑出能修的问题，直接把改好的代码交上来。
过去半年，很多人用 Claude Code 不是为了写代码：有人拿它种番茄，有人分析基因，有人从坏硬盘里救回婚礼照片。2025 年 5 月，团队的一位数据分析师装好 Claude Code，在命令行窗口里做数据分析，下一周所有数据分析师都这么做。人们费这么大劲去用一个面向工程师的工具，说明该给他们专门做个产品。于是有了 Cowork，用 Claude Code 大约 10 天就做了出来，增长比当年的 Claude Code 快得多。
最早的原型只给了模型一个能在电脑上执行命令的工具，问它"我在听什么歌"，没人教它怎么用，它自己写代码查出了答案。顺着模型自己想做的事，Claude Code 反过来做：产品就是模型本身，外面只套最少的东西、给最少的工具，用哪个、按什么顺序用，都让它自己定。给模型套一层层固定步骤，大概能把效果提高一到两成，但下一代模型一出来，这点提升往往就被抹平了，还不如等下一个模型。
Claude Code 最早几个版本用的是 Sonnet 3.5 这一代模型，写代码还不太行，负责人自己也很少拿它写代码，因为信不过。当时押的是：总有一天模型会好到能写大部分代码。2025 年 5 月 Opus 4 和 Sonnet 4 推出，大家第一次真正用起 Claude Code，增长从那时起真正开始飞涨。所以做产品要瞄准半年后的模型。代价是头半年产品和市场对不上，会很难受，但那个模型一出来，产品马上就能跑起来。
大约一年前用 Sonnet 3.5，它自己跑 15 到 30 秒就开始跑偏，稍复杂的活都得手把手盯着。现在用 Opus 4.6，平均能没人看着跑 10 到 30 分钟，这段时间可以再开一个 Claude 干别的，所以手上总同时跑着好几个。也有能连跑几小时甚至几天的，似乎还有跑了好几周的例子。顺着这条线看，模型长时间自己干活很可能会越来越平常，人不用再一直守在旁边。
Claude Code 正式发布前，在 Anthropic 内部用了大约四五个月，因为当时它是第一个被广泛使用的会自己写代码的 AI 工具，没人确定它是否安全。检查模型安全大致有三层：看模型内部的神经元在做什么，在实验室里摆出假想场景测它，再看它在真实世界里怎么表现。前两层看着很好，第三层未必，模型越复杂这一层越要紧。所以要比自己觉得的更早一点放出去，Cowork 也是标成研究预览先发布。
Claude Code 团队里，产品经理、工程经理、设计师、财务、数据分析师都在写代码。工程、设计、产品这三种角色，眼下大概有一半的工作是重叠的，很多人其实在做同一件事，只是各有偏重。短期内这三种岗位还会在，但到年底界线可能会更模糊，有些地方"软件工程师"这个头衔会开始消失，换成"建造者"，或者人人都是产品经理、人人都写代码。
Anthropic 的收入大部分来自企业。企业天生怕风险，没人想要更爱胡编、一问就给出有害回答的模型，所以直到不久前，做得安全和做好生意完全一致。可现在模型的本事长得太快，风险有多大、有哪些，眼下还没完全弄懂。新一代 Mythos 级别的模型可能被用来发动网络攻击，还没把握，就先没放给所有客户，客户再想用也得等。两者的冲突不在要不要安全，而在时间。
Anthropic 有一份经济指数，专门看人们眼下实际怎么用 AI。到目前为止，看到的多半是 AI 帮人干活，而不是顶替人，只有极少数例外，主要是客服。拿最常被问到的写代码来说，软件开发者的活远不止敲键盘，还要跟产品经理商量、跟客户打交道。容易交给 AI 的那部分会缩小，其余部分会变大，所以开发者大概还会在，只是写的代码没那么多了。
Anthropic 访谈了 8.1 万人，问他们怎么用 AI，就他们所知是做过的最大一次定性调查。有人说 AI 让自己做成了从没想过能做的事；也有人说，本来可以自己想，可交给 AI 太省事，就不动脑了，直接信它的答案。人天生想学、想多知道一些，AI 用对了能帮人学，用错了会把这份劲头废掉，这正是很多人对 AI 焦虑的来源。同样做作业，直接要答案和让它像耐心的家教一样带你想，是两回事。
2025年11月24日，Anthropic发布Opus 4.5，起初没什么动静；到了12月，搭配它的Claude Code似乎突然能做以前做不到的事，OpenAI的Codex也差不多，有的活一干几个小时，还干对了。关键不全在模型，而在指挥模型的那层软件：它让模型写代码，再用别的工具跑一遍看能不能用，不行就重来，全程不用人管。至少在写代码这种能核对对错的事上，当初胡编乱答的老毛病大体压住了，剩下一个毛病：想清楚拿它干什么。
微软曾在财报会上夸自己和OpenAI深度绑定；OpenAI差点散架后，又改口说模型是大路货。可2026年3月它推出新的企业套餐E7，每个用户每月99美元，是原先最高档E5的两倍，主打的Copilot Cowork却不能随便换模型，因为这种能自己干活的AI要模型和指挥它的软件配成一体。这等于承认，至少眼下，模型可能不是大路货。利润总是流向配成一体的环节，就像苹果软硬一体能长期卖高价，所以Anthropic和OpenAI可能比2025年底看上去赚钱得多。
2026年3月，Anthropic 给企业客户改成按用量计费，一个季度收入翻倍。约三个月后，OpenAI 把最便宜的模型 Luna 降价80%，一下追到离 Anthropic 只差一个船身，年化收入接近700亿美元。两家卖的是同样的模型，只是对准不同买家、定不同的价。这两步说明今年商业模式上的创新比技术更要紧；一个季度就能让这么大的收入变样，说明市场还没定型。
Anthropic 泄露出来的上市招股书里，去年亚马逊和谷歌两家客户就占了它将近四分之一的收入，而且两家都没有被长期合同绑住。看起来，就连买 AI 最多的大客户，也还没有认定要跟谁。
亚马逊靠电商、谷歌靠搜索和广告、微软靠操作系统，各自打开局面才成了云；Anthropic 的突破口是一批顶尖模型和写代码工具 Claude Code。如今四家都在自己造芯片、借钱建数据中心、开发或转卖模型、管理撑起 AI 的基础设施，所以该把它当云来估值。按华尔街的数字推算，单独的谷歌云约值1万亿到2.3万亿美元；Anthropic 若估1.5万亿到2万亿，就和谷歌云相当，而收入只有它的三分之二，过去一年增长快得多。
在 Ramp 平台上买了写代码 AI 助手的企业里，87% 买的是 Claude Code，比一年前高了56个百分点。在 Artificial Analysis 的智能指数测试里，Claude Opus 5.5 做一道题要5.98美元，OpenAI 的 GPT-6 Astra 是3.26美元，谷歌的 Gemini 4 Argon 是1.99美元。Anthropic 在这块市场上敢定高价，每件活收得比别家都贵。
Anthropic 签下的数据中心和算力承诺达5180亿美元，接近它三季度年化收入670亿美元的8倍，是四家里最多的；亚马逊、微软、谷歌签的大约只有各自年化收入的1到2倍。不过 Anthropic 这个数字口径更宽，算的是约十年里的全部算力义务。增长要靠算力撑，Anthropic 已经提前为此做了安排。
Anthropic 内部，一半以上的代码改动申请已经由 Claude Code 生成，眼下可能超过七成。代码写得太多、提交的改动太多，原来那套排队把改动合进正式系统的流程直接被冲垮，只能整个重做。新的卡点出现在两头：前面是定方向、让大家意见一致，后面是怎么把一大堆改动有序落地。照现在的方式做软件会越来越难受，所以一年后做软件、发布软件的方式很可能会大变。
Claude Code 这个工具本身，粗估 95% 以上的代码是它自己写的。这个团队一开始也像别的项目一样一行一行审代码，后来发现 Claude 大多是对的，而它一次交上来的改动比大多数人能审完的还大。于是改成让另一个 Claude 去审，人只在最后试用、确认能不能用。到目前为止效果不错，但也可能出岔子，最后变成一堆连 Claude 都看不懂、没法维护的代码，只是眼下还没发生。
Anthropic 把一部分产品人放到研究团队旁边一起把模型做好，另一部分做界面，结果大部分效果来自前者，到现在仍是如此。重做 Artifacts 时，教 Claude 具体技能的训练团队和产品人一起干，效果远好于拿现成模型改改提示词。别人用现成模型也能做的东西，不是 Anthropic 该做的，所以现在的做法是产品人直接进到训练模型的讨论里，边训练边做产品，来回反馈。
Anthropic 最近给一家金融服务公司演示，把数据分析工具和 MCP 连接标准搭在一起用，对方眼睛一下子亮了。模型和产品能做到的，跟人们每天实际拿它做的，中间差了一大截，内部管这叫"能力悬空"。会用这些工具的人和大多数人之间的差距也很大。所以即使 Claude 以后能自己从零做出产品，产品团队仍然有很重要的活：把这些能力讲明白，让人看到能拿它做什么。
Claude Code 的起点，是一位叫 Boris 的工程师从零开始做的内部项目，先在公司里用，后来才推出去，他以前是 Instagram 的资深工程师。回头看这一年，产品上的一个错是一直觉得要多招人。人确实需要，但更需要几个像创始人一样的工程师。少数几个资深的人能塑造大量产品战略，给一个有想法的技术带头人配上合适的设计和产品支持，对这一点的信心比以前高了十倍。
大众对 AI 的印象几乎就是 ChatGPT，这个品牌领先。可消费级产品火不火可遇不可求，Instagram 那次就是这样，所以把整个产品战略押在找一个爆款上大概不明智，还会错过眼前的机会。Claude 的长处是开发者和动手做东西的人喜欢它，Anthropic 法务团队就有人用它给家人做专属软件。所以该认清自己是谁，往帮人干活、让人把几个小时的工作交给 Claude 这方面深挖，而不是去学别人。
Cursor、Lovable、Bolt 这些增长最快的公司都提到，到 Claude 3.5 Sonnet 出来，他们的产品才终于做成。它们在这之前就一直在试，在模型能力的边上把模型用到崩，觉得模型"差一点就够了"。正因为一直拿真正难的问题反复去问模型，新模型一来就能马上感觉到差别。用得好的公司，就是愿意在能力边缘做东西、被下一个模型惊喜的公司。
这次推新模型，Anthropic 的提前试用范围比以往宽得多。原因是公开的测试分数可以一直往上刷，但真正要服务的是客户自己的用法，比如 Cursor 在自家实际使用里测出来的好坏，这种"测试"只存在于客户手里，他们比谁都清楚。所以做得好的公司都有一套能重复的办法，衡量产品对用户用得怎么样，换上新模型是变好还是变差：可以是对比实验、内部评测、拿新模型重跑以前的使用记录，也有凭感觉的部分。
一开始给 Claude 做和其他软件的连接，每一个都得从零重做，没法复用。两位工程师提出把它做成一套公开规则，也就是 MCP：别人做一次连接，Claude 能用，以后 ChatGPT、Gemini 也能用。Anthropic 做的是模型，不是做连接的公司，作为追赶者，别人不会专门为它做连接。做成通用规则后，大家的工作不再白费，连接越来越多，反过来对它有利，这就是让互补品变得便宜的老道理。
Instagram 当年主要看用户花了多少时间，后来改成看"健康的时长"，但基本还是围着使用时长转。放到 Claude 上，只盯使用时长不对，过度追求让人喜欢也很危险，容易让它讨好用户、顺着人说话、为拉长对话而拉长对话。更该衡量的是有没有真帮人把事做成，比如 Claude 二十多分钟帮着做出一个原型，估计省了六个小时，只是这种效果更难量化。很多时候人迷恋指标，是在说服自己产品有用，而其实它没有。
Anthropic 先后推出 3.5 Sonnet、3.6、3.7，再到 4.0 Sonnet 和 4.0 Opus，这四五个模型一个比一个更会写代码。在一个衡量写代码能力的测试上，大约 18 个月前得分只有 3% 左右，现在到了 72% 到 80%，看怎么算。实际用量也成倍往上涨，眼下公司内部写的代码大部分是 Claude 写的，或者至少有它参与。至少从自家模型看，进步还很快，看不到越投入进步越小的迹象。
三年前，Anthropic 只融到几亿美元，OpenAI 已经从微软拿到 130 亿，大科技公司手里握着一两千亿。当时的说法是：如果别人花 10 亿能做的事，我们 1 亿就能做到，那投我们的钱效率就高十倍；钱少只是暂时的缺陷，能补上，做东西又好又便宜的本事才是根本。那时差距是上千倍，现在融了快 200 亿，对手有一千亿，靠顶尖人才扎堆仍然能竞争，收入每年涨十倍就是证明。
面对 Meta 的高价挖人，Anthropic 被挖走的人比别家少得多，不少人连谈都不谈就拒了。公司的做法是不逐个加价：员工进来就定级，级别不谈判，因为谈判不公平。Mark Zuckerberg 往飞镖盘上随手一扔扎中你的名字，不代表你该比身边同样能干的同事多拿十倍。公司唯一会真正受伤的情况，是自己慌了神，为留人而对人不公，把文化毁掉。公司相信人留下是因为信这份使命，而这是花钱买不来的。
Anthropic 时常做出一些改进，让模型运行效率比之前提高五成左右；运行模型这件事的优化才刚起步，比起前两年已经进步了一大截，这就是价格在往下走的原因。同样聪明程度的模型，价格会越来越低；而最前沿模型的价格可能涨也可能跌，估计大致维持现在的水平。两年后的模型，花费估计跟今天在同一个量级，但能力强得多，能更独立、更广泛地干活，创造的价值高得多。
所谓开源模型，其实只公开了训练好的参数，看不到模型内部是怎么回事，所以以往开源那种很多人一起改、越改越好的好处，在这里不太成立。而且不管开不开源，这么大的模型都得放到云上跑，要跑得快本身就很难，也不是免费的。反过来，拿到参数能做的事，比如按自己需要再训练，Anthropic 也越来越多地放在云上提供。所以看竞争，关键是模型在要紧的任务上好不好，开不开源是个幌子。
Anthropic 至今融了将近 200 亿美元，和亚马逊等一起建的数据中心，规模并不明显比同行小。别人宣布的巨额投资，通常是分好几年花的，有些钱还没到位；而且建数据中心常常卡在电力和资金上。看过对手在建的规模之后，Anthropic 相当有把握自己会落在大致相当的范围里。
当年在 OpenAI，几位后来创办 Anthropic 的人和 Paul Christiano 一起发明了用人的反馈训练模型、让它照人的意图做事的方法。但这个方法用在当时很小的 GPT-1 上不管用，于是才把模型做大成 GPT-2、GPT-3，好在大规模上研究这些方法。所以让模型安全和让模型更强，比想象中缠得更紧，很难分开单独做；真正能把这个领域往好的方向推的，是组织层面的决定：什么时候发布、哪些先在内部研究。
Anthropic 第一个公开发布了随模型变强逐级加严的安全规则，没有指责别人，也没拿它当优势，只是鼓励同行也做。几个月后，其他公司内部想推类似规则的人，正好可以拿它去说服领导：Anthropic 在做，我们也该做。看懂模型内部的研究也一样公开，让别家照抄，哪怕它有时能带来商业优势。先做出榜样让同行跟上，这样的竞赛里谁赢都无所谓，大家都赢。
Anthropic 同时用亚马逊、谷歌和英伟达三家的芯片。同一批算力既拿来训练模型，也给员工内部用，还用来服务客户，可以随时调换。当年刚开始大规模用谷歌的芯片时，外人觉得它疯了。它花了好几年，连编译器都自己写，才做到这一步。一两年前，突然多来一批杂七杂八的芯片还很难马上用上，现在几乎什么芯片都能很快投用。算力没法今天下单、下周就到，只能对着一两年后的几种可能提前买。真实需求落在别处时，帮上大忙的就是把每块芯片用得更省、更灵活。
Anthropic 内部九成以上的代码已经由 Claude Code 写出，Claude Code 自己的代码也有很多是它自己写的。如果不让员工用自家模型，分给他们的算力足够服务几十亿美元的收入。公司宁可放弃这笔钱，是因为模型本身在帮着造下一代模型，好人才配上最好的模型，能让研发快得多。产品也跟着提速：仅 1 月一个月就发布了 30 项新产品和功能，节奏还在加快。
Anthropic 年初按年折算的收入约 90 亿美元，到季度末已到约 300 亿，靠的是模型变聪明和配套产品。每出一代新模型，变的不只是聪明程度，还有能不能连着干很久的活、会不会用工具、做得快不快。两个同样能干的员工，一个一周交活，一个一天交活，后者一直这样干，效率可以是前者的七倍。企业每一代都能拿它做更多事，客户就在新模型上大笔加码。所以在企业这边，最强模型的回报眼下看没有放缓。留给训练新模型的算力有一条底线，哪怕服务客户会吃紧也不压。
人们常把新模型比作换车：从轿车换到跑车，性能上去了，油耗也跟着上去。模型不是这样。从 Opus 4 到 4.5、4.6，再到 4.7，每一代都更强，处理同样内容的效率也成倍提高，只是每次提高的幅度不一样。这不光让服务客户更省，训练也跟着省。训练里有一种做法，是让模型在设定好的环境里反复做题、按结果打分，本质上就是在跑模型，跑得越省，训练也越省。两代之间，效率改进也在不断上线，整体一直在变省。
Anthropic 的定价一直很稳，最大的一次调价，是推出 Opus 4.5 时把 Opus 这一档降了价。原因是这档模型的用量远配不上它的本事，很多人硬把该用 Opus 的难题塞进 Sonnet 那一档。公司跑 Opus 本来就很省，降价后用量涨得远超预期。客户把它写进了自己的日常工作，等 Opus 4.6 出来、价格不变，直接换上就行。所以价格既要定在客户能拿到大量价值的位置，也要保持稳定。
2026 年第一季度，Anthropic 按年折算的收入从约 90 亿美元涨到约 300 亿，可这段时间并没有新增一大批算力，到手的算力按的是可能 12 个月前就定好的进度。同一块芯片，上午拿来服务客户，下午或晚上就拿去训练模型。传统公司里，研发人员的开销没法转头算成产品成本。所以按"多服务一个客户多花一份钱"去算成本，套的是软件公司的思路，不合这门生意。该看的是全部算力加在一起带来多少回报，眼下这个回报很扎实。
过去约两年，Anthropic 融了 750 亿美元，最近和亚马逊、谷歌签下的协议，往后还会再带来 500 亿。这门生意极其吃资本，要靠这些钱撑住增长。但公司本身跑得很有效率，融这么多钱，更多是因为收入可能落在很宽的一段范围里，要为这种不确定留足余地，而不是拿去填亏损。
两年前，Anthropic 按年折算的收入约 2.5 亿美元，计划做到 10 亿，新来的财务负责人第一反应是问：哪一年？这就是按直线去想。收入飞快往上翻的时候，每月、每周的增速差一点点，滚下去结果就天差地别，很难给出一个准数。所以只能按几种情景去想，一有新情况就改判断。一个月前成立的事，今天可能就不成立了。一季度预测一次、等下次董事会再看的老办法，在这里行不通。
大约从 Sonnet 3.5、3.6 开始，模型写代码的本事突然跳了一大截，接着才是用的人、用量和收入跟上来，这在当时很难预测。如今编程成了参照，可以拿它去推测经济里别的领域会怎么走。眼下按上线后同一时间点对比，面向一般办公的 Cowork 比当初的 Claude Code 涨得还快，而写代码的人本来就是接受新技术最快的一群。原因很可能是模型和产品正一起往能在公司里帮人干各种活的方向走。
Anthropic 的老客户按年算，花的钱是原来的五倍多。《财富》榜前十的公司里有九家是它的客户。一趟大约 20 分钟的 Uber 路上，就签下两份几千万美元级别的订单。这些买家最懂行，也有的选，却在做大笔采购、选的是它，说明客户已经不是拿它试试，而是真在大规模用、真拿到了回报。
Anthropic 的财务团队里，旗下所有公司主体的法定财务报表都由 Claude 做出，再由人核对。团队攒了 70 多套专给财务用的现成做法，月度财务回顾 Claude 能做到九成到九成五，原来要几个小时的周报现在只要 30 分钟。省下的时间不再花在对数字上，而是讨论接下来怎么办。每个人能干的多了，公司没有少招人，反而招了更多，因为要干的活根本干不完，像是劳动力版的杰文斯悖论。
有一个开源代码库，上一代模型在里面找出 22 个安全漏洞，Mythos 找出了 250 个。这个模型在很多方面都很强，在网络安全上尤其突出。能找出这么多漏洞，可以拿来补漏洞，也可能被拿去钻漏洞，所以 Anthropic 第一次换了发布方式：不是不发，而是分阶段放给一批会逐步扩大的用户，先让这项本事用在防守、修补代码上。这套做法以后也可能沿用。
2023 年，还没人把 Anthropic、Claude 和写代码放在一起说；当时 GPT-4 也有人拿来写代码，但只是众多用途之一。可已经能看到，有人不只用模型补全一两行，而是让它写成段的长代码。于是训练 Opus 3 时专门往这上面加强。从训练上看这只是个不大的改动，却在早期帮 Claude 跟对手拉开了差别，吸引来最早一批热心用户和开发者，因为它给了他们当时觉得做不到的东西。
早年产品还不多时，Anthropic 有一个内部聊天频道，几乎全公司都在里面试用 Claude 的早期版本，让它改文章、想邮件怎么写，大家都公开着做。有人冒出一个点子，别人接着试各种变体，可能十来次之内就冒出一个神奇的用法。在模型上花多少钱只是投入，真正要的是多试；而试用不一定是单打独斗，把这种大家一起摸索的做法再推开，眼下还有很多可做。
2024 年初，Anthropic 发表了一项看懂模型内部的早期研究，能在模型内部找出对应某个主题的开关，其中一个是金门大桥。把这个开关调大，Claude 每句回答都会绕回金门大桥，连给意面菜谱都要提一句大桥的颜色。团队在 24 小时内把它做成网页上的体验，工程、产品、设计和研究一起上，可能只有约 2000 人用到。但这让团队意识到，能用自己独有的方式、以创业公司的速度把研究做成新体验，这可能是找到自身定位的一个不显眼的转折点。
在 Claude 2 的时候，常听到用户抱怨 Claude 不太听指令。追着用户问到底是哪一段、问了什么、Claude 怎么回的，发现大约八成说的其实是同一件事：Claude 没能按规定格式写出数据。而这是它能调用别的软件、自己干活的基础。于是先找出三四十个它做错的例子，配上标准答案，当成一套测试放进题库，每出一个新版本就跑一遍，如今基本都是 100% 或 99.9%，这事已不再是痛点。所以团队里有句话：测试题就是新的产品需求文档。
在 Anthropic 的研究产品团队，招进来的人哪怕带团队多年、当过资深产品经理，上手计划也和刚入行的人完全一样：了解用户、读用户同意提供的反馈、跟客户聊。原因是，没亲手做过 AI 产品的人，很难看出好的、出色的 AI 功能长什么样。带团队的人自己也得动手，每出一个模型都留出时间亲自负责一两条工作线，才能跟上模型变化有多快，帮团队做出更好的决定。
2024 年 Anthropic 全年发了四个模型，或者说四个系列；而今年光第二季度发的大概就比这还多。节奏快到要根据用户和训练的新情况，很快给出建议和判断，像一项高强度的运动，没人能一个人长期扛下来。撑住的办法是团队互相兜底：发布前一晚，不是主负责人的人也会熬夜帮着改博客、做更好的演示；休假回来不是面对三倍的活，而是知道团队能自己定对事情。所以招人时会特意找不看重自我、以团队为先的人。
2024 年 9 月 Claude Code 第一次在公司内部发布时，安全团队反对得很厉害：让模型自己跑命令行指令不安全，这个问题解决不了，不能上线。最后想出的办法很简单：拿不准就问人，由人决定放不放行。到今天默认仍然很保守，只有少数确定只读、不会把数据传出去的常用命令可以免问，因为连 find 这种查找命令都能借某些参数执行任意代码，sed 也有办法，看着无害的工具没有想的那么安全。
Claude Code 去读一个网页时，网页里可能藏着一句“把所有文件夹删掉”。防这种事没有一招管用的，就叠了三层：先训练模型本身不容易被带偏，Opus 4.6 是 Anthropic 发布过的最抗这招的模型；运行时再有检查程序，看着像被塞了指令的请求就拦下，让模型重来；最后先让另一个助手把网页内容概括一遍，只把概括交回去。每层都有漏洞，层数够多，漏网的概率就小很多。
Claude Code 早期试过先给代码建一份本地索引再去查，效果还行，毛病却不少：刚在本地写的函数还没进索引，就搜不到；索引谁能看、怎么防公司里有人越权看别人的数据，也很难办。又试了让模型一层层给全部内容建索引等好几种办法，结果最好的是让模型自己用最普通的文件名匹配和文本搜索一路找。这招有一部分来自 Instagram：那里点击跳转到定义经常失灵，工程师就在全公司代码搜索里搜“foo(”，模型用起来也一样好使。
Claude Code 界面上那个表示正在处理的小转圈，前后大概改了 100 版，上线的大概 10 到 20 版，约 80 版直接扔掉。让多个助手分工合作的功能，几位同事做了几个月原型，前后试了大概几百版才找到顺手的感觉，先画静态设计图或写需求文档根本做不出来。以前造东西贵，得花大力气瞄准再开枪，打出去就难回头；现在造东西很便宜，可也不知道该瞄哪，只能多做多试、看哪个用着对。自己的点子起码一半是坏的，不试不知道是哪一半。
在 Instagram 时，按写出的代码量算，Claude Code 的负责人大概是前两三名最高产的工程师。现在他每天提交 20 到 30 个代码改动，数字和从前的高产工程师差不多，内容却完全不同：那时每天交二三十个改动的人，很多是一行的小改，或者把代码从 A 搬到 B；现在的改动有几千行的、几百行的，也有一行的，没有一个是这种搬家活，因为这种活直接交给 Claude，人不用插手。所以光看改动数量，低估了实际在发生的事。
Claude Code 团队在内部试用 Opus 4.5 时，负责人立刻不再打开写代码的编辑软件，一个月后才发现，干脆卸载了。12 月他在欧洲边旅行边写代码，每天大概提交 10 到 20 个改动，每一个都由 Opus 4.5 加 Claude Code 写完，一行都没手改。月底一看，Opus 大概只带进了两个错误，换成自己手写，估计会有 20 个左右。照这个比，它写的代码已经比自己写的好。
Claude Code 的插件功能是这么做出来的：一位工程师拿很早期的多助手版本，在隔离环境里放开权限，让它跑了整个周末，交代的任务是自己写需求、在 Asana 上建任务板拆成小任务，再分给各个助手去做。它前后派出两百来个助手，在看板上建了一百个任务，做出来的基本就是正式发布的那版插件。任务看板这类协调工具，过去是给人用的，现在给模型用也一样。
Cowork 是给 Claude Code 加上防护做出来的，只有几个人，大约 10 天做完，全程用 Claude Code 写。产品本身不复杂，就是 Claude 桌面应用里的一个标签页，背后跑的还是驱动 Claude Code 的那套底层程序。功夫大多花在安全上：用户不懂技术，不会去读它执行了什么命令，误删一堆家庭照片就很糟，所以应用里带了一整台虚拟电脑，后台跑着多个检查程序，还在操作系统层面防止误删。
Claude Code 团队负责开发者关系的 Tariq 最近开始让 Claude Code 自己给新功能生成发布视频。负责人原本不会去试，因为觉得模型还没到那一步，结果一做就差不多成了。模型进步太快，旧模型上行不通的办法，换了新模型可能就行，反过来也一样。以前一个点子试过不行，再提会被问“怎么又来”；现在隔几个月重试同一个点子，头一回不算疯狂。所以新来的、刚入行的人有时做得比老手好，老手得放下成见，回头跟着学。
Anthropic 里人人头衔相同，都叫“技术人员”。要是 Slack 上名字底下写着软件工程师，别人会默认你是写代码的，不会来问你产品问题；人人头衔相同时，默认就变成每个人什么都做，哪怕彼此还不熟，打交道的方式也反了过来。这也合乎实情：一个工程师可能也做点设计、和用户聊、自己写需求，或者兼做研究，大家干的活本来很相近。这等于把乐观写进了组织结构，也可能是各行各业往多面手走的一个预演。
Anthropic 的一位联合创始人怀孕时免疫力下降，反复感染。看过的几位顶尖医生都很尽心，但他们病人多、时间少，化验、影像、不同专科不同时间的记录又杂，人本来就不擅长理清这些，所以医生都以为是病毒感染。她把资料全交给 Claude，它判断是细菌感染，还担心正往全身扩散，她赶紧用了抗生素。也许早晚会查出来，但这次查得更早。AI 像一份第二意见，跟医生的差别比医生之间还大，能补上人的短处，有点像当年发明 CT 和核磁共振。
Anthropic 每隔几个月就训练出一个更好的模型。这些模型更像是长出来的，不是造出来的，新版发布时，连 Anthropic 自己都摸不清它的全部脾气，就像养孩子，没法预知孩子在每种情况下会怎么做。造它的人都跟不上，客户就更难跟上。所以要花大力气教客户怎么用，尤其要有帮客户把模型真正装进业务的工程师，这类人可能会有几千个，很可能成为公司里最费人力的部分。
Anthropic 已经推出面向金融服务、面向生命科学的 Claude，还有一个面向网络安全的版本，每个都是略有不同的模型，接不同的数据，配上懂行的人帮着用。这么做是因为，就算底层模型一样、甚至应用都一样，不同行业的需求也能差得极远，照着一个行业调好的东西，放到另一个行业会错得可笑。这些团队才刚开始搭，但长得很快。
企业把 Claude 接进自家系统时，可以看到它们喂进去多少背景资料、模型写出多少内容；写出得越多，通常是越复杂的活。结果发现，越复杂的活，企业得给的背景资料就多得不成比例。所以就算模型本事够了，手里没有相关资料，企业用起来就可能被卡住。比如定销售策略，关键信息可能不在客户管理软件里，而在同事脑子里或某份自己写的文件里；企业要是不想办法把这些说不出来的经验挖出来，很多 Claude 其实能做的活就可能不会出现在企业的用量里。
AI 的能力在写代码上进步得比别的领域快，而新技术普及历来要企业花钱添设备、改流程，所以落地会高低不平。写代码普及得特别快，是因为模型要的背景资料就摆在那儿：Claude Code 可以在整个代码仓库里翻找，弄清怎么完成它本来就有能力完成的任务。刚推出的 Claude Cowork 用的是同样的底层办法、门槛低得多，不习惯在命令行里敲指令的人也能上手，有类似特点的知识工作可能会再跳一截。
Anthropic 率先做出了不少安全措施，按一套章程训练模型就是其中之一。企业客户很在意安全和可靠，常常直说选 Claude 就是因为这些措施，对手发现想抢生意也得跟着做。招人也一样：Anthropic 有个专门弄清模型内部到底发生了什么的团队，来应聘的人去别家面试时会说，你们要是也有这样的团队，我会更想来。后来对手公司也建起了这种团队。一件事既对又能赚钱，就会逼着同行一起往上走。
以前训练大模型基本是逐题打分：答对给奖励，答错就告诉它错了。Anthropic 觉得有更好的办法，改成给 Claude 一整套思考伦理的框架。最早那版章程里放进了联合国《世界人权宣言》，还有苹果的服务条款，让它去理解人该怎样被对待、怎样不歧视人、怎样认真想复杂的道德问题。时间一长，它的回答不只更讲道德，整体的聪明程度和能力也跟着提高了。
Anthropic 服务着全球 30 多万家企业客户。它重安全的名声并没有把客户限在少数谨慎的行业，因为 Claude 的能力也很强，过去几年多数时候可以说是最强的模型，写代码和自己动手写代码这块尤其突出。金融、医疗、科技公司、律所，只要有一批写代码的人，就需要写代码的工具，就会用 Claude Code，所以企业对它的需求不分行业。
这些模型的回答带有随机性，同一个问题问几次，有时做对、有时做不对，每份模型说明里都会并列只试一次和试多次的成功率。所以在 Claude Code 里，提了要求没成功，与其在失败的基础上反复修补，不如整个推倒重来再问，重来的成功率要高得多。会用和不会用的人差别就在这里：敢不敢提大的改动，失败了肯不肯再试三次。
Anthropic 用一份大白话写成的原则清单来教模型该怎么做，条目取自联合国《世界人权宣言》、苹果的隐私服务条款等地方，很多是自己写的。这样，模型守什么规矩不再取决于碰巧找来的打分员，而是公司自己定下、公开出来。客户直接看这份清单，觉得说得对，就会喜欢这家公司、喜欢这个模型、信得过它，这对生意很有价值。
Anthropic 做过一个让模型直接操作电脑、面向普通用户的样品，但达不到自己定的安全标准，最后只在开发者接口里放出一个参考做法，眼下不少公司用它安全地做自动化软件测试。要让 AI 拿着你电脑里所有的账号密码替你办事，需要极大的信任，基本得先把安全和"照人本意做事"这两件事解决。正因如此，有安全研究打底，可能做成别家没法安全做的事，操作电脑很可能就是这样的大机会。
Claude 3.7 Sonnet 写代码已经很好用，可它有点太急，一心想让测试通过，会做出加一堆捕获报错代码这类用户并不想要的事。眼下模型进步最猛的，是写出能过测试的代码、答对数学题这类对错一清二楚的活，按对错打分去练最容易。讲好笑话、写好诗、做研究有品味，就没有这么清楚的分数，需要另一个 AI 帮忙给出更细的评判。Claude 4 改进的正是这种监督，让它更听指令，代码质量有望变好。
当年外界估计，训练 GPT-3 花了约 500 万美元。这对个人是一大笔钱，对一家公司却不算多，所以刚起步的 Anthropic 完全买得起训练同等模型的算力。在把这件事看作史上最重要技术的人眼里，全世界做这件事的好像只有 30 来个人。虽然不清楚别人在做什么，但感觉自己就站在最前沿。钱比别人少得多，可多数人用算力并不讲效率，所以把算力用得特别省，就有机会换来很大的领先。
Anthropic 的使用限额一直很紧，常被人抱怨，原因是短时间内能拿到的算力就那么多，所以让模型跑得更省，才能服务更多用户。而模型跑起来难不难，很大程度在训练时就定了：把模型做得巨大却只用很少的数据训练，或者处处需要芯片之间来回通信，或者结构弄得很复杂，负责运行的团队就很难让它跑快，他们人手也有限。所以训练团队和运行团队合作最紧，一起把模型设计得又聪明又便宜。
大家在用的 Claude Sonnet 4 和 Claude Opus 4，是 Anthropic 第一次在这个规模上训练模型，而任何事做第二遍都能做得更好。如果算力多上十倍、甚至百倍，原来几个月才能跑一次的训练，也许每天就能跑一次，变化会非常大。眼下 AI 研究被芯片卡得有多死，很多人没意识到。就算算力无限，瓶颈也会变成人：芯片坏了怎么办，难的工程问题能多快解决。
问 YC 的创业者写代码最爱用哪家的模型，Anthropic 领先的幅度，远远超过只看公开测试分数时会预料到的。公开测试分数很容易刷，别的大实验室大多有专门把分数做好看的团队。Anthropic 没有这样的团队，不对着考题教，盯的是内部不公开的测试，还让自家工程师天天拿模型干活。这样一来，分数和实际好不好用之间就会对不上，这很可能是差距最主要的来源。
Claude Code 起初只是 Boris 给自己和公司内部工程师拼出来的工具。在这之前，Anthropic 几乎把全部力气押在把模型开放给开发者调用上，想法是外面那么多创业公司点子更好，产品该由它们来做。结果这个内部工具成了市场上同类里最好的产品。说不清它有什么大优势，可能只是更懂 Claude，把 Claude 本身也当成用户：给它合适的工具，帮它拿到合适的信息。这件事创业公司也做得到，给模型当用户做工具，可能是一片富矿。
眼下花在 AI 算力上的钱，大约每年翻三倍。2026 年的规模已经基本锁定，2027 年还有些变数。照这个势头，人类正走向有史以来最大的一次基础设施建设，明年就会比阿波罗登月计划和曼哈顿计划都大。建设铺得这么大，最大的瓶颈很可能是电，尤其是美国的电。Anthropic 想在美国建，它最大的政策目标之一，就是让美国批建数据中心更容易、建得更多。
当年 OpenAI 做 GPT-3 时从 TPU 换到显卡，部分原因是显卡上的 PyTorch 比 TPU 上的 TensorFlow 好用。底层软件可靠，就能快速做实验，很快搭出一整套能跑的系统。如今 Anthropic 用的芯片平台多了，难处恰恰在于要把每个平台上的软件都写好。所以最要紧的，是练出把底层软件写好的本事，让在上面干活的人都用得顺手。
Anthropic 刚起步时，OpenAI 手里有 10 亿美元和一众明星人物；这边只是疫情期间的七个联合创始人，连做不做产品、做什么产品都不知道。最早加入的人本可以去别处拿更大的名气和更多的钱，却是为了使命而来。如今公司约 2000 人，似乎还没有内部政治渗进来，很大程度上是因为最早那一百人都是为使命来的：一旦有人看起来不是在为使命做事，就会有人举手指出来。
ChatGPT 发布前大约九个月，Anthropic 内部已经有一个放在 Slack 里的 Claude 1 聊天机器人。当时不确定该不该把它做成产品，不知道推出来对世界是不是好事，也没想清楚要靠什么产生影响。正因为拿不定主意，就迟迟没去搭对外大规模提供服务的系统；回头看，就算当时想推，也推不出来。犹豫太久本身就耽误了准备，这是一个教训。
Claude 把写代码当成一大主攻方向，这不是偶然。看到多少公司开始靠 Claude 的模型写代码、规划多步任务，这份实际用量会反过来决定下一代模型重点往哪练。各家盯着的测试分数差不多，但 Claude 有 Claude 的味道，GPT 有 GPT 的味道，性格语气不同，擅长的事也不同。这样一代代练下去，模型很可能越来越不一样，而不是越来越像。
从 Claude 3.5 升到 3.7，有人会说 Claude 更友好了但话变少了，有人说它更愿意回答问题，可惜写作文不如以前。模型用起来什么感觉，不坐下来真用一阵根本不知道，所以每次升级都没法像别的功能那样回头核对有没有变差。要管住这种性格和感觉，既得在训练数据里放进这些软本事，也得有专门测它们的办法。
眼下的 AI 产品把太多内部构造露给了用户。用户得在 Opus、Haiku、Sonnet 之间挑，大多数人却不懂区别；模型每答一轮都要把整段对话重读一遍，结果每个对话各管各的，不像跟同一个同事来往，换个邮件线程对方照样记得你喜欢哪支球队；会写提示词和不会写的人，用出来的效果差一截。这些都在逼用户去懂模型，这道差距每代都在缩小，但还得再缩：模型没弄明白就该主动问。
Anthropic 推出一项能帮客户省不少钱的缓存功能时，起初要客户自己加个开关才能用。直接卖模型接口这块，很多新东西都这么发，因为这些客户最看重稳定、可预期。面向个人用户就不该让人自己开，可以边发边试。企业版介于中间：AI 在企业里眼下还是尝鲜的人在用，所以能比 Salesforce 这类大概一年只发两三次大版本的公司发得勤；可用户越依赖你干活，就越不能随手乱发。
Claude 3.7 Sonnet 发布时，对比表里要放上一周前才出的 Grok 3。在这一行，自家模型或产品保持领先，有时能撑两三个月，有时只撑一周。但用户不会天天按测试分数换模型：很多公司在模型上做了专门训练和大量定制，不会一夜之间换掉；在写代码的工具里，你往往也是下拉菜单三四个选项之一，仍有机会。所以别因为一次发布大起大落，要看一路走来的走势。
Claude Code 先在 Anthropic 内部用，不到一周就发现，模型对它能用的某个工具用得不够好，这个发现直接改进进了 Claude 3.7 Sonnet。靠别人的产品就难得多：合作再紧密，对方也只会告诉你哪里出了错，总还隔着一层。自己做的产品学得更快，能直接让下一代模型变好。
很多写代码的产品背后用的是 Claude，常常还是下拉菜单里的默认选项，但只有内行知道；用户下载安装、向身边人推荐的，不是 Claude。看到直接卖模型接口的业务涨得快，一度以为精力该都放那儿，后来改了看法：自家产品不投入同样多甚至更多，就守不住长久的护城河。DeepSeek 那一阵，"领先的 AI 产品不止一个"这个说法本该由 Claude 占住，却没占住，吃亏不小。
Anthropic 全公司已过一千人，产品团队大概只有十分之一，按 Instagram 第二年的标准算很大，按大型软件公司算很小，却要同时撑起 Claude Code、模型接口、Claude 的聊天产品和企业版好几块。所以挑要不要自己做应用时，最看重能不能通用：就算瞄准某类用户，做出来的也照例是通用产品，预计不会做很多贴着某个行业流程定制的东西。
Claude Code 先在内部做出来，只为加快自家团队，用了几个月觉得好用才推出去，但它解决不了所有写代码的问题，也替代不了代码编辑器。产品工程师爱用它，因为他们的活要一路改后台、做前台、送翻译、再修到能用，正适合能跨很多环节自己干活的工具。做好编辑器要拼反应快、自动补全、插件生态，已有公司天天琢磨这些。所以 Anthropic 在写代码上的发力点是让模型自己干活，不是编辑器；眼下模型还不能放手跑几个小时，仍要人在旁边来回确认。
GPT-4 刚出、还不能看图时，拿它写 Swift，要把界面用字符画出来，再去冲杯咖啡，回来能拿到一个八成完成度的版本；换成现在 3.7 Sonnet 这样的模型，大概能到九成五到九成九。工程师要的本事随之变了，得跨好几个领域，懂得该做什么和懂得具体怎么实现一样重要。Anthropic 很多甚至大多数好产品，都来自工程师自己动手做的原型。
Claude.ai 当初只是用来展示模型的橱窗，ChatGPT 的网站很可能也是，并不是给复杂的多产品平台打的地基。去年做的项目、Artifacts、对话这些功能当时很有价值，现在却逼用户想清楚它们彼此什么关系；产品要干的事远超当初，再往上加东西越来越难也越来越慢。所以正推倒一部分，重做核心体验：让该有的背景资料进到对的对话里，用户总知道下一步去哪，Claude 帮着指出接下来最该做什么。
外界说 Claude Cowork 只花十天就做出来了。但在那之前的一年半里，Anthropic 内部已经攒下大量原型，这十天主要是从里面挑合适的零件拼起来。眼下动手做东西变得很便宜。过去要先访谈客户、写需求文档、做设计，最后才动手；现在内部更接近连备忘录都不写，把几个候选方案很快全做出来，拿给一小群人试，哪个好就用哪个。这和一年前的做法已经很不一样。
普通人手上的电脑多半没装 Python 和 Node，光少这两样，Claude 就差很多；公司电脑还常被 IT 部门锁住，不让乱装东西。每装一个工具都去问用户也没用，做市场的人或律师判断不了能不能装 Homebrew。所以 Cowork 让 Claude 在一台单独的轻量虚拟电脑里干活，里面想装什么就装什么，只把进出网络管严。就像不能只用邮件给程序员传代码却不给电脑，有了自己的电脑，Claude 才好用，风险也压得住。
大家自己干活用的还是 MacBook，不是 iPad 或 Chromebook。本地电脑仍然有用，硅谷整体可能低估了它。Claude 要真帮上大忙，就得能用你手上所有的工具。把这些工具一样样搬上云，每个都要授权，还得一直更新授权；就算把你 Chrome 里的登录信息搬上云，很多网站一看同一个登录从两个地方冒出来，就会锁号，你得拿着护照去网点解锁。外面这些眼下还没跟上，所以先把 Claude 放在你干活的那台电脑上。
Claude Code 主要按写代码的活来检验，Cowork 则按金融、律所里的知识工作，或者打理房贷这类个人事务来检验。人们交给 Cowork 的活往往更长，活一长就更含糊，所以 Cowork 被要求多列计划、多问用户，先弄清用户到底要什么，别闷头干四个小时交回一个错的东西。不过这些专门的调校再过三代模型还有没有用，眼下并不清楚。
Anthropic 做过一个原型，想让不写代码的人也能用 Claude 干活，大家第一个想到的用途就是数据分析，所以得把它接到公司的数据仓库。团队没有为此专门做一个工具，只写了一段话：亲爱的 Claude，要取数据就去这个地址，接口长这样，你自己琢磨。效果出奇地好，于是他们照这个办法，直接给模型一份文字说明，写清要做什么，最后整理成了技能文件。往上退一层，把控制权交给模型，比把每一步都规定死管用。
Cowork 刚推出时，在 X 上传得最火的用法之一是清理电脑桌面，这事小到平时根本不会拿来宣传。每天早上让它查日历冲突、按自己定的规矩决定先去谁的会，也是这种小事。偏偏是这些小事让人一下子用上了手。就像玩 Factorio，先自动化一件很小的事，一旦顺了，就一样样往上加，日子越过越省事。
以前写代码很贵，产品功能按半年到一年来排，产品经理大量时间花在跟别的团队对齐进度，好让对方先做完自己依赖的部分。如今有了 AI，工程快了很多，模型能力也涨得快，Anthropic 很多产品功能的周期从半年缩到一个月，有时一周甚至一天。这么快的节奏下，产品经理该少花力气对齐跨好几个季度的路线图，多琢磨怎么最快把东西送到用户手上，比如工程师有个点子，周末就能交给用户。
Anthropic 已经连续好几个季度发得很快，内部也在用自家模型，包括很强的 Mythos，这让发布快了一点，但解释不了大部分提速。主要靠流程少：几乎所有功能都标成研究预览，告诉用户这是早期想法、未必一直支持，承诺小了，一两周就能放出去；工程师把内部试过的功能发到固定的发布频道，文档和市场的同事第二天就写好公告。门槛低了，谁都能把东西发出去。
Claude Code 收到几万条 GitHub 问题单，要什么的都有。代码越来越便宜，决定写什么反而更值钱：哪些值得做、该做成什么样，要靠用心和品味去挑。至少接下来几个月，工程背景格外有用，因为它让人知道一件事大概多难：很容易的就别争了，花一小时做掉；难的事先心里有数，知道团队要付出多大代价，排优先级更准。
以前代码贵，产品线要提前规划好，一个用途基本只配一个产品。现在要试的点子太多，Claude Code 有时会同时放出两个功能重叠的做法，因为团队内部两个都喜欢，想让外面的用户来选。代价是新用户不知道哪条路最好，用户也觉得要天天刷推特才跟得上。团队原本坚持产品要直观到不用教程，后来功能太多，很多用户想知道一百个功能里最该用哪十个，只好破例加了内置的上手引导。
人们对 Claude 的需求很大，Anthropic 一边扩建基础设施，一边让自家工具更省用量，好让订阅用户用得更多。但订阅原本不是为第三方产品设计的，OpenClaw 这类第三方产品用法不同。需求太大只能取舍，于是优先保自家产品和按调用收费的接口，不再让订阅额度用在这类第三方产品上，过渡期给每个订阅用户送了些额度。自家订阅是触达更多用户的主要途径，要加倍投入，有时就得牺牲第三方。
Claude Code 刚推出时，用户让它做大改动，比如要改 20 处调用，它改了 5 处就停。团队照人的做法给它加了待办清单，它才把 20 处都改完。到了 Opus 4 及以后的模型，不用提醒它也会自己列清单、做完每一项，清单如今只方便用户看进度，用不用都行。所以新模型一来，很多改动是删掉当初给模型当拐杖的功能；每次发新模型，团队都会把给模型的整段固定说明从头读一遍，不再需要的提醒就删掉。
负责 Claude Code 的一位销售总在重复做差不多的幻灯片，就自己做了个网页工具：放进几套公认好用的标准讲稿，再从 Salesforce、Gong 和笔记里拉出客户情况，比如用哪个平台、要不要医疗数据合规，自动加减页面。这种定制手工要二三十分钟，很多人干脆不做、直接用通用版，现在几秒钟就能拿到量身做的一份。做定制小软件的门槛低了，公司里冒出一大批贴合自己用法的工作软件。
Anthropic 的收入一直大约每年涨十倍。普通的买菜软件做得再好，两年后给用户的价值可能也只多三到五成，增长团队靠一堆中小改动就能吃下不少。AI 产品不一样，两年后的价值可能是现在的一百到一千倍，比如一年半前还不存在的让 AI 自己写代码的市场，如今已经比原来的 AI 编程市场还大。所以这里的增长团队把大动作和小改动的时间比例倒过来，变成七比三或者五五开，免得只见树木不见森林。
几个月前，Anthropic 的增长团队开始试着让 Claude 自己做增长实验：找机会、做改动、检查是否合乎质量和品牌、上线后分析数据，四步分别打分。Opus 4.5 之前做不成，到 Opus 4.6 才看出方向对了。眼下只试了改文案和很小的界面调整，成功率大约相当于入行两三年的初级产品经理，还比不上资深的。照这个进步速度，能交给它的实验会越来越大，但跨部门协调仍要靠人，所以产品经理这份活眼下不会消失。
一个常见的小组是五个工程师、一个设计师、一个产品经理。有了 Claude Code，五个工程师的产出大约翻两三倍，相当于过去的十五到二十人；产品和设计也提速了，却只相当于一个半到两个人，于是被挤得喘不过气。Anthropic 增长团队一边多招产品经理，一边规定两周以内的工程活由工程师自己当产品经理，去对接安全、法务等部门。懂产品的工程师，身价因此大涨。
Anthropic 增长团队上线的东西，大约六到八成没写需求文档。小改动就在 Slack 上来回几句定下来，前提是工程师本身懂产品。投入大的项目，则要开一次叫上法务、安全把关等部门的启动会，挨个问清各方在意什么。公司事情太多，没人有空、也没人清楚别人在忙什么，这半小时能省掉后面一大堆乱子。所以需求文档大多已经过时，但大项目开头对齐一次仍然少不了。
Anthropic 内部有人让 Cowork 接上 Slack，每周定时翻一遍各处讨论，对照自己手上的项目，找出哪里可能和别人没对上。企业团队的负责人 Scott 就靠它发现过几处严重分歧，不然几个团队可能空转一大圈，或者重复干活。大公司里东西能多快上线，常常卡在跨部门协调上。半年前这还做不到，现在 AI 已经开始能减掉一部分协调上的苦工。
Anthropic 每个人都有自己的笔记频道，像公司内部的推特，写自己在想什么。公司进人很快，新人一多，战略和看法就容易跑偏；把要紧的原则写在频道里，比如增长团队有篇帖子讲要舍得少赚一些钱，新来的工程师一看就知道这里和以前不一样。这些文字也成了 Claude 的参考，人力部门甚至在入职文档上注明，改之前先找某人确认，因为 Claude 会拿它当依据。
Anthropic 一开始就注册成公益公司，法律上可以不把股东回报放在头一位；ChatGPT 推出前它已有自己的聊天机器人，出于安全考虑没有发布。增长团队也这样做事：宁可让指标少涨一些，也要守住安全、品牌、质量和用户体验，因为放长了看，最好的产品都是这么做的，长期反而增长更多。风险和代价越来越高时，坚持安全很可能会变成一大竞争优势。
Anthropic 过去是这一行里最小、钱最少的玩家：没有 Meta 和 Google 那样的现金流和用户渠道，也没有 OpenAI 先发的优势。钱少、规模小、没渠道，路反而清楚了：哪怕手里是一门什么都能干的技术，也只能挑一个很窄的方向，才最有机会冲出去。专注编程和企业客户，一部分就是这么逼出来的；另一部分来自领导层很早就认定编程能加快自家研究。
一年多前，Claude 的接口还是一整块 Python 程序，只跑在一个机房区域。如今普通处理器和显卡一样紧缺：产品服务、接口、给模型跑代码的隔离环境都要用它，代码写得越多，自动测试跑得越多，又要更多处理器。公司拿到的处理器总量固定，研究和产品之间此消彼长。以前只要预算够随时能加，现在得提前规划，聊过的同行也都一样。
Claude 的接口原本是一整块 Python 程序，很费处理器，眼看要撞上处理器不够的墙。团队决定用 Rust 重写，可组里没有一个会 Rust 的人。做法是人来设计系统，代码交给 Claude 写，整套复制出一份 Rust 版，让真实请求同时过一遍，核对两边结果一致再切换。真正要紧的是计划和核对，写代码那部分就是 Claude 的活。粗估处理器省了四到五成，首个字返回快了一到两成；放在以前，这要好几年。
Anthropic 给开发者做的第一版自动干活接口，只是把 Claude Code 塞进一个隔离环境，上面套个接口。这样每次都得先启动环境、再启动 Claude Code，才能吐出第一个字；环境一挂，整个任务就没了。所以改成把负责调度的部分放在一台稳定的服务器上，只在需要动手执行时才临时开隔离环境，任务进度另外存。这样第一次请求能很快拿到回应，执行环境挂了，任务也不会跟着丢。
美国用 Claude 最多的五个州，只占38%的劳动年龄人口，却用掉了近一半的量。电脑和数学类岗位的人占比每高1%，人均用量就高0.36%，光这一条就能解释各州差异的近三分之二。不只技术岗：常用 Claude 的艺术、设计、传媒行业人多，少用的运输搬运行业人少的州，用量也更高。在美国，起作用的看来主要不是收入，而是当地人干的活和 Claude 常做的活对不对得上。
不管是看各国还是美国各州，用户的提问要多高学历才看得懂，和 Claude 的回答要多高学历才看得懂，几乎完全同步，相关程度都在0.92以上。Claude 能答得很深，但通常只在用户问得深时才这样答，所以 AI 能发挥多大用处，取决于人怎么问。这意味着教育水平高的国家可能更能从 AI 里得益，不光看用的人多不多；要让各国都受益，光开放使用不够，尤其在低收入国家，还得培养会用的本事。
Claude.ai 上，要高中学历才看得懂的活，有 Claude 帮忙能快9倍左右，要大学学历的能快12倍。代价是越难越容易失败：用不着高中学历的活成功率约70%，大学水平的降到66%。但把失败折算进去，难活净省下的时间仍然更多，所以学历要求越高的活，从 AI 得到的效率提升越大，这也和白领远比别人更愿意用 AI 的情况对得上。
企业直接调用 Claude 时，不到一小时的活成功率约60%，人要干5小时以上的活降到约45%，算下来成功率一半的那条线落在3.5小时。在 Claude.ai 上，成功率随活变长掉得慢得多，照趋势推，要到约19小时才降到一半，可能是因为来回对话把大活拆成小步，每一轮都能纠偏。不过活是用户自己挑的，如果躲开了预料做不成的，这个数就会高估实际能力。
数据录入员的九项工作里，只有两项出现在 Claude 的使用里，可其中最占时间的那项，照原始文件读数、录入，Claude 的成功率很高，所以 AI 能做好的恰是他们一天干得最多的事。微生物学家正相反，一半工作有覆盖，最费时的用专门仪器动手做研究却没有。把占时和成功率算进去，九成工作都沾到 AI 的职业，也不一定受很大冲击。
按眼下 Claude 的用法估算，AI 普及后美国劳动生产率每年能多涨1.8个百分点，持续十年。但人如果得验收 AI 的产出，好处就没有单看提速那么大。把每项活省下的时间乘上它的成功率再加总，按 Claude.ai 的用法算降到1.2个百分点，按企业直接调用算降到1.0。即便这样，每年多涨1个百分点连续十年，也能让美国生产率增速回到上世纪90年代末、本世纪初的水平。
Claude 接的活平均要14.4年教育，高于整个经济的13.2年，所以拿掉这些活看上去会让工作降级。可越复杂的活 Claude 越容易失败，Claude.ai 上大学水平的活成功率66%，低于简单活的70%。这样看，它未必会挤走高技能的专业人士，反而可能让他们更值钱，因为看懂 AI 做了什么、判断做得好不好，正需要他们的专业本事。
2025年8月到11月，企业直接调用 Claude 的流量里，办公和行政支持类的活涨了3个百分点，到13%。这类调用大多是把活整个交给它做完，所以看来企业越来越多地用 Claude 把重复的后台流程包下来：管邮件、处理文件、维护客户关系、排日程。具体用法有给企业客户写定制推销邮件、分析邮件起草回信、搭发票处理系统等。
2026 年 2 月，Claude.ai 上最常见的 10 类任务只占全部对话的 19%，三个月前是 24%。写代码的活正搬到开发者接口那边，个人用途从 35% 涨到 42%，问比分、问天气这类简单问题多了。按美国做同类工作的人的时薪算，平均每段对话对应的时薪从 49.3 美元降到 47.9 美元。这和常见的普及规律对得上：最早的用户偏爱写代码这类高价值用途，后来的人什么活都拿来用。
从 2025 年 8 月到 2026 年 2 月，电脑和数学类工作的任务在 Claude 开发者接口里的占比涨了 14%，在 Claude.ai 上降了 18%。通过接口跑的流程大多是直接下指令、让 AI 自己做完，很少要人在中间把关。客服就是先例，付款和账单问题的自动答复在接口里很常见，这类岗位可能更容易被改变。所以活从 Claude.ai 搬到接口，可能预示相关岗位的工作方式会更快变化。
Claude 最强的 Opus 系列擅长难活，但耗的用量最多，在接口上单价也最高。在乎成本和额度的人，就该把难而值钱的活交给它。数据大体如此：Claude.ai 上，软件开发类任务 34% 用 Opus，家教类只有 12%；任务对应的时薪每高 10 美元，用 Opus 的比例就多 1.5 个百分点。通过接口写程序调用的用户差不多翻倍，是 2.8 个百分点，可能因为他们更有理由随时换模型。
注册满半年的老用户，对话成功的比例比新用户高约 5 个百分点。会不会只是他们挑的活更容易成？在同一类细分任务里比较新老用户，差距缩到 3 个百分点左右；再把所用模型、语言、用途和国家都算进去，仍高约 4 个百分点。所以差距不是任务或语言这些简单因素造成的。一个可能的解释是，用得越久，越会从 AI 那里拿到想要的东西。但也可能是早期用户本来更懂技术，或者留下来的恰好是活最适合 Claude 的人。
注册满半年的老用户，更常拿 Claude 来回打磨自己的作品，更少一句指令就把整件事交出去。他们用来工作的比例高 7 个百分点，做的事需要的学历也更高。这推翻了团队去年的猜测：原以为越老练的用户越会把活整个交给 AI 自动做完，实际上最老练的用户更愿意和它一来一回地合作。
工作对话里，对应高薪职业的那些，Claude 每轮写出的内容是低薪职业的 1.34 倍，用户来回的轮数是 1.53 倍，打开让它多想一会儿的功能的比例也略高，34% 对 31%。两边一起涨，Claude 干得多，人并没有干得少。如果在最值钱的活上人一直参与，这更像是给人帮手，而不是顶替人；也说明在一定程度上，越值钱的产出花费越高。
翻译、算数这类说得清的活，答案基本是定的，AI 自己拿主意的余地很小；做网站、做游戏要在一堆选择里挑，向来很难交给机器。现在开始变了：31 类产出里有 26 类，AI 在 Claude Code 上比在聊天和 Cowork 里更能自己做主，平均高 0.37 分（1 到 5 分），其中约三分之二是因为同样的活交出去得更彻底。写博客文章，聊天里一般来回 13 轮，Claude Code 上一般只给一句指令。
Claude Code 的会话 54% 由最强的 Opus 来跑，聊天和 Cowork 只有 10%。所以 AI 在 Claude Code 上更能自己做主，看起来可能只是用了更强的模型。但只比同一个模型，差距还在：都用 Sonnet 时，Claude Code 上的自主程度仍高出 0.26 分（1 到 5 分）。这说明决定 AI 能自己做主多少的，很可能是用的产品，而不是背后的模型。
68% 的人说用 AI 学到更多，57% 觉得 AI 让自己的本事更值钱。越常把整件事交给 Claude 的人，觉得本事更值钱的比例越高，而说自己学到更多的比例基本持平。常有人担心，整件交给 AI 就是把动脑也交出去，产出多了，学习和手艺却退化。这里没看到这种情况：放手最多的人，自评学到的和别人一样多。不过这些是自评，本事可能一边变值钱一边生疏，所以并不能排除退化。
2026 年 10 月，Anthropic 打算拿出公司 5% 的股份放进新设的公益基金，这一步还要股东批准。之后公司价值在一个设定的基准之上每涨五成，董事会还可以酌情再加 2%。这样公司长得越大，明确拿来做公益的那部分股份就越多。科技公司常见的做法是给高管发越涨越多的股票奖励，这里是把这部分股份转给了公益。
Anthropic 的公益工作大多放在公司里做，比如 AI 安全研究、生物医学研究、给非营利和科研机构的 Claude 打折，因为这些事既有公益的一面，也有商业价值。新基金更灵活，可以用新办法做事，就业就是一例：AI 可能创造巨大财富，也可能让很多工人生计不稳。公司已承诺拿出 2 亿美元研究和应对，但 AI 进展这么快，可能需要更大胆的办法，新基金就有这个余地去做。
Anthropic 创立时，几位联合创始人承诺捐出各自所持股份的 80%。公司还设了员工捐股配捐计划，员工承诺捐出的股份由公司配捐，约一半员工参加。再加上这次放进公益基金的部分，公司大约两成的股份将专门用于公益。如果公司价值达到特定节点，这个比例还可能再往上加。
Anthropic 做研究功能时，用内部的研究测试比了一次：让 Claude Opus 4 当总指挥、带几个 Claude Sonnet 4 分头查，这个组合的成绩比单独一个 Opus 4 高 90.2%。比如要找出标普 500 信息技术板块所有公司的董事，组合把活拆成小任务分给各个帮手，找到了正确答案；单个模型一条接一条地搜，又慢又没找到。所以，要同时往好几个方向查的问题，分头干特别占优。
有一项测试叫 BrowseComp，专门考能不能找到难找的信息。在这项测试上，成绩高低的差别有 95% 能用三样东西解释：光是模型处理了多少文字，就解释了 80%；另外两样是调用工具的次数和选了哪个模型。多个模型分头干之所以管用，主要是能在一个问题上花够力气：每个帮手各有一份独立的记忆，加起来就能同时想更多。模型本身也会放大效果：从 Sonnet 3.7 换成 Sonnet 4，提升比在 3.7 上把预算翻一倍还大。
在 Anthropic 的数据里，能自己动手干活的模型，用掉的文字量通常是普通聊天的 4 倍左右；多个模型分头干，更是约 15 倍。花费涨这么多，只有任务本身够值钱、付得起换来的更好结果，才划算。另外，所有帮手需要共享同一份信息、彼此牵扯很多的活，眼下也不适合这么干。比如大多数写代码的任务，真正能同时开工的部分比做研究少，而且模型还不太会实时给彼此分派和协调工作。
在 Anthropic 的试验里，Claude 4 这一代模型很会改指令：给它一段指令和一种失败情况，它能看出失败的原因，并提出改法。团队还做了一个专门试工具的模型：拿到一个有毛病的外接工具，它会反复试用几十次，找出关键细节和漏洞，再把工具说明重写一遍。之后别的模型照新说明用这个工具，完成任务的时间少了 40%，因为大部分错误都绕开了。
Anthropic 的研究功能由一个总指挥模型派帮手分头查资料，早期却是一条接一条地搜，慢得让人难受。后来改成两层同时开工：总指挥一次同时派出 3 到 5 个帮手，而不是一个个派；每个帮手又同时用 3 个以上的工具。对复杂问题，这让研究时间最多缩短九成，几分钟就能干完更多活，不用等几个小时，覆盖的信息还比其他系统多。
刚开始做的时候，能轻松改进的地方很多，改动的影响往往很大：调一句指令，成功率就可能从 30% 跳到 80%。效果大到这个程度，几道测试题就看得出差别。Anthropic 起步时只用了大约 20 个代表真实用法的问题，常常就能清楚看到改动的效果。很多团队以为只有几百道题的大测试才有用，所以迟迟不开始测；更好的做法是马上用少量例子开测，不必等。
在 Anthropic 内部，研究人员现在写出的代码，差不多是公司成立头四年的十倍。在写软件上，AI 已经比世界上绝大多数程序员更能干、更高效。可写代码的本事变强以后，AI 搞网络安全和网络攻击也强了很多：一边是大家抢着用它做更好的防御，一边是坏人抢着用它去入侵。像写代码这样的通用本事一进步，好处和坏处是绑在一起、分不开的。