En 30 segundos
Anthropic 将 AI 安全与可靠性作为企业业务的一部分,在 Claude 和编程工具增长中获得客户反馈与融资;但长期算力承诺、客户集中和安全政策调整也带来压力。《硅谷101》结合早期同事、投资人和律师的采访,追溯创始团队从 OpenAI 分裂、设计治理架构到商业扩张的路径。
- 1百度语音识别实验让 Amodei 看到规模扩展的规律早期同事 Greg Diamos 回忆,更多数据和更长训练带来稳定改进;口音识别的落差也让 Amodei 开始关注模型失效。
- 2安全团队的发布否决权要求未获接受陈茜说,OpenAI 管理层拒绝团队提出的治理条件后,七人决定离开并成立 Anthropic。
- 3信托与创始人股份分别控制董事会和股东表决节目介绍,信托选举多数董事,而创始人特殊股份在适用事项上保持多数投票权。
- 4Claude Code 从内部实验成为快速增长的业务Boris Cherny 的命令行工具加入文件和命令能力后在公司内部传播,后来发展成公开的编程产品。
- 5企业反馈与资本投入构成两个增长循环节目认为,可靠性促进企业采用,客户反馈改进产品;收入和投资则支持更强模型的训练。
- 6客户采购灵活,长期算力合同却难以缩减陈茜指出客户集中和长期计算采购承诺可能同时给增长及成本带来压力。
- 7安全政策修订引发对商业竞争影响的质疑节目回顾模型发布、政府合作与安全规则调整,并呈现不同的批评和解释。
Conclusiones
- 陈茜认为,安全和可靠性帮助 Anthropic 赢得企业信任,客户反馈又推动产品改进。
- 长期利益信托与创始人特殊股份分别控制董事席位和适用的股东表决事项。
- 节目指出,客户可调整采购,但公司的长期算力合同不易缩减。
- 负责任扩展政策的修订让外界质疑安全约束与商业竞争之间的关系。
Lee el texto editado por capítulos
从安全争议回看 Anthropic 的崛起
陈茜提出公司的增长与安全承诺之间的张力。她通过多位业内人士的采访追溯其形成。
Anthropic 创立五年后,以惊人的商业增长和 AI 安全主张受到关注,也因安全、开放与权力问题引发争议。陈茜说,这期节目通过采访投资人、记者、律师及早期同事,追溯公司从研究实验室到计划上市的历程。
百度实验室里的规模规律与模型失效
Amodei 在语音识别中看到训练规模与性能的关系,也关注分布变化带来的失效。
2014 年,Dario Amodei 完成学术训练后加入百度硅谷 AI 实验室。团队利用数据与显卡改进语音识别,他在这里接触了后来影响其研究路线的两个问题:扩大模型规模与理解模型失效。
早期研究员 Greg Diamos 回忆,尽管 Amodei 缺乏 GPU 和计算机科学背景,他展示的计算生物学代码仍让面试官印象深刻;Diamos 努力说服其他人录用他。
Amodei 不断增加网络层数、数据和训练时间,观察到效果稳定改善。这项工作最终发展为端到端语音系统 Deep Speech 2;陈茜将这种规律描述为规模定律的早期雏形。
与此同时,干净的美式英语与带口音语音之间的表现落差,让 Amodei 注意到模型面对训练分布之外的数据可能脆弱,而内部原因难以解释。
Diamos 说,团队早期实验记录已包含规模扩展规律,后来论文才系统发表。陈茜认为,这段经历对 Amodei 后来在 OpenAI 的研究产生了影响。
从有效利他主义到 OpenAI
研究者在 AI 安全问题上形成联系,Amodei 随后参与 OpenAI 的模型扩展研究。
Amodei 转到 Google Brain 后,在游戏和机器人等领域继续看到类似现象。当时有效利他主义兴起,部分成员关注超级人工智能可能带来的生存风险。
研究可解释性的 Chris Olah 与 Amodei 合作;两人后来都加入 OpenAI。2016 年他们参与撰写《Concrete Problems in AI Safety》,提出一系列具体研究问题。
Kevin Roose 认为,有效利他主义吸引了许多年轻人积累技术能力并投身 AI 安全。当时记者 Jack Clark 也关注 GPU 与 AI 研究,后来转行加入 OpenAI。
2016 年,Amodei、Olah 和 Clark 相继来到刚成立不久的 OpenAI。组织同时探索机器人、游戏智能体和生成模型,Amodei 则负责安全团队。
Alec Radford 等人的 GPT-1 使用 Transformer 架构和小说数据训练。陈茜说,虽然早期反响有限,Amodei 仍从中看到扩大规模的潜力,并写下有关大算力投入的内部备忘录。
GPT-2 发布后,Amodei 成为研究副总裁。他与 Jared Kaplan、Sam McCandlish、Tom Brown 等人分析不同规模的模型,2020 年发表语言模型规模定律论文。
微软投资支持计算资源建设,同年 GPT-3 展示了跨任务能力。随着性能快速提升,Amodei 等研究者也担心安全工作的重视程度没有同步提高。
七位研究者离开 OpenAI
安全治理、商业化及组织信任的分歧促使团队离职并筹备新公司。
节目引述内部人士称,OpenAI 存在安全、研究和创业方向之间的张力;Amodei 团队认为,真正需要取舍时安全并未被放在首位。
陈茜转述有关微软协议的争议:Amodei 希望保留安全约束,却发现微软对相关条款有否决权。她还称,围绕 GPT-3 测试客户名单和内测权限,双方的信任继续受损。
Amodei 与核心成员私下讨论替代方案。他们要求让安全团队拥有产品发布否决权并直接向董事会汇报;管理层未接受,七位成员决定离开。
Amodei 说,离开并非单纯反对微软投资或商业化,而是希望在强大 AI 的开发中建立审慎、坦诚与可信的组织机制。
2020 年末,全员会议上宣布离职后,团队很快开始讨论新公司。疫情期间筹备主要通过线上会议进行,之后成员在旧金山公园讨论招聘、算力和方向。
团队考虑过以麻雀寓言命名公司,最终选择 Anthropic,并于 2021 年成立。陈茜认为,这也是有效利他主义和 AI 安全思想进入商业实践的重要一步。
公共利益公司与创始人控制权
节目介绍公共利益公司、长期利益信托和多类别股份的作用。
公司采用公共利益公司形式,允许董事会同时考虑商业利益和公共使命。受访律师说,这种结构的注册、决议及后续论证可能比一般创业公司更复杂。
节目介绍招股书所述的多类别股份:公众发行的 A 类股具有经济权益和投票权,面向战略伙伴的 N 类股原则上无投票权,其他类别则承担不同治理职能。

长期利益信托持有 T 类股份,可选举或罢免多数董事。节目说,在七个董事席位中,四席由信托选举,借此对公司方向和管理层形成制衡。
七位创始人通过 Founder LLC 控制 F 类股份。陈茜说,按照招股书设计,这类股份在适用股东表决事项中动态保持 50.1% 的投票权,不会被普通股增发轻易稀释。
在节目采访中,律师认为这套结构将经济收益与控制权拆分,反映了创始人对长期治理的重视。陈茜补充说,七位创始人的股权近乎均等,并承诺捐出个人财富的 80%。
节目称,公共利益基金获得约 8.47 亿股,公司估计包括创始人及员工承诺在内约 20% 股份将用于公共利益目的。创始人将这种一致的捐赠承诺与彼此信任联系起来。
Daniela Amodei 补足组织与商业能力
她将此前的运营和企业服务经验带入团队,承担公司日常管理。
Daniela Amodei 先后从事政治传播、慈善机构运营和研究项目管理,2013 年加入 Stripe,负责招聘和风险管理。她把自己视为乐于跨领域学习的通才。
陈茜认为,Daniela 补足了哥哥 Dario 在组织运营上的短板:她协调招聘、财务和管理团队,将研究转化为可持续运转的公司。
节目将 Stripe 面向企业客户建设销售、合作和组织的经验,与 Anthropic 商业化联系起来。陈茜称,许多前 Stripe 员工后来进入 Anthropic 从事招聘、运营与商业工作。
先研究安全,再推出 Claude
团队用宪法式 AI 和安全等级框架探索对齐,并在 2023 年推出 Claude。
陈茜把发展分为早期研究、Claude 1 试水、Claude 3 后产品扩张和 2025 年以来的快速增长四个阶段。前两年公司较少公开产品,将资源投入模型安全与对齐。
Anthropic 说,2022 年夏已经训练出早期 Claude,但担心公开发布会加快军备竞赛。ChatGPT 发布后,Amodei 承认等待造成了商业代价。
为了减少依赖昂贵的人工反馈,团队提出 Constitutional AI:为模型提供一组原则,让它评判并修改自己的回答。Amodei 将原则比作留给孩子、在父母不在场时仍可参考的一封信。
2023 年 3 月 Claude 1 首先向企业伙伴开放。陈茜回忆,Amodei 当时没有把面向消费者的订阅或广告作为主要变现方向;Roose 回忆早期公司更像研究实验室。
Anthropic 制定负责任扩展政策,将模型能力风险与 AI 安全等级及相应防护联系起来。按节目描述,原有规则要求防护未到位时暂缓开发;后来修订引发争议。
FTX 融资与企业市场选择
早期资金缓解了训练压力,FTX 倒闭后投资背景也受到审视。
早期训练需要大量资金。公司先获得 1.24 亿美元 A 轮,2022 年又完成 5.8 亿美元 B 轮,其中约 5 亿来自 FTX 创始人 Sam Bankman-Fried。
FTX 倒闭后,Bankman-Fried 因欺诈被定罪。节目说,投资资金涉及客户账户,引发外界重新审视有效利他主义运动与 Anthropic 早期资金的关系。
陈茜称,Bankman-Fried 持有的是无投票权股份,也未进入董事会;破产清算团队于 2024 年分批出售持股,回收约 13 亿美元。
谷歌于 2023 年投资并提供云资源,Salesforce、Zoom 等也参加融资。Anthropic 解释说,安全和可靠性符合企业客户需求,因此选择重点发展企业业务。
陈茜也听到另一种解释:ChatGPT 已经占据消费者市场的先发位置。无论原因如何,Claude 2 较长的上下文窗口和网页版为长文档使用及直接触达用户提供入口。
云合作、Claude 3 和编程工具
云渠道帮助分发产品,模型升级和 Claude Code 推动开发者采用。
亚马逊宣布最高 40 亿美元战略投资,AWS 提供云基础设施和芯片,并通过 Bedrock 向企业分发 Claude;谷歌随后追加投资。

2024 年 Claude 3 分成 Haiku、Sonnet 和 Opus 不同档次,在多个基准测试上表现突出,并扩大 API 覆盖范围。几个月后的 Sonnet 3.5 将更强编程能力带到较低价格档位。
节目援引内部编程测试:Sonnet 3.5 解决了 64% 的问题,Claude 3 Opus 为 38%,运行速度也提高。开发者工具使用增长后,Anthropic 继续推出 Computer Use 和 MCP 协议。
节目说,公司发布节奏从按季度逐渐缩短。Claude Code 起初只是工程师 Boris Cherny 为熟悉 API 写的命令行实验,加入文件和命令能力后迅速在内部传播。
Claude Code 在 2025 年正式推出后,年化收入快速增长。Cherny 表示,增长速度本身比某个时点的数字更令他惊讶。
陈茜认为,Claude Code 验证了把模型封装为具体工作工具的商业路径,随后公司又扩展到办公和科研应用。受访者说,产品化降低了用户自行改造应用、接入 API 的门槛。
节目介绍,Anthropic 随后扩展前沿模型、开发平台和面向用户的产品。其商业模式同时包括按调用量收费和订阅,前者让企业使用加深时的支出随之增长。
企业反馈与投入形成增长循环
安全和客户反馈推动产品改进,收入与投资支持模型训练。
陈茜将增长归纳为两个相互影响的循环:安全与可靠性帮助赢得企业信任,客户反馈改进产品;模型能力带来更多收入和投资,支持进一步训练。
受访投资人说,企业采购在安全、监管和系统整合方面门槛较高,但达到要求后,客户黏性和付费能力可能推动快速增长。
Amodei 认为,更多资金和数据可以让模型能力跃迁,能力增强又会扩大应用和商业价值。陈茜指出,这一循环依赖公司把稀缺算力、资金和人才持续集中在大模型上。
快速增长背后的客户和算力风险
节目援引收入数据,同时指出客户集中和长期算力采购的压力。
节目援引招股书称,Anthropic 年收入从 2023 年约 4100 万美元增至 2025 年约 45.85 亿美元,2026 年上半年进一步快速增长;年化收入是以近期收入水平推算的指标,并非全年已实现收入。
节目说,公司上半年巨额净亏损中包含可转换金融工具的公允价值调整。剔除相关账面影响观察经营表现,第二季度首次实现单季经营盈利。
节目援引披露称,截至 2026 年 9 月,过去一年贡献至少 10 万美元的客户超过 1.19 万家,同批客户的净收入留存率约为 900%。估值增长反映了市场对这种扩张的定价。
增长并非没有压力。陈茜说,2026 年下半年收入增速放缓,而 OpenAI 在企业和编程场景加大投入,开源模型也为客户提供成本和部署上的替代选择。
节目称前五大客户贡献约四分之一营收,一些客户没有长期合同,可以随时调整采购;微软和 Meta 也在推动内部使用自家 AI 工具。
相较灵活的客户采购,算力支出和长期合同更难缩减。Amodei 说,公司原本按照每年十倍增长规划,却在 2026 年遇到远超预期的需求。
Anthropic 与云服务商及芯片供应商签订大额采购协议,部分最低采购和租赁付款延伸多年。受访者说,算力买少可能落后,买多则可能造成财务压力。

云巨头兼任投资人、供应商和渠道
多重关系帮助分销,但也可能带来竞争和分成方面的冲突。
亚马逊、谷歌和微软既是投资方,也是算力供应商、销售渠道或竞争者。资金流入 Anthropic 后,一部分又通过计算采购流回这些合作伙伴。
企业可以在已有的 AWS 和 Google Cloud 采购体系内使用 Claude,这帮助 Anthropic 扩大分销。节目说,双方也因此获得关于客户用途的反馈,继续改进产品。
节目指出,Anthropic 与 OpenAI 对部分云渠道销售采用的收入确认方式不同,因此公开收入数字不能不加调整地直接比较。渠道分成和合作伙伴竞争也可能带来未来摩擦。
公司文化与安全承诺受到检验
使命吸引研究者,但部署速度、政策修订和政府合作引发批评。
除财务问题外,陈茜认为公司文化也在接受考验。节目描述,所有职位都要经过文化面试,考察应聘者如何处理个人利益、商业目标和 AI 安全之间的冲突。
Amodei 定期向全公司分享观察,并说自己投入大量精力维护文化。节目还介绍公司对 AI 意识与模型待遇的讨论,以及其较高的人才留存率。
一些受访者认为,共同使命有助于吸引和留住研究人员;但随着公司商业化加速,同样的安全承诺也受到更多检验。
2024 年 Anthropic 发布 Computer Use,受到竞争对手对部署速度的批评。节目说,后来公司在强模型触及安全阈值后调整了负责任扩展政策,对是否暂停保留更多裁量。
陈茜认为,这让外界质疑安全约束能否独立于商业竞争得到执行。她也回顾公司与五角大楼就大规模监控和自主武器使用范围的冲突。
节目同时指出,Anthropic 此前主动争取政府市场,推出面向国家安全机构的 Claude Gov,并将模型部署到军事机密网络;这些合作使公司面临复杂的安全取舍。
节目介绍离职研究者对行业竞争和安全承诺的批评,并提出问题:安全叙事究竟体现持续的信念,还是也成为有效的商业定位。
陈茜讨论公司限制强大模型访问的做法:支持者认为这是控制风险,批评者则认为限制供应与强调危险性也可能带来营销价值。
节目介绍所谓监管俘获的指控,即行业参与者可能影响规则,使既有头部公司获益。陈茜同时说,目前没有有力证据证明 Anthropic 有意操纵研究结论或监管政策。
节目还讨论 AI 就业影响、地缘竞争与开源政策,认为公司对风险的公开立场受到越来越多关注和检验。
增长与 AI 安全如何共存
Amodei 对 AI 潜力和风险的两种设想,构成公司未来选择的背景。
Amodei 最初曾设想公司只需约 50 人和 100 亿美元,就可能做出成熟的通用 AI;节目说,公司实际规模已远超这一设想,治理问题也更复杂。
在《Machines of Loving Grace》中,Amodei 设想大量高度智能的系统在数据中心协作,加快疾病研究等进展;另一篇文章则强调技术滥用、权力集中和经济秩序变化等风险。
受访者认为,Amodei 一方面真诚担心灾难风险,另一方面持续参与技术竞赛,试图由率先掌握技术的人制定规则。陈茜认为,这种张力贯穿公司的产品和政策选择。
陈茜说,上市后股价、季度表现与股东期待可能进一步考验公共使命能否在关键决策中优先于增长。她以公司的快速扩张与安全承诺作为结尾,提出未来如何平衡两者的问题。
Más de este canal
38:35ZH
1:53:56ZH
1:02:07ZH
42:06EN
1:32:16ZH
19:20ZH