70%时间在救火，增长反而不是核心！Anthropic增长负责人自曝Claude增长核心秘方：人才+文化才是真正秘方！传统策略失效了！模型是关键

今天，Anthropic又出了一条引爆AI圈的新闻：年化收入已经超过了OpenAI，达到了300亿美元！

而这个数字在16个月以前，仅仅是10亿美元，2月底时这个数字也只是190亿美元。而OpenAI在今天的这个数字也只有250亿美元。

Anthropic背后是如何实现如此高速增长的呢？

在16个月内，把年收入从10亿美元拉到300亿美元，显然已经不再是一个简单的增长问题，甚至可以说进入了一个几乎没有经验可以借鉴的区间。

就在两天前，Anthropic增长负责人Amol，在知名播客主持人Lenny的提问之下，为我们系统解释了Anthropic内部是如何实现如此高的增长的。

小编听下来最大的感受是，AI产品的打法与增长逻辑与传统模式大大不同。

Amol分享了Anthropic在极端增长阶段的真实状态。他表示Anthropic内部已经不再使用线性增长图，而是默认使用“对数坐标”来看业务。

他们整个公司都在用“指数视角”来思考问题。创始人Dario更是在去年大家都以为很疯狂的难度下，推进激进版本的目标实现，整个公司可以说都在高速行驶的车辆上处于“握紧方向盘硬撑”的状态。

然而，他也坦承到，增长团队其实并不是主角，真正驱动增长的还是模型能力本身。而增长团队的工作内容，你可能绝对想不到。70%的时间，他们在处理“成功带来的灾难”，即增长过快导致的系统性问题，只有30%用于传统增长策略。

同时，他特别强调了一点AI产品中最关键的环节：“激活”，也就是如何引导用户真正理解并用好模型能力。

这里，他详细复盘了在Mercury做onboarding的经验，提出“质量本身就是增长”的方法论，以及如何通过设计合理的“摩擦”来提升转化。整体来看，可以说是一套从“模型驱动增长”到“产品承接能力”的完整框架。

相信大家更感兴趣的还是播客中几个反直觉的观点。

首先，正如上面提到的，AI为核心驱动的产品，其增长的发动机，永远是模型能力，而不是增长团队。

换句话说，如果产品本身不具备指数级提升，增长策略再精细也只是边际优化。这直接重构了增长的价值位置——从“拉动增长”，变成“承接增长”。

其次，增加摩擦，反而提升转化。这是一个Amol给出的一个反直觉但被反复验证的结论。无论是在MasterClass还是Mercury，甚至在Anthropic内部，增加步骤（例如问卷、分步流程）往往能提升转化率。关键在于：这些“摩擦”是否帮助用户理解“这个产品为什么适合我”。有价值的摩擦，本质是“引导认知”。

第三，过去的增长策略、漏斗等分析方法已经失效了。AI时代最大问题不是能力不够，而是“能力溢出”。Amol表示，模型进化速度远超产品设计速度，导致用户根本不知道AI能做什么。即使模型已经具备接近AGI的能力，用户仍然停留在“问天气”这种低价值使用。因此，增长的核心问题已经不再是拉新，而是“教育用户”。

第四，更深一层的颠覆在于增长策略本身：在AI驱动产品中，小优化的价值正在被稀释，团队反而要把资源押注在“大赌注”上，因为产品价值本身是指数级增长的。与此同时，增长流程也在被AI反向吞噬——从发现机会、生成方案到测试上线，正在被逐步自动化，人类的角色开始从执行转向判断与对齐。这意味着，增长不再是“调参的艺术”，而正在变成一套由模型驱动的系统工程。

此外，Amol本人还爆了一些有趣的Anthropic的趣事。比如，自己加入团队，其实是通过给 Instagram 联合创始人、现Anthropic CPO Mike Krieger 发冷邮件拿到工作的，这在公司内部也属于“非典型入职路径”。

另外，他特别提到了Anthropic的高人才密度和透明的信息分享文化。

在一次线下交流会上，Amol竟然遇见了吃爆米花的前美国驻澳大利亚大使，现在也成为了这里的一名员工，要知道平时这都是跟当地总理打交道的人物。

再比如notebook channel机制，不只是 Dario，每个员工都有一个分享个人动态的频道，你可以在里面分享自己的思考、优先级、在做什么。任何员工都可以对Dario得想法提出质疑。

此外，对于未来工程师和PM在AI时代会如何改变，他认为，未来工程师都会成为迷你版的产品经理，而且两周内的项目基本都可以自行做主，PM只需要当好顾问的角色即可。

Amol还给出如何因对AI带来的时代冲击的四条建议，以及辟谣了外界认为Anthropic总喜欢用安全来博业界关注的做法。

篇幅关系，不再一一展开。

小编为大家精心整理的播客内容如下。

一封冷邮件拿下 Anthropic 的工作

主持人： Amol，欢迎来到节目。你现在是 Anthropic 的增长负责人——听起来轻描淡写，但其实非常夸张。很多公司说自己增长最快，但 Anthropic 是真的。你们从2025年初的10亿美元 ARR，到年中4亿、年底9亿，再到现在的190亿美元。14个月完成这个跃迁。

先聊聊一个有意思的点：你是怎么拿到这份工作的？

Amol： 方式挺非典型的。我入职 onboarding 的时候，他们展示新员工来源：内推、官网投递、猎头等等。我一个都不在。

我当时是 Claude 的用户，用得很多。我就觉得，这产品很好，公司也很好，但明显没有增长团队。于是我直接给当时的 CPO —— Mike Krieger 发了一封冷邮件，大概意思是：你们产品很棒，但急需增长团队，我们聊聊？

我其实没指望他会回，但他回了，还说可以聊聊。更巧的是，当时他们确实刚开始考虑搭建增长团队，只是还没对外招人。所以时间点刚刚好。后来他说，我是他唯一一个通过冷邮件招进来的 PM。

主持人： 这个故事我之前完全不知道。那你这封邮件到底写了什么？

Amol： 我这些年基本把冷邮件这件事打磨到极致了。创业的时候必须靠这个。

第一步是标题——决定对方会不会点开。我有一套自己测试过、打开率很高的写法。

第二步是渠道——你要搞清楚别人平时在哪收到最多骚扰，比如 LinkedIn、公司邮箱，那些地方反而回复率低。所以我会找到个人邮箱。

第三步是内容——非常短：我是谁、为什么适合、为什么值得聊。

还有一点很关键：要持续 follow up。如果这件事真的重要，就一直发，直到对方明确让你停。我本来也是打算这么做的，只是他第一次就回了。

主持人： 听起来，这本身就像一场面试：你有没有能力让人愿意读完你的内容。

Anthropic内部：线性表没人看了，只看对数坐标图

主持人： 那现在，你在这个史上增长最快的公司里负责增长，真实体验是什么？

Amol： 这是一个全公司参与的事情。我们确实是增长团队，也确实做出了一些成绩、带来了一些影响。但说实话，我们很难把公司的成功归功于自己。Anthropic 本质上首先是一家模型公司、一家“智能公司”。真正驱动增长的核心，是我们的研究团队——我认为这是世界上最强的研究团队。再加上推理、算力团队，还有像 Claude Code、GTM 等团队，他们其实更值得拿走大部分功劳。

如果拉远一点看，你刚刚提到的增长曲线确实非常夸张，这种年收入10倍增长，从一开始就存在。2023年是从0到1亿美元，2024年从1亿到10亿，去年是从10亿到接近100亿。我是2024年加入的，当时收入还在几亿美元规模。

我记得入职第二周，我们在做2025年的收入规划，有一个“保守预期”和一个“激进预期”。Dario 在推激进版本，大家都在想，这怎么可能做到？他却说，甚至可以再更高。我当时心想，这公司疯了，不可能实现。结果后来真的实现了。

到了2025年底，按常理来说，基数已经这么大了，增长肯定会明显放缓。但实际上并没有。你提到的190亿美元还是2月底的数据，现在其实已经过时了。

最有意思的是公司内部的一个现象：线性图已经没人看了，大家只看对数坐标图。你要用 log scale 才配讨论增长。这就是我们思考问题的尺度。整体来说，我们有点像“抓着方向盘硬撑”，尽力在这种增长速度下把事情做好，服务好用户。

Claude这么香，增长团队的主要日常就是：救火

主持人： 我跟 Anthropic 的人聊到你，他们说只要想做增长相关的事情，就找你，而且基本都能奏效。听起来你们有 Claude 这样的“魔法产品”，那增长团队到底还做什么？为什么还需要增长负责人？

Amol： 他们说的也不算错。我们确实很幸运，有世界上最好的模型，也有像 Claude Code、Co-work 这样的产品，这些确实让很多事情变容易了。

但即便如此，这仍然是我做过最难的一份工作，比我做创始人、投行时都难。

从职责上看，其实和传统公司差不多：我们关心获客，如何让更多人进来，以及他们的意图；我们关心激活，比如注册流程、把用户导向合适的产品、让他们真正用起来；我们也关心变现，免费转付费、定价和打包策略等等。这些基本盘没有变。

但最大的不同在于：我大概70%的时间，都花在我们内部称为“成功灾难（success disasters）”的事情上。

“成功灾难”：增长太快，疯狂救火

Amol： 所谓“成功灾难”，就是事情发展得太好了，反而导致其他地方开始崩溃。

任何经历过高速增长的公司，比如 Facebook、Uber、DoorDash，都会非常有共鸣。规模一旦上来，各种问题都会出现。

不管是获客、激活，还是变现，这几个环节，每一个都在“着火”。每天就是在不同的紧急问题之间切换救火。而且这些问题通常都很痛苦。

有趣的是，从数据看一切都很好——曲线全是往上、全是绿色。但从情绪上来说，压力其实非常大。你需要时不时抽离出来，退一步提醒自己：我们其实是在解决“好问题”。所以大概70%的时间是在处理这些“成功带来的问题”。

而剩下30%才是更主动的增长工作，比如：资源有限时，我们优先推哪个产品？长期的定价策略怎么设计？新产品上线后，什么时候开始系统性优化增长漏斗？

所以，大概就是 70% 疯狂救火，30% 常规工作。

AI产品的“激活”，最难不是冷启动

而是用户心智没跟上大模型

主持人： 你们最近有个很聪明的增长动作——支持从 ChatGPT 导入记忆。这类功能背后是怎么思考的？

Amol： 核心还是在解决“冷启动问题”，也就是如何提升新用户体验。AI 产品里，激活是一个非常大的挑战。这个功能只是一个典型案例，本质问题是：如何让新用户一进来，Claude 就能理解他是谁、需要什么，并把他带到正确的使用路径上。

主持人： 激活这个问题，我听很多 AI 产品负责人都提到。现在信息太多，用户很难快速进入“啊哈时刻”，而且 AI 又有不稳定性。你怎么看激活的重要性？有什么经验？

Amol： 激活非常关键，尤其是 Day 0 / Day 1 的初始体验。在传统增长里，这本来就是影响长期留存的最大杠杆之一。而在 AI 时代，这个重要性被放大了很多倍。

但现在行业有一个更大的问题，我称之为“能力溢出”：模型能力提升太快，而产品没有跟上。

模型已经能做很多事，但用户并不知道。即便在公司内部也是这样，新模型发布了，你如果不刻意花时间去探索，根本不知道它能干什么。更广泛来看，就算你有接近 AGI 的模型，如果用户打开之后只是问一句“旧金山今天天气怎么样”，那他根本体验不到真正的价值。

所以难点在于：模型能力在指数级提升，但用户的使用心智没有同步升级。产品需要承担的责任，就是把这些能力“传递”给用户，让他们真正用起来。

这才是 AI 产品激活最难的地方。

新模型一出来，你先要搞清楚它有哪些能力，然后思考：用户进入产品的“入口路径”应该怎么设计，才能引导他们用到这些能力。接着你跑测试、总结结论、上线新的流程。但问题是，当你刚做完这一轮，下一代模型可能已经来了，能力又变了，前面的那些学习几乎全失效了。所以这件事本质上非常难持续跟进。

不过，从更宏观的角度看，增长和激活的一些老规律依然成立。对我来说，最大的杠杆始终是：把“对的功能”匹配给“对的人”。

还有一个被反复验证的经验是——合适的“摩擦”是有价值的，甚至在很多情况下，增加摩擦反而更有效，只要方式正确。我们在不同公司、包括在 Anthropic 都反复看到这一点。

所以关键在于：你是否能识别用户的特征，并据此把他们引导到合适的功能或产品上，同时不回避为了做到这点而引入必要的步骤。我觉得这是最重要的一件事。

增加了环节

转化率却提升了

主持人： 我之前问过 Ben Mann（小编注：Anthropic 联合创始人），应该问你什么，他提到你在 Mercury（一款数字银行平台） 做 onboarding 的经验，说你把它做得很“魔法”。本质上也是帮助用户理解 AI 工具的能力，从而决定是否持续使用。有没有一个具体的案例，能显著提升激活？

ps：onboarding，是指用户第一次使用产品时，被引导快速上手并感知核心价值的全过程。

Amol： 这是个很好的问题，我也很高兴他提到 Mercury。我之前在那边做增长，我觉得那是个非常好的产品。大家用它的原因很简单：它就是一个更好的银行体验。

我们当时有一个很有意思的观察：整个产品体验已经很不错了，但 onboarding 没有达到同样的质量，而那是用户的第一触点。银行类产品的 onboarding 特别复杂，比如各种地址类型（注册代理地址、法律地址、实际地址），细节非常多。

于是我们做了一个挺极端的决定：有一个季度，我们作为增长团队，完全不看指标、不看转化，只做一件事——提升 onboarding 的质量。就只做体验，把所有细节都打磨一遍，比如字段切换、信息填写流程等等。

结果这是我在加入 Anthropic 之前，做过影响最大的一次增长项目之一。仅仅因为体验变好了，从开始到完成的转化率显著提升。这让我形成了一个很强的认知：质量本身就是增长。

在 Anthropic，我们也在 onboarding 里做类似的事情，比如会问用户是谁、兴趣是什么，然后据此推荐功能。很多人会说“这个流程太长、摩擦太多”，但我们的数据是满意的。

Anthropic产品经验：增加正确的“摩擦”

帮助理解用户的功能就留下，否则就去掉

主持人： 那你对“摩擦”的整体看法是什么？什么是好的摩擦，什么是坏的？

Amol： 我在每一份增长工作里都反复看到一件事：加入合适的步骤、适当增加摩擦，往往会提升转化和漏斗完成率。

你当然要去掉那些没有价值、让人烦躁的摩擦。但很多人对这件事的理解过于简单——觉得应该尽可能缩短“价值到达时间”，把所有步骤砍掉，让用户立刻进入产品。现实中，大多数时候这种做法效果并不好。

比如在 MasterClass 的购买流程中，你会被引导回答一系列问题。很多人第一反应是：我只是想买东西，为什么要回答这些？但这些流程是经过充分测试的，而且是重要的收入驱动因素，因为它帮助用户理解这个产品适不适合自己。

类似地，一些冥想类产品，比如 Calm，在注册或购买流程中也会加入问答。这不是巧合。

在 Mercury，我们也做过实验，比如把一个页面里的5-6个输入字段拆成两个步骤，降低认知负担，这种方式反而效果更好。甚至我们在流程里增加步骤，结果也带来了提升。在 Anthropic 也是类似情况。

所以总结下来：如果某个步骤不能帮助用户理解“这个产品为什么适合我”，那就应该去掉；但如果它能帮助用户理解产品、知道怎么用、找到与自己最相关的功能，即便增加摩擦，也值得保留，而且应该大胆测试。

主持人： 你的意思是，这些摩擦本质上是在帮助理解用户，从而做更精准的推荐？

Amol： 对，而且一旦做对了，它的价值是持续放大的。不只是提升激活，还会影响整个生命周期。你更了解用户是谁、为什么来，用这些信息可以做更精准的推荐，甚至可以在用户流失后做相似人群投放。

所以，理解用户的那一步，其实是一个会持续复利的“增长资产”，只要你在后续流程里用好它。

主持人： 听完这段，估计很多人要开始拆解 Claude、MasterClass、Mercury 的 onboarding 了（笑）。

顺便问个延伸问题：现在很多 PM 都在说，AI 对他们工作的最大改变，是可以更轻松做竞品分析，比如拆解定价页、onboarding 流程。那如果要做这种 teardown，你会用什么工具？

Amol： 可以直接用 Claude 的 Co-work 功能，配合 Chrome 插件。你可以让它去浏览这些页面，分析流程，总结哪些地方有效、哪些地方有问题，这类任务是完全可以自动完成的。

主持人： 听起来现在的难点已经变成：工具太多了，到底该用哪个。

70%时间都用来救火了

主持人： 我跟 Anthropic 的人聊到你，他们说只要想做增长相关的事情，就找你，而且基本都能奏效。听起来你们有 Claude 这样的“魔法产品”，那增长团队到底还做什么？为什么还需要增长负责人？

Amol： 他们说的也不算错。我们确实很幸运，有世界上最好的模型，也有像 Claude Code、Co-work 这样的产品，这些确实让很多事情变容易了。

但即便如此，这仍然是我做过最难的一份工作，比我做创始人、投行时都难。

从职责上看，其实和传统公司差不多：我们关心获客，如何让更多人进来，以及他们的意图；我们关心激活，比如注册流程、把用户导向合适的产品、让他们真正用起来；我们也关心变现，免费转付费、定价和打包策略等等。这些基本盘没有变。

但最大的不同在于：我大概70%的时间，都花在我们内部称为“成功灾难（success disasters）”的事情上。

Anthropic 增长团队：

70% 团队，偏向搞大动作

主持人： 我能想象其中一个难点是，现在工具这么多，你很难判断哪个才适合自己。顺便说一句，你们的 Chrome 插件我一直在用，真的很好。我想再深入聊一下增长团队。前几天 Twitter 上有个梗，说 Anthropic 的增长全靠一个增长营销在撑，听起来有点离谱。所以你们大概有多少增长人员？整体组织结构是怎样的？

Amol： 现在大概有 40 人左右。整体结构其实和传统增长团队挺像的。一方面有横向团队，比如增长平台、变现，负责从整体产品层面思考增长；另一方面是更偏用户或场景导向的增长小组，比如 B2B 增长、Claude Code 增长、知识工作者增长、API 增长。我们把这些用户群拆开，是为了保持聚焦，因为产品很多时必须这样做。同时也有横向团队去统筹全局。

主持人： 那这些团队是由工程师、设计师、产品经理组成的吗？具体职能怎么分？

Amol： 对，包含工程、设计、PM，还有数据。整体形态还是挺接近传统增长团队。比较不一样的是，我们更偏向做“大动作”，而不是小优化。以前我在传统增长团队，大概 60%–70% 时间做中小型实验，20%–30% 做大项目。但在这里基本反过来了，更像 70/30，甚至接近 50/50。这是最大的变化之一。

主持人： 这点挺有意思。按你们现在的规模，哪怕 1% 的提升都已经很大了，但你们依然不太关注这些微优化。

Amol： 对，小优化其实很容易做，你完全可以在季度末把这些成果加总，然后说“我们又多做了一个 billion 的增长”。但问题是，我们内部一直盯的是 10 倍的年增长。公司整体思维是围绕“指数级增长”。你会发现，在 Anthropic，无论讨论什么，大家都会回到“指数”这个点。随着模型能力指数级提升，再加上工具把能力更好地转化为实际应用，就会不断打开全新的市场，而这些新市场的价值远远超过旧市场。

比如 Agentic Coding，一两年前还不存在，现在它的市场价值已经超过之前整个 AI 编程市场。所以核心逻辑是：未来产品价值会比现在高一个数量级。

如果你看传统行业，比如交易 App 或生鲜配送，两年后即便做得很好，产品价值可能提升 30%–50%，但这不是指数级增长。在这种情况下，增长团队通过小优化其实可以吃到很大一部分增量。

但在 Anthropic 不一样。因为产品价值本身来自 AI，而且是指数级增长，两年后的产品价值可能是现在的 100 倍甚至 1000 倍。在这种情况下，如果还沉迷小优化，就会错过真正大的机会。所以我们会更倾向于做大赌注。当然，小优化还是会做，它们的复利价值依然存在，但我们会同时投入更多精力在更“产品化”的大方向上。

比如你刚提到的 Chrome 插件，它现在已经成为 CoWork 和 Claude Code 多个场景的底层能力。这其实是增长团队做出来的，但本质上更像一个偏研究型的 AI 产品。当时有个工程师特别看好这个方向，我们也觉得值得赌一把，就做了。在其他公司，我大概率不会这么做。

增长漏斗失效了，

AI产品应该把资源集中到大赌注上

主持人： 原来如此，这点挺出乎意料。所以这里可以总结一个问题：哪些经验只适用于 Anthropic？哪些是其他公司也可以借鉴的？

你的意思是，如果是在 AI 领域，应该把更多资源投入到大赌注上，因为未来机会空间非常大？

Amol： 更准确一点说，如果你的产品核心价值是由 AI 驱动的，那就应该这样做。比如像 Cursor 这类 AI 原生产品，随着底层能力提升，它们的价值也会持续放大，这种情况下就应该偏向大赌注。

但如果你的产品不是 AI-first，只是附带一些 AI 功能，那我不一定会这么做，还是要看整体产品结构和团队配置。

主持人： 明白。还有一个点我觉得很有意思，你们的组织结构是混合型的：既有 API 增长、Claude Code 增长这样的产品线，也有知识工作者、B2B 这样的用户分层。这是刻意设计的吗？

Amol： 当你只有一个产品时，增长团队可以围绕漏斗来搭建，比如转化、激活、变现。但当产品变多，这种方式就不太适用了。比如如果你只有一个 activation 团队，但底下有 Claude Code、CoWork 等多个产品，它们的用户群完全不同，对接的内部团队也不同，就会变得很混乱。

所以我们更关注的是：怎样的结构能让团队保持聚焦。聚焦在用户、问题，以及和跨职能团队的协作上。比如 Claude Code 增长团队，会和对应产品团队非常紧密地协作，这种绑定关系非常重要。

主持人： 你之前在很多公司做过增长，基本都是传统增长模式。那在 AI 兴起之后，增长这个职能本身发生了哪些变化？

Amol： 如果你的产品核心价值是 AI 驱动的，那增长策略会明显向“大赌注”倾斜，而不是中小实验。另外一个我觉得很关键、也很有意思的方向是——我们开始尝试“自动化增长”。这是我特别关注的一个领域。

用Claude自动化增长

Amol： 我们的增长平台团队里有一个很大的优势——Alexey Komissarouk，他在 Reforge 教增长工程，就在我们团队里。他在主导一个项目，这个名字有点尴尬，不是我起的，叫 CASH（Claude Accelerates Sustainable Hypergrowth）。本质上，这是在探索如何用 Claude 来自动化增长实验。目前还很早期，也很小规模，大概两个月前才开始。在 Opus 4.5 之前其实做不到，我们一直看不到效果。到了 Opus 4.6 才开始觉得方向是对的。我认为这个方向会在整个行业越来越普遍，尤其是在增长团队，因为有大量小优化工作，天然更适合率先被自动化。

如果把“上线一个功能”的生命周期拆开，大致有四个环节：第一是发现机会——Claude 能不能基于趋势和历史数据识别机会；第二是构建功能并准备上线；第三是测试，确保符合质量和品牌标准；第四是上线后分析数据、总结经验。我们就是按这四个环节来评估模型能力，看 Claude 在每个环节表现如何。

现在我们在小规模测试，主要是文案调整和一些 UI 微调。结果是有效的——你可以按下“开始”，它就开始帮你“印钱”。

不过成功率大概相当于一个工作 2–3 年的初级 PM，离资深 PM 还有差距。但要考虑到几个月前这完全不可行，现在已经在快速进步。未来它会逐渐支持更大规模的实验。

PM短期内不会消失，但很多环节会完全自动化

Amol：不过有一点我刚才没提——跨职能协作管理。这一块仍然需要人类参与。所以我认为 PM 这个角色短期内不会消失。对于小项目，你可以跳过这一步，但对于大项目，这一环非常关键，除非未来每个 stakeholder 都变成独立运行的 agent。

主持人： 我同意，这可能是最后才会被改变的一部分。挺有意思的。前几周我们有个比较难的会议，我和设计负责人复盘，他跟我说：“等我们实现 AGI 了，可能还是很难让 6 个人在一个会议室达成一致。”我觉得这话挺真实的。

这也引出一个更难的问题：到底什么才是更难的对齐问题？

我觉得你刚才讲的很关键，也正是我观察到的趋势。简单确认一下，你们现在有一个系统，可以自动生成增长实验建议，然后有人审核、决定执行，接着构建、上线、测试、分析，再反馈结果，大概是这样一个闭环？

Amol： 大体是这样。目前还是有人在环中做审核。我更关注的是一个指标：每周在各个环节上，效率有没有提升？人花的时间有没有减少？结果有没有变好？只要这些指标持续改善，就说明这个系统在扩展。

从长期来看，很多环节是可以完全自动化的。当然我们现在很重视品牌，所以仍然有人审核。但你完全可以把品牌规范、Do 和 Don’t 写成一个“技能包”，让模型去理解。随着模型能力提升，这些辅助能力也会变强，人类审核的需求会大幅下降。

主持人： 对，而且如果出问题，还可以回滚。我们过去总觉得这些事情必须由人来做，但其实可以通过规则和系统来完成。

我之所以觉得这件事重要，是因为我一直在观察 AI 如何逐步覆盖整个产品开发流程。最开始是写代码，然后是写全部代码，再到审查代码。现在正在往两端延伸：一端是“决定做什么”，另一端是“上线和分发”。中间最难的还是对齐问题。

你现在描述的，其实是 AI 开始擅长“告诉我们该做什么”，而不只是执行。这种能力可能会先在增长领域爆发，因为它更数据驱动、更结构化。这其实是一个非常明确的信号，说明整个产品开发流程都会被重塑。

PM的确被挤压了，基本上也都是工程师背景

主持人：我们换个话题。我一直在想，随着这些变化，PM、工程师、设计师这三个角色会怎么演化？你们现在是怎么协作的？未来会发生什么变化？

Amol： 这是我们经常讨论的问题，而且答案变化很快。过去如果执行出现瓶颈，通常是要多招工程师或设计师，本质上是团队生命周期的问题。但现在，当出现瓶颈时，还要考虑是不是技术变革本身在改变结构。

在小公司，比如 15–20 人的团队，一个 PM 可能会同时做设计、开发、上线，角色会高度融合。而在大公司，情况还不确定。即使在内部，不同团队对角色是否会融合也有不同看法。

可以确定的是，PM 和设计师确实从 AI 中获得了更多杠杆，但工程师获得的杠杆是最大的。像 Claude Code 这样的工具，让工程师的效率提升幅度，明显高于 PM 和设计师目前获得的提升。

Amol： 当然，这个情况也在快速变化。但这是我目前的判断。如果你看一个典型团队，比如 5 个工程师、1 个设计师、1 个 PM，在 Claude Code 这样的工具加持下，这 5 个工程师的产出大概等效提升了 2–3 倍。PM 和设计师的效率也提升了，但问题在于，他们现在实际上是在“管理”一个相当于过去 15–20 个工程师规模的产出。

也就是说，虽然 headcount 没变，但实际协作复杂度已经变了：相当于 15–20 个工程师、1.5–2 个 PM、1.5–2 个设计师。这会给 PM 和设计带来很大压力。当然这不是所有团队都这样，比如 Claude Code 团队，因为产品本身非常技术导向，PM 基本也都是工程师背景，这种结构就比较合理。

但整体来看，我们确实感受到 PM 和设计被“挤压”得很厉害。于是一个很现实的问题就来了：是不是应该多招很多 PM？

工程师会成为 Mini PM：

两周内的项目，工程师可自行做主，PM更多打辅助

Amol：在增长这边，我们确实在招 PM，而且是非常需要优秀的人。如果你对我们做的事情感兴趣，也做增长，欢迎来申请，甚至可以给我写一封很厉害的冷邮件。这是第一点：会增加 PM 数量。

第二点，我们非常重视“产品思维强的工程师”。其实在增长领域，这一直都是最佳实践——工程师不仅执行，还要参与想法提出。现在我们更进一步，让一些工程师在必要时充当“迷你 PM”。

我们目前的一个简单规则是：如果一个项目的工程工作量在两周以内，那么工程师就需要承担 PM 的职责，包括对接安全、法务、跨团队沟通等。PM 会参与，但更多是顾问角色，除非项目明显跑偏。

如果项目超过两周工程量，那默认还是由 PM 负责推进。当然这不是死规则，比如一个一周的项目如果非常有争议，PM 也应该主导。但整体方向是：让工程师成为 mini PM。

不过，这并不是每个工程师都能做到的。那些具备产品思维的工程师，价值会大幅提升，甚至是数量级的提升。同时，我们依然会继续招聘 PM。

工程师和PM的职责变化 

主持人： 这里有很多值得展开的点。先说“两周规则”，我一直开玩笑说，PM 其实可以休假两周，团队也能正常运转，因为已经有节奏和惯性了。这跟你说的逻辑挺一致：两周以内的项目，团队可以自行推进。

另一个更有意思的点是，你的意思是：随着工程效率提升，PM 和设计反而跟不上节奏，所以需要更多 PM，或者让工程师具备 PM 能力。这听起来对 PM 是个利好，至少在 AI 能完全替代 PM 之前是这样。

Amol： 对，这件事其实很依赖行业和公司阶段。如果是开发者导向的产品，会更依赖工程师；如果是早期公司，也不需要那么多跨团队协调，PM 可以更少。

但随着公司规模扩大，情况会变。比如原来 1 个 PM + 5 个工程师，现在可能变成 2 个 PM + 20 个工程师，设计也从 1 个变成 3 个。这时一个关键问题是：PM 的时间应该花在哪里？

在工程资源稀缺时，PM 亲自下场做东西是很有价值的。但现在这个阶段，PM 仍然可以通过“自己动手”来理解工具，但如果你是 1–2 个 PM 对应 20 个工程师，那你最有价值的事情，可能不是再多做一个功能，而是帮助团队更好地理解“该做什么”。

理想状态是：工程师都具备一定 PM 能力，而优秀 PM 的价值体现在提升“why”和“what”的质量，哪怕提升 5%，都是极高杠杆。

主持人： 这个观点挺反直觉的。很多人现在都在说，PM 要去写代码、提 PR。但你这里的结论是：PM 更应该提升团队的决策质量，而不是亲自去做更多执行。

Amol： 在小公司或者资源紧张的情况下，PM 还是需要下场做事的。但在更大规模的公司里，如果你已经有 20 个工程师，那你多做一个功能的价值，可能不如提升整个团队的方向判断。

Anthropic内部，默认是反PRD的

做事非常“草根化”

主持人： 还有一点我很认同，就是“通过做来学习”。比如快速做几个原型，比写 PRD 更有效。现在很多人都在用这种方式：直接做出来，看效果，再决定路线。

Amol： 对，这点很关键。对我来说，有时候想法在脑子里，最好的表达方式就是做一个原型给大家看。

而且我们内部其实非常“草根化”。虽然公司体量很大，但做事方式非常轻量，尽量减少流程，直接推进。实际上我们大概有 60%–80% 的功能上线，是没有 PRD 的。我个人其实是有点“反 PRD”的。

我个人其实挺讨厌写文档的，我更倾向于直接干，把阻碍清掉。当然，大概有 20%–30% 的事情确实很重要，这类项目必须把文档写得很好，值得花时间。但整体来说，我觉得 PRD 这种东西已经有点过时了。只要团队够好，其实可以不依赖这些文档，直接启动项目。

主持人： 多说一点这个。现在大家做事速度很快，也容易跑偏，甚至做出不符合预期的东西。你们是怎么启动项目、确保方向一致的？只是靠沟通吗？

Amol： 这个很看项目规模，也和我们刚才说的“两周规则”有关。本质上，这是一个筛选机制：如果是重投入的项目，就需要更多思考；如果是小项目，就直接做。

在增长团队里，小项目很多。比如一个很小的改动：“有个新功能上线，需要做一个 upsell”，这种事情基本就在 Slack 上来回几条消息就定了。当然，这也依赖工程师水平，如果工程师具备产品思维，会主动补充：“你说的是这个方向，那针对这个用户群是不是应该这样？”我们比较幸运，团队里有很多这样的工程师。

所以小项目基本就是 Slack 上快速对话完成。

但对于大项目，我非常坚定地认为必须做一次正式 kickoff。因为公司里事情太多，大家都很忙，很容易信息不同步。我们会把法务、安全、相关团队都拉进来，用一个 30 分钟的会议统一认知：我们要做什么、每个人关心什么。这个动作可以提前消化掉很多后续的混乱。

主持人： 那在这些需要 PRD 的场景里，你是怎么写的？用模板？还是直接丢给 Claude？

Amol：有些情况下我还是不写 PRD，因为节奏太快了。有时候我甚至是开会前 5 分钟，才用工具简单整理一下思路，生成一个基础文档，用来辅助讨论。

如果真的要写，我会用一个“技能模板”，里面有过往 PRD 的结构。我只需要填几个关键点：目标是什么、为什么要做、问题在哪、关键考量、涉及哪些跨团队角色等等。

但我的默认倾向还是：能不写就不写，直接进入执行。现在越来越多时候，是直接做一个 prototype，比写文档更有效。

主持人： 这件事会变得更有意思——未来可能是你的 AI 助手直接和法务助手沟通，把这些问题提前解决。

猛料AI用法：模拟老板、模拟法务、接入Slack

Amol： 对，这其实已经在发生了。比如我们内部已经有一些机制，可以模拟不同角色的判断，比如法务会怎么想、他们关心什么。随着模型上下文能力增强，这些事情会越来越自动化。

顺便说一个有点延伸的话题——我最近觉得一个非常有用的用法，是用 AI 来识别“团队不对齐”。

在 CoWork 里，我们接入了 Slack 的 MCP，你可以让它去分析整个 Slack，比如：“我最近在做这些项目，这些是重点，帮我找出潜在的不一致”。它做得非常好。我现在每周都会跑一次，它会主动提醒我：“这些地方可能有问题，你需要关注”。

从“上线项目”的角度看，这其实是同一件事：AI 可以帮你扫描整个公司，告诉你你要做的事情，应该和谁沟通，需要注意什么。

主持人： 这太酷了。我现在的一个观察是，产品经理的工作正在被逐步拆解：先是发现不一致的问题，然后是增长自动化，再到让 AI 帮你提出产品改进建议。我自己也会问 AI：“这个产品怎么做得更好？”它给出的建议其实挺不错。

这些能力正在一点点拼起来，逐渐覆盖 PM 的职责。

那你们团队还有哪些自动化做得比较好？你们其实是在最前沿工作，能看到未来的方向，也在做很多别人还没想到的事情。

Amol： 我们基本是全方位在用 AI。比如常规的 PM 工作：写文档、头脑风暴、分析数据。

数据这块，我自己有一个自动化流程。每天早上，系统会自动分析 20–25 张图表。我一打开，就会看到哪些指标值得关注、哪里有异常、有什么洞察。

主持人： 它是通过 Slack 推送吗？还是怎么用？

Amol： 对我来说，是直接在 CoWork 里看。桌面端可以设置定时任务。我配置了一些数据源，它会通过 Chrome 插件、MCP 等方式抓取数据，然后生成总结。

当然，有些关键图表我还是会自己看，因为我比较“数据控”，喜欢亲自看走势。但对于长尾数据，以及那些没时间每天看的指标，如果 Claude 能帮我提前筛选出来，就会越来越有信心。随着时间推移，你会发现它的误报、漏报都在下降，这种“安心感”其实很重要。

主持人： 这让我想到一个我一直在想的东西：未来团队可能会有一个“策略机器人”。它会持续监控指标、市场、路线图，分析什么有效、什么无效，然后主动告诉你：“现在应该做这个，这是该转向的方向，这里是我们能赢的地方。”感觉我们已经很接近了。

Amol： 我也觉得很接近。我直觉是，今年晚些时候就能达到一个非常有效的程度。那种跨多源信息、主动提炼洞察的能力，其实已经在出现了。你可以把它看成是我刚才说的“对齐检测”的延伸版本，只是数据来源更多。

我自己用 AI 做很多事情。刚才提到的一些基础 PM 工作，比如头脑风暴、数据分析、用户研究。另外还有一类我特别讨厌的事情——各种行政事务、报销、邮件清理这些。我基本全部交给 AI 处理。比如让 Claude 帮我初步清理邮箱、去系统里提交报销、处理费用这些，我完全不碰。

更有意思的是“管理者视角”。除了对齐问题，我还会用 AI 去分析我的直属下属：他们这一周做了什么、和团队 OKR 是否一致、我们开会的记录里有哪些关键信号。我会直接问：我应该给他们什么反馈？这个也是可以每周自动跑的。

而且我也会对自己做同样的事情。比如我的老板是 Amit Vora，我会让 Claude 基于她公开写过的内容、我们内部的沟通记录，以及我这一周的表现，来模拟她的视角给我反馈。这也是每周都会做的。

所以其实很多事情现在就已经可以做了。随着模型能力提升，这些反馈的准确性和信号强度会越来越高。

Anthropic企业业务负责人：用Cowork对齐团队 

主持人： 你可能低估了你刚刚讲的这些有多猛。每一个点都让人觉得“等等，这也可以？”

比如你刚才说的这个例子，是不是相当于让 Claude 去学习你老板的思考方式，然后告诉你你哪里需要改进？

Amol： 对，大致是这样。如果一个人有很多公开内容，那就更容易建模；如果没有，也可以通过项目、内部数据来构建。现在 Claude 已经可以通过 Slack MCP，去分析一个人在过去一段时间里的发言，从而推断他们的优先级、关注点，甚至是你没意识到的东西。

我把这类能力称为“软性辅导”。我觉得这已经被解锁了，只是现在的体验有点像一个“偶尔不太靠谱的教练”。有时候它会说一些明显不对的东西，但有时候又会给出非常关键的洞察。

比如我们企业业务负责人 Scott，就通过这个方式发现了一些很严重的团队不对齐问题，如果不处理，会导致大量重复工作。

从更宏观的角度看，大公司里很多效率瓶颈其实来自跨团队协作。而现在我们开始看到，AI 可以在这一层帮忙减少大量沟通成本。6 个月前还做不到，现在已经开始可行了，再过 6 个月会更不一样。

主持人： 而且关键在于，这些数据本来就存在——Slack、会议记录、各种工具，这些都是基础。如果有人想自己搭一套类似的系统，该怎么开始？

Amol： 很简单：下载 CoWork 桌面端，接入 Slack MCP（可能需要管理员权限）。然后直接和 Claude 对话，就可以开始用了。

Anthropic的基因：极度专注

最好的模型将加速研究飞轮

主持人： 我想换个方向聊一下。你们过去几年有一个很明显的特点：非常专注。外界看起来，你们做的事情很少，但每一件都做得很深，比如 B2B、AI 编程。像 Claude Code 就是一个例子，而且效果非常好。

甚至有些竞争对手现在也在往这个方向转。那这种“极度专注”是怎么形成的？是谁在推动？

Amol： 这是公司基因的一部分，从一开始就存在，主要来自领导层。我觉得他们在这件事上做得非常好。

我之前看到一份内部文档，是联合创始人 Dario Amodei 在 2021 年写的，大概是公司成立几个月后，主题就是“为什么我们要专注 AI 编程”。那是 5 年前，当时市场机会还完全不清晰。

这其实反映了我们长期以来的一个核心判断：编程和 B2B 非常重要。一方面是商业价值，另一方面是它能加速研究本身。现在很多实验室都在讲这一点，但我们很早就坚定这个方向了。

特别是 Dario，很早就意识到：如果你有最好的模型，它会提升研究效率，从而加速整个研究飞轮。

另外还有一个现实因素——“被迫专注”。早期我们其实是资源最少、最不被看好的玩家。没有 Meta 或 Google 的资源，也没有 OpenAI 的先发优势。在这种情况下，你只能选择：把资源集中在最关键的地方。

限制其实会带来自由

Amol： 我有一个更底层的原则：约束其实会带来自由。不管是在生活还是工作，当你受到很多限制时，反而会更清晰，因为你不再有那么多选择，路径会变得很明确。

对我们来说也是一样。资金有限、体量小、没有分发能力，那你就必须把焦点压到非常窄的范围里。即使这是一个通用技术，也要先聚焦，才能有机会跑到“逃逸速度”。

另外，这也和历史进程有关。这个事情发生在我加入之前——其实 Anthropic 在 ChatGPT 发布之前就已经有自己的聊天产品，但出于安全考虑，最终没有上线。团队当时不希望引发一场全球 AI 军备竞赛。

后来 ChatGPT 发布并迅速获得巨大用户增长，这自然把他们推向了 ToC 市场。换个角度想，如果当时是 Anthropic 先发布，可能今天的格局会完全不同。所以很多事情回头看，其实很难简单归因。

主持人： 我觉得很多人其实低估了 Anthropic 当时落后了多少。现在看你们很强，但当时外界普遍觉得不可能追上 OpenAI。现在的结果，其实很好地说明了“专注”的力量。

Amol： 我同意。我觉得很大一部分原因来自我们的领导团队。很多人都来自世界顶级公司，而且普遍认为这是他们经历过最强的一支领导团队。同时，我们也非常幸运，有一批非常优秀的人才。

关于“专注编程”这一点，其实还有一个更深的逻辑：这不仅仅是因为市场大，而是它能形成一个正反馈循环。你在编程上做得越好，就能更快推动研究，从而做出更好的模型，再进一步加速发展。

增长视角来看待有争议的实验：

不要榨干，要留一部分钱在桌上

主持人：我们聊聊安全这个话题。Anthropic 的官方定位是“AI 安全研究公司”。作为增长负责人，你一边要推动增长，一边又不能“为增长而增长”，核心使命是安全和对齐。你是怎么平衡这两件事的？

Amol： 这是我们非常严肃对待的一件事，而且是公司存在的根本原因。从一开始就是这样。

甚至在公司结构上就体现了这一点。大多数公司会注册为传统公司，需要最大化股东利益。但我们选择了另一种结构——Public Benefit Corporation（公益型公司），允许我们在法律上把“社会利益”放在股东回报之上。

所以从最顶层开始，我们的使命就是：确保强大 AI 的发展对人类是有益的。

这意味着，在很多情况下，我们愿意为安全付出商业代价。比如当年已经有 Claude，但因为安全风险选择不发布，这种决策我们做过不止一次。而且从长期来看，这些选择反而带来了正向结果。

从增长视角来看，我会把“有争议的实验”分成两类：

第一类是“红线级别”的——无论数据结果多好，都不会上线，因为它违背了品牌、用户体验或价值观。这种直接不做。

第二类是“有点不舒服，但不越线”的——这种情况下，如果有人有强假设，可以允许测试。但前提是：如果体验上有“反感”，那必须要有足够高的回报才值得。

不同公司这两条线的位置不一样。对我们来说，AI 安全是绝对红线。

更宏观一点说，我觉得很多增长团队的一个常见错误，是试图榨干每一分增长空间。其实你应该接受“留一些钱在桌上”。

这不仅是商业原则，也是一个长期主义选择。就像融资时，不应该把对方压到极限，因为你还希望未来继续合作。

在增长上也是一样。我们愿意放弃短期指标，来保证安全、品牌、用户体验。这种策略在短期看可能保守，但如果你把时间拉长，你会发现最优秀的产品基本都是这么做的。

而且随着 AI 风险越来越高，这种对安全的坚持，本身会变成一个非常重要的竞争优势。

主持人： 听起来你们的方法确实奏效。

我自己在做内容时也有类似的思路：可以做很多增长优化，但我更关注内容本身的质量，长期来看，真正有效的增长来自用户自发传播。

持续跟进AI、押注非对称优势、跨学科、适应力

主持人：最后一个问题。我们刚才一直在聊 AI 如何替代或重塑工作，这对很多人来说其实是焦虑的来源：未来还会有工作吗？怎么保持竞争力？

对于产品经理、增长从业者来说，在这个 AI 优先的时代，应该怎么应对？

Amol：你们现在可以做的，有几件很现实的事。第一，所有人都会说的——用工具。你必须跟上工具的节奏。你需要用 Claude Code，也需要用 Co-work，要理解每一次模型发布到底带来了什么新能力，你可以怎么用在自己的工作里。有些场景会很好用，有些会很糟糕，但可能过一阵子新模型一出来，之前不行的场景 suddenly 就行了。如果你没有回头再试，你根本不会知道，而时间已经过去好几个月。

所以，持续跟进工具，一方面能提升你的生产力，另一方面也能帮你建立对 AI 产品的产品感知，这一点会越来越重要。

再往上看一层，我更倾向于这样理解：去押注你自己的“非对称优势”。有些 PM 在产品打磨（craft）上特别强，也有一些人擅长在一堆意见强烈的 stakeholder 中间斡旋，把一群人从混乱拉回同一个方向。如果你能识别出自己在哪种能力上有明显的“尖峰”，而且这个能力能直接转化为业务影响，那就狠狠干这件事，甚至可以先忽略自己的短板，把那一项做到极致。这本身就是稀缺价值。

接着，是跨学科能力。前面说过，在一个工程师开始像“迷你 PM”的世界里，一个产品感很强的工程师会变成稀缺品。同样，如果你是一个会设计的 PM，在设计资源紧张的时候，你的价值会被放大，组织也更难替代你。能力叠加，会直接降低你被淘汰的概率。我自己的路径其实也是类似的组合：创始人经历、投行背景带来的数据和财务能力、再加上一点销售倾向，以及现在做的增长，这些叠加起来，让我在某些场景里能产生比别人更高的影响力。所以你要找到自己的这种组合优势。

最后一点，是适应力。如果你还在用旧时代的打法硬套现在的环境，你会过得很难。在 Anthropic，我们常说的一件事是，你过去 50% 到 70% 的工作方式，都要扔掉。如果你不愿意改变，只会不断产生摩擦。你要接受一件事：游戏规则本身已经变了，你也得跟着变。

Anthropic能够成功的核心秘方：文化+人才

Amol：再补充一点关于公司。对我来说，Anthropic 最特别的，是文化和人。这可能是我们最核心、最难被复制的护城河。这里是一个真正以使命驱动的公司。坦白说，我刚加入的时候也不完全确定这一点，我认同他们的理念，但不知道内部是不是也是这样。

进来之后才发现，他们对这件事的认真程度，甚至比对外表达的还要强。这里的人非常清楚这项技术的潜力和风险，也理解它可能给人类未来带来的分岔路径。当你真的理解这种尺度的影响时，你会天然投入更多的热情。这里几乎没有“混日子”的人。我到现在没有见过一个人是松懈的。

所有人都在全力以赴。这种状态会释放出一种很难描述的能量。再加上高度透明的文化，Slack 上几乎什么都在发生。每个人都有自己的 notebook channel，有点像个人的 Twitter，你可以随时看到大家在想什么、研究什么。你也可以直接去挑战领导层。有人公开在频道里质疑 Dario，说不同意他的某些观点，然后引发一整轮讨论。这种开放性，会带来非常强的信任感。再叠加极高的人才密度，有时候我真的会有一种感觉：我是在一支“皇马级别”的队伍里踢球。

公司周围都是世界顶级人才

趣味爆料：吃爆米花的前美国驻澳大使

那种感觉就像，你身边都是这个世界上最顶级的人才。我觉得在研究团队里这种情况最明显，我们真的有全球最顶尖的研究员。你再看产品侧，我们有 Ammy Vora，她非常出色；还有 Mike Krieger，你会突然意识到，“哦，他随手创立了 Instagram，现在在这儿”。增长团队这边，有我的工程搭档 John Egan，算是增长工程领域的 OG，非常厉害；还有在 Reforge 教增长工程的 Alex Kamisuroka，在这里也只是团队里的一个普通成员。所有这些组合在一起，是一件很特别的事情。

我最喜欢的一个瞬间是几个月前在洛杉矶的公司线下会，我看到一个人独自在那边吃爆米花，我走过去问：“你是 Jeff 吧？”他说是。我说：“你之前是美国驻澳大利亚大使，现在只是这里的一名员工？”那一刻我真的觉得有点离谱——我平时还在和本国总理打交道，而这里的人才密度就是这种级别。所以我觉得，人才 + 文化，这就是我们成功的核心“秘方”。

Anthropic爆料：从创始人到员工，

“个人动态流”机制也成为了AI训练语料

Amol：关于 notebook channel，这个机制其实挺有意思的。简单说，它就像一个内部的“个人动态流”。不只是 Dario，每个人都有一个频道，你可以在里面分享自己的思考、优先级、在做什么。这既是信息同步工具，也是表达观点的地方，甚至会有人发一些很有争议的看法。

从管理层的角度，它还有一个作用：帮助快速扩张的组织“放大价值观”。当团队规模变大、新人不断加入时，你要思考——我们希望大家具备什么行为方式？什么原则最重要？你当然可以开会讲这些，但如果有一个持续输出的频道，比如我前阵子发了一条“要习惯主动放弃一部分收入”的观点，新加入增长团队的人一看到，就会意识到这里的思维方式和他们过去不一样。所以它既提升透明度，也是一种文化扩散工具，可以避免组织在快速扩张中出现“认知漂移”，让整条船保持一致方向。

Amol：还有一点很关键，这些内容本身也成了 AI 的“训练语料”。我们内部确实会把这些东西喂给 Claude。比如有些文档，HR 会特别标注：修改之前先找某个人确认，因为这是 Claude 会引用的重要资料。未来会越来越多这种结构化的“组织思考方式”，比如增长团队怎么判断问题、安全团队怎么决策，这些都会变成 Claude 的上下文，让它在协助工作时越来越靠谱。

关于工具这件事，其实也挺复杂的。我们确实会自己做一些内部工具，而且随着 Claude 能力变强，这种自建能力会提升。但与此同时，我们依然大量使用像 Slack、Figma、Workday 这些产品，而且短期内不会消失。

有些关于“所有 SaaS 都会被 AI 替代”的说法，我觉得有一部分是真的，但也有一部分被夸大了。很多工具背后有非常复杂的产品设计积累，也有长期打磨的能力，而且它们本身也是我们的客户，我们非常重视。我不认为短期内大家都会去自己造一个 Slack，这不是价值最集中的地方。

Anthropic强调安全并非为了博关注

：我们用“指数视角”看世界

Amol：再说回大家经常质疑的一点：为什么我们一直强调 AI 的风险。很多人觉得这是为了博关注、融资、制造话题。但从内部来看，这完全是出于真实信念。

第一，我们是用“指数视角”在看这个世界。如果你用线性思维去看，就会觉得变化没那么快；但如果你理解指数增长，你会意识到很多事情发生得会比大多数人预期更早。所以你必须提前讨论风险。

第二，我们内部其实比对外表达得还要更谨慎、更严肃。我们确实对未来是乐观的，但也清楚风险是真实存在的。很多时候对外说的已经是“弱化版”。

还有一点很现实，如果你不在场内，只是在场外喊，没有人会真的在意。但如果你在场内，是一个重要参与者，而且你的做法是有效的，你就可以影响其他玩家的行为。所以我们选择继续参与这场竞赛，同时努力把方向往“更安全”的一侧拉。

改变一切的创伤性脑损伤

主持人：Amol，你真的在很多方面都很有启发性。有太多理由会让一个人“走不出来”（小编注意：创业失败、脑损伤之后再次脑部受伤），但你一路走到现在，里面有很多值得借鉴的经验。从严重的脑损伤——是被踢到头吗？

Amol：对，是头部被踢了一下。

主持人：从那种可能连走路都困难、甚至听不了音乐的状态，到现在在增长最快的公司里负责增长，这中间的跨度太大了。这里其实还有一个点：你刚才提到“约束的力量”。你被迫休息、被迫冥想，这些反而对你是有帮助的。这对我们来说也是一种提醒。

Amol：对，“通过约束获得自由”，这是我那段时间最大的收获之一。

当你被限制住的时候，你会被迫适应。在商业场景里，它会逼你更聚焦；在个人层面，如果你的约束是“我什么都做不了”，甚至不知道自己会不会恢复，那其实你只剩两个选择。

一个是抗拒现实，一直跟现实对抗，让自己更痛苦；另一个是接受现状，不让它摧毁你的情绪。

当然，我该做的努力我全都做了——饮食、康复、各种方法，我都在全力尝试。但你依然要面对一个问题：结果不一定马上出现，那你的情绪要不要被结果绑架？

当效果迟迟不来时，你就必须重新定义：我的“幸福”到底来自哪里。

有位冥想老师说过一句话：真正的自由，是在得不到想要的东西时，依然能保持内心的满足。这并不是说你不去争取，而是你的幸福不完全依赖结果。

这很难，我也做不到完美，但这是我最大的收获之一。

信条：纠结要不要做的时候，直接去做

主持人：有没有你常用的一句话或信条？

Amol：一个是“she’ll be right”，这是澳大利亚很常见的一句话，大概意思是“没事的，会好的”。面对困难时，用这种方式弱化问题的严重性，其实很有用。

另一个是“有时候你就是要去做”。这是 Eros Resmini 常对我说的。他在我创业时是很重要的顾问。很多时候你会反复纠结要不要做，但有些事情，就是要直接去做。

主持人：最后一个问题，你现在还有什么新的爱好吗？

Amol：其实没太多时间。我现在基本就是工作、保持身体状态，然后照顾最重要的关系。如果说有的话，就是体育。我最近越来越喜欢看橄榄球，不是打，是看。

我太太是密歇根人，她带我去了一场比赛，从那之后我就变成了密歇根大学的球迷，同时也是 San Francisco 49ers 的球迷。我现在真的很喜欢看橄榄球。

Anthropic仍在狂招人

主持人：真的很感谢你在这么忙的情况下抽时间来聊。大家如果想在网上找到你，比如想申请你们团队的岗位，可以去哪里？另外，听众如果想帮到你，可以做些什么？

Amol：如果想申请工作，可以去公司的招聘页面看。我们在增长团队这边有很多岗位，包括增长工程、增长产品、增长设计，都在招人。我们确实在找非常优秀的人加入团队，欢迎来试试。

如果说怎么帮到我，其实就两点：第一，多用我们的产品，给我们反馈，尤其是那种比较直接、比较“狠”的反馈，告诉我们哪里做得不够好；第二，如果你身边有特别优秀的人，也欢迎推荐给我们。我们一直在找最顶尖的人才。

主持人：

对很多人来说，这就是梦中情司了。Amol，非常感谢你今天的分享。

文章来自于"51CTO技术栈"，作者 "云昭"。