我們買的算力規模，是在“即便是第 10 百分位的悲觀情景下”，大機率依然付得起帳。YOLO式下注，風險旋鈕擰的太狠了。我認為勝率會在我們這邊。幾個小時前，素有“華爾街、矽谷超級提問者”的DealBook 創始人、紐約時報首席財經記者Andrew Ross Sorkin，與 Anthropic 的 創始人 Dario Amodei 展開了一場年末對話。這次採訪背景一方面是大洋彼岸已經處於聖誕前夕，但更重要的一面是，昨天，Anthropic被曝出已經啟動IPO籌備工作，計畫最快2026年上市，估值或達3000億-3500億美元。在此之前，則是 Transformer 架構和 Scaling Law 終結的爭議，以及 Gemini 3 Pro 模型的爆火，OpenAI  內部拉響紅色警報。這些事件的接連發生，讓此前甚囂塵上的“泡沫爭議”和接下來AI模型的發展走向帶來了新一輪的不確定性。Dario在爆出了自家的算力財務模型，他們內部稱之為一個不確定性圓錐。如果我有 80% 的毛利率，我花 200 億美金買算力，可以支撐 1000 億美金收入。但問題在於，這個“不確定性圓錐”實在太寬了，很難避免在某一側犯錯。此前，Dario 就曾表示，Anthropic 計畫在 2028 年實現盈虧平衡。而對於 AGI 的實現路徑，Dario 對於 Transformer 架構依舊保持樂觀：我仍然認為是 “規模化 + 偶爾的小修小補” 就足夠了。對於業界一直擔心的GPU晶片的折舊周期，Dario 回應道：舊晶片的價值會快速下滑。我們在建模時，已經默認舊晶片價值會快速下滑，同時也假設晶片效率曲線會持續高速演進。對於自己經常發出警告這件事，Dario對美國AI監管隱隱表達了不滿：現在美國監管已經分成了兩個世界，應該讓真正最接近AI技術的人來發聲。對於自己曾說過的“90%的工作會被AI替代”言論，Dario說，那只是半句話，下半句則是——那怕 AI 完成了 90% 的工作，而不是 100%，人類的“剩餘 10%”反而會被放大 10 倍，有時候甚至需要 10 倍的人，去完成原來 100 倍產出的事情。問題不在“會不會替代”，而在“企業願不願意更多選擇創造新價值，而不是只做極致降本”。以下是這次採訪的整理內容，大家enjoy！泡沫存在：接下來速度一定會放緩 但有些公司卻在YOLO 式下注主持人（Andrew Ross Sorkin）：今天下午的重頭戲從 Dario 開始。他是當今人工智慧領域最具影響力的人物之一，是 Anthropic 的聯合創始人和 CEO，這家公司以 Claude 模型聞名，是歷史上增長最快的科技公司之一，現在更是同時獲得了三大科技巨頭——亞馬遜、微軟和Google的支援。他比大多數人更早進入這個領域，早年在 BYU 做研究，後來加入Google，又成為 OpenAI 的早期成員，主導了 GPT-2 和 GPT-3 的研發。歡迎你來到現場。Dario Amodei： 謝謝邀請。今天可以聊的話題很多，包括——我們是不是正處在一個 AI 泡沫中？但我保證，我們會慢慢談到那個問題。主持人： 那我就直接問那個一開始提到的問題吧。你也承認，2014 年沒人想到 2025 年會走到今天這個程度。現在這個行業吸納的資金規模，幾乎代表了美國當前 GDP 增長的主要來源之一。我們是不是正處在某種泡沫中？是不是在過度投資？Dario： 這是一個非常複雜的問題，我必須把“技術本身”和“經濟層面”分開來看。從技術角度看，我非常堅定，我可能是最樂觀的那一類人之一。 但從經濟層面看，我確實有擔憂。即便技術真的兌現了承諾，生態裡如果有人在節奏上稍微踩錯一步，後果會非常嚴重。先說技術這部分。之所以我對技術進展並不太驚訝，是因為我和幾位後來成為聯合創始人的同事，最早系統性地總結過 AI 的“Scaling Law”——也就是只要你不斷加算力、加資料，在少量結構微調下，模型能力就會持續提升。像推理模型、測試時算力，本質上都是非常小的改動。我已經跟蹤這個趨勢 12 年了。最震撼的是：你用這樣極其簡單的方式訓練模型，它會在幾乎所有領域同步變強——程式設計、科學、生物醫藥、法律、金融、材料、製造業，這些正是整個經濟的核心價值來源。只看 Anthropic 自身，因為我們更偏企業級市場，我覺得更像一個“純粹的溫度計”。我們過去三年，收入每年 10 倍增長：2023 年從 0 到 1 億美元，2024 年從 1 億到 10 億，今年會落在 80 到 100 億之間。未來還會不會這樣漲？我不知道。但技術確實在推動價值，經濟回報也正在兌現。 它一定會放緩，但依然會非常快。所以我對“長期終局的經濟價值”是有信心的。主持人： 但問題在於，現在有公司每年要燒掉上千億美元，你們也計畫投 500 億。Sam Altman 去年的規劃數字同樣驚人。這是一次超級昂貴的下注。這個帳到底能不能算清，還是更多是一種“直覺賭注”？Dario： 這就進入我剛才說的第二部分——真正的困境來自於：“經濟價值增長速度”的不確定性，與“資料中心建設周期”的滯後性之間，存在巨大張力。 這是擺在所有公司面前的真實兩難。我認為有些參與者是在“YOLO 式下注”，把風險旋鈕擰得太狠了，對此我非常擔憂。主持人： 誰在 YOLO？Dario： 這個我不回答（笑）。但你可以換個視角想：如果你站在我這個位置，連續三年收入 10 倍增長，很自然會去問：明年會怎樣？如果你非常粗暴地外推，下一年可能是千億美元等級——我必須強調，我完全不相信這個數字。但它是數學上的上限之一。如果你從更理性的企業客戶、具體場景、銷售路徑去拆，可能是 200 億、300 億。所以我內部把它稱為一個“不確定性圓錐”——一年後是 200 億，還是 500 億，極其不確定。 我只能按最保守的一側去做規劃，但這種不確定性本身就足夠令人不安。算力財務模型 不確定性圓錐實在太寬了Dario ： 還要疊加一個現實因素：資料中心建設有很長的滯後周期，通常是一到兩年。這意味著我必須在“現在”，甚至幾個月前，就決定：在 2024 年初要買多少算力，去服務 2027 年初那個收入規模下的模型。這中間存在兩個強耦合風險：第一，如果我買少了算力，我就沒法服務所有客戶，只能把他們推給競爭對手；第二，如果我買多了算力，而收入又沒跟上，我就付不起這些算力的成本，極端情況下甚至會面臨破產風險。這個“安全緩衝”本質上取決於我的利潤率。如果我有 80% 的毛利率，我花 200 億美金買算力，可以支撐 1000 億美金收入。但問題在於，這個“不確定性圓錐”實在太寬了，很難避免在某一側犯錯。Dario： 我們自認為是一家相對克制、負責的公司。因為我們主做企業市場，我覺得我們的商業模式更健康，利潤更穩，也更謹慎。但如果你換成另一種模式，比如純消費者業務，收入來源沒那麼確定、毛利也不穩定，再加上企業家本身就是那種“偏愛 YOLO、偏愛大數字”的性格，那風險旋鈕就可能被擰得非常狠。只要存在不確定性，就必然存在過度擴張的系統性風險。 我們每家公司都面臨這個問題，再加上彼此之間的競爭壓力，甚至還疊加了與威權國家“國家層面的技術競爭”，整個系統都會被推著往前走。這種風險是不可消除的，只能被管理。 但我確實認為，有些參與者並沒有管理好這種風險，而是在進行不明智的下注。主持人： 你說到這裡，其實大家心裡大概也知道你在暗指誰。你曾對投資人私下說過，Anthropic 計畫在 2028 年實現盈虧平衡；而 Sam Altman 說的是 2030 年。我暫且按他的演算法來算：他需要在兩年內從 740 億美元等級的虧損，轉為兩年後實現盈利。這個在你看來合理嗎？Dario： 說實話，我不瞭解任何其他公司的內部財務情況，也不可能評價別人。我只能回到我們自己的計算邏輯，也就是那個“圓錐式不確定性”：我們買的算力規模，是在“即便是第 10 百分位的悲觀情景下”，大機率依然付得起帳。再糟也會存在“尾部風險”，這從來不可能為零，但我們在盡力把風險控制在可承受範圍內，同時又要確保我們在競爭中不被甩開。我們在訓練和推理上都很高效，利潤結構也不錯。我認為勝率在我們這邊。主持人： 現在市場上很多人開始討論所謂的“循環交易”，以前我們管這叫“廠商融資”。尤其是輝達，以及其他一些公司，直接入股 AI 公司，而這些公司隨後又用這筆錢去買輝達的晶片，相當於形成了資金閉環。你怎麼看？Dario： 我們也做過類似的交易，只是不是某些玩家那樣的大規模操作。我不講具體案例，只講一個“標準化結構”的例子，解釋為什麼它在邏輯上成立：假設你要建 1GW 的算力規模，買晶片、建機房，總資本開支大概是 500 億美元，使用周期可能是 5 年，也就是每年攤 100 億。如果你是一家年收入 80—100 億、處在快速增長期的公司，現在就讓你一次性掏 500 億，現實中根本不可能。那怎麼辦？大型廠商站出來說：“我先投你 100 億，佔 20%，你先用這 100 億覆蓋第一年，其餘的慢慢按收入滾動支付。” 如果你已經接近 100 億年收入，那這並不是一個瘋狂的賭局。資料中心一年建成，第一年融資覆蓋，意味著你只要在兩年後做到 100 億等級收入，就能跑得通這套邏輯。從結構上看，這並不違背商業邏輯。Dario： 真正的危險只發生在一個場景：如果你一層層疊加這種結構，最後變成“到 2027 或 2028 年，我必須做到 2000 億美元年收入”，那你就一定是在過度擴張。規模，決定了一切的風險邊界。一批晶片到底能撐過幾年？舊晶片的價值會快速下滑 保守押注者會活下來主持人： 這裡還有一個關鍵變數，幾乎決定了整個行業的“投資算不算得過帳”——晶片的折舊周期。你買一批新晶片，它到底是有效四年、五年，還是八年、十年？這個假設不同，整個行業的財務模型就完全不同。你怎麼看？Dario： 我們在內部做的是非常保守的假設。嚴格來說，並不存在一個固定、統一的“折舊年限”。晶片本身可以跑很多年，真正的問題不是“它還能不能用”，而是有沒有更快、更便宜的新晶片出現，並且你的競爭對手已經在用它了。 一旦出現這種情況，老晶片的相對價值就會迅速下降，甚至一年之內就會發生。現在不止是輝達，各家都在推新一代 TPU、GPU。我們在建模時，已經默認舊晶片價值會快速下滑，同時也假設晶片效率曲線會持續高速演進。我們在 Anthropic 的所有假設，基本都站在極端保守的一側。 結果是：在“幾乎所有世界線”裡，我們都可以活下來。當然，極端尾部世界線一定存在，但我只能為我們負責，不能替別人背書。我也完全可以想像，有些公司正在“自我欺騙”，建立在過度樂觀假設之上。主持人： 所以，市場上真正理性克制的，其實就你們兩家？Dario： 我不知道你在指誰（笑）。我真的不知道。ps：這裡小編猜測，所謂市場上真正保持克制的這兩家，一家自然是Anthropic，另一家90%的機率是指的 Amazon。（同樣瞄準的是企業市場，而且沒有過度囤卡。用排除法的話，只剩下 Amazon 和 Apple 了。然而Apple 算是大模型玩家嗎？？？不大會。）不卷C端！GoogleGemini強歸強，Claude清風拂山崗主持人： 那我們換個話題，聊聊模型本身的競爭格局。就在過去一周，矽谷內部幾乎“情緒失控”，因為某位你我都認識的人發佈了新模型，引發了巨大震動。Saraparay 去年也來過這裡，現在大家突然意識到，原本被認為“資料天生佔優、理應贏麻了”的 Google，可能真的開始發力了。 Sam Altman 內部甚至發了“紅色警報”郵件，讓所有人回到工位衝刺下一輪突破。在你看來，現在這些模型的真實排序是怎樣的？以及，這種“當下時刻的領先”，到底有多重要？Dario ： 這是少有的幾個時刻之一，我真心覺得 Anthropic 選擇了一條不同的道路，是一件值得慶幸的事。 我們走的是企業市場路線。你剛剛提到的另外兩位玩家，本質上都還是以 消費者市場為核心，雖然也在做企業業務，但主戰場仍在 C 端。這也是為什麼會出現“Code Red”那種等級的內卷——Google 要守住搜尋壟斷，而 OpenAI 的核心陣地也在消費者端，這兩家是在正面肉搏。對他們而言，企業只是“第二戰場”。而我們過去幾年一直在 圍繞企業真實需求反向打磨模型能力，最先爆發的是程式設計，現在已經開始延伸到金融、生物醫藥、零售、能源、製造等領域。模型戰爭當然重要，比如我們上周剛發佈的 Opus 4.5，在程式設計能力上幾乎被公認為目前行業最強模型。但我們真正走的是“不同維度”的競爭路線，所以對這種你來我往的短期廝殺，依賴反而更低。某種意義上，我們處在一個相對“優越”的位置：可以持續增長、持續迭代模型，而不用天天發“紅色警報”。企業級AI很挑模型，遷移成本很高 專精能力會和AGI長期並存主持人： 那這些公司真正的“護城河”到底是什麼？如果有一天真的到了 AGI 等級，所有模型是不是都會趨同？誰還會在乎你用的是那家？是“記憶能力”嗎？還是人格差異？很多人現在就是那個新就用那個。Dario： 我只能從企業側講我的結論。為企業打造的模型，和為消費者打造的模型，在“性格”和“能力結構”上差異非常大。 企業模型更少追求“黏性與娛樂感”，更強調編碼能力、高階智力活動、科學推理能力。我也不認同“只要到了 AGI，所有東西都會收斂成一個形態”。你看看在座的所有人，都具備“通用智能”，但我們沒有變成同一種人。專精能力會和通用智能長期並存。 再加上企業側的現實因素：公司會形成使用習慣，會和某個模型建立長期關係。即便是在 API 這種“賣裸模型”的業務裡，遷移成本也極高。下遊客戶適應了某個模型的“脾氣”，提示詞、互動方式都深度繫結，切換代價很大。這意味著企業級 AI 具備長期穩定的商業粘性。通往AGI，“規模化+小修小補”足夠了主持人： 一個純技術問題：你認為，現在這種基於 Transformer 的架構，加上純算力規模化，本身就足以通向 AGI 嗎？還是說還缺“某個關鍵成分”？Dario： 我仍然認為是 “規模化 + 偶爾的小修小補” 就足夠了。這些修改之小，小到外界可能根本不會注意到，只是實驗室裡的技術迭代。我已經觀察這些 scaling laws 超過 10 年了。主持人： 那你的時間判斷呢？AGI 在什麼時候？Dario： 我其實不太喜歡“AGI”“超人工智慧”這些詞，因為沒有清晰定義。它更像 晶片摩爾定律式的指數曲線——模型會在所有維度持續變強：新模型比上一代程式設計更強、科研更強，現在已經常態化拿下高中數學競賽，正在沖大學數學，甚至開始 首次產生“全新數學發現”。Anthropic 內部已經有人對我說：“我現在已經不寫程式碼了，我只是讓 Claude Code 先打草稿，我負責修改。” 這種狀態，在過去從未真正出現過。 這個節奏只會繼續加快，沒有所謂“質變奇點”，只是能力持續外推，模型的智力不斷抬升，收入曲線不斷往後面加零。美國AI監管已經分成了兩個世界主持人： 你在（美）監管、就業衝擊這些問題上也相當激進。白宮的 David Sacks 曾公開指控 Anthropic 正在通過“製造恐慌”推動監管，從而進行“高階版的監管俘獲”，並且已經傷害了創業生態。你怎麼回應？Dario： 我還是那句話：不要把這場討論變成對個人或單一機構的攻擊。 我從 2016 年起就開始公開寫 AI 風險和治理的論文，那時候 Anthropic 這個公司根本還不存在，更談不上什麼“監管俘獲”。而且我們支援的幾乎所有監管法案，都明確為中小型創業公司設立了豁免條款。 比如我們支援的 SB53 法案，年營收低於 5 億美元的公司根本不在適用範圍內。 我們在這件事上非常謹慎。真正該討論的，不是立場對立，而是具體政策是否合理。Dario： 你可以拋出各種指控，但這些說法和現實完全不符，無論是和我們實際支援過的法律條文，還是和真實情況，都對不上。現在其實存在兩個世界：一邊是 Andreessen Horowitz 等人，他們支援一個超級政治行動委員會；你們這邊也在建構另一個超級 PAC，試圖用完全不同的方式去影響這個行業的監管。問題是，為什麼？你們看到了什麼，是他們沒有看到的？我還是想把討論維持在政策層面。我對這項技術的看法是：我能理解一些人的樂觀來源，但我確實擔心，有一部分人把 AI 視為類似網際網路、通訊技術那樣的技術革命，覺得市場自然會解決一切問題。放在過去那些技術浪潮裡，這種看法也許是成立的。但真正最接近 AI 技術的人，並不這麼看。如果你去問那些真正做 AI 研究、真正建構模型的人——不是投資某些 AI 應用的投資人，也不是自以為懂 AI 的技術評論員——你會發現，他們一方面對潛力感到興奮，另一方面也非常擔憂。他們擔心國家安全風險，擔心模型對齊問題，擔心 AI 對經濟結構的衝擊。 舉個例子，有人曾提出要在十年內凍結所有監管，或者凍結州一級監管，而聯邦層面又沒有統一框架。這種提案去年夏天就出現過，上周又嘗試了一次，結果再次失敗，因為它極不受歡迎。連普通大眾都清楚，這是一個全新而且極具力量的技術。我可能是對 AI 正面效果最樂觀的那一類人之一。 我寫過一整篇文章《Machines of Loving Grace》，我在裡面說，AI 甚至可能把人類的壽命延長到 150 歲。再往後推，當資料中心裡真的出現“天才之國”，我們將擁有一個比任何人類都更快做出生物學發現的虛擬生物學家；它可能把經濟增速推到 5% 甚至 10%。老實說，我對這項技術的樂觀程度，可能比很多自稱“技術布道者”的人還要高。 但一切如此強大的東西，都不可能沒有巨大的副作用。作為一個社會，我們必須提前思考這些代價。 如果你說未來十年都不去監管這種技術，這就好比你在高速路上開車，然後決定把方向盤拆掉，因為“未來十年我都不需要轉向”——這在邏輯上是說不通的。老闆們不應該只做極致降本，而忽視創造新價值 90%的工作被AI替代，但剩下的10%會被放大10倍主持人： 那我們就談談其中一個最具體、最現實的風險——就業。除了駭客攻擊這些問題，你最近在《60 Minutes》裡也談到過工作崗位。我想知道的不是“有沒有可能”，而是，如果真的出現大量入門級崗位被替代，你認為應該怎麼應對？Dario： 我之所以不斷髮出這些警告，並不是為了當什麼末日預言家，而是因為“發出警告本身，就是解決問題的第一步”。如果我們不提醒自己風險的存在，就相當於在雷區裡閉著眼睛往前走；如果我們看見了地雷，就可以繞開它。我這段時間在認真思考這些問題，在 Anthropic 內部也是一樣。現在 Claude 已經開始為我們寫大量程式碼，我們也在親身經歷“工作如何發生變化”。我把應對方式分成三個層級，從短期到長期，也對應從企業就能推動，到需要整個社會投入更多資源。第一層，是企業自身與客戶層面的調整。 每一家客戶都會面臨同樣的權衡，這不是簡單的“取代或不取代”。一部分場景中，AI 會直接完成原本由人類完成的工作，比如保險理賠流程、KYC 全流程自動化，這些都可以端到端由 AI 完成。結果就是：更高效率、更低成本、更少人力。但還有另一種路徑——那怕 AI 完成了 90% 的工作，而不是 100%，人類的“剩餘 10%”反而會被放大 10 倍，有時候甚至需要 10 倍的人，去完成原來 100 倍產出的事情。問題不在“會不會替代”，而在“企業願不願意更多選擇創造新價值，而不是只做極致降本”。 前一種他們一定會做，我們也不打算攔；但如果他們願意更多做第二種，新增崗位也可能超過被替代的崗位。第二層，是政府的介入。 我並不把“再培訓”視為萬能解法，但它一定是必要選項的一部分。企業會做，企業也必須和政府一起做。但從財政層面看，我認為政府遲早要介入。我不確定具體是稅收工具，還是其他政策工具。但在一個高速增長的世界裡，我們曾做過一份報告，即便是今天這些模型，也已經能讓生產率每年提高 1.6%。這幾乎意味著生產率的翻倍，而且模型還在不斷變強。我認為未來有可能到 5%，甚至 10%。 這是一塊極其巨大的“蛋糕”。如果財富過度集中，這塊蛋糕本身也足夠大，大到我們完全有條件照顧到那些並未直接從 AI 中受益的人。第三層，是更長期的社會結構問題。 如果一個社會真正建構出了強大的 AI，它的運行方式必然會發生變化。回到凱恩斯在《我們後代的經濟前景》中提出的“技術性失業”，他設想他的孫輩也許每周只需要工作 15 到 20 個小時。這是一種完全不同的社會結構。當然，總有人會選擇拚命工作，但是否可能出現這樣一個世界：對很多人來說，工作不再是生活的絕對中心，意義的來源發生轉移，工作不再只是為了生存，更偏向於實現感？這種可能性真實存在。 我不是在提任何自上而下的規劃，我只是認為，社會終究會在後 AGI 時代，自己找到新的運行方式。這三層變化，從企業層面最容易、最快發生，到政府層面需要共識，再到社會結構層面最慢、最難推進。但未來很多年裡，我們三件事都必須一起做。主持人： Dario，我真心希望你還能再回來，和我們繼續討論這三件事該怎樣一步一步落地。非常感謝今天這場精彩的對話。Dario： 謝謝你，Andrew。謝謝大家。 (51CTO技術堆疊)

上周，在 Dreamforce 2025 峰會，Anthropic 聯合創始人兼 CEO Dario Amodei 說了一句引發廣泛關注的話：我對短期內 AI 的互補性依然樂觀，但我也必須坦白:兩到五年內，真正的替代將開始出現。這不是科技行業第一次有人談“AI 替代人類”。不同的是，Amodei 說這話時，Anthropic 內部已經發生了翻天覆地的變化： 他們的團隊裡，超過 90% 的程式碼已由 Claude 自動編寫，Bug 定位、系統偵錯甚至產品重構都由智能體完成。人類工程師的角色，不再是寫程式碼的人，而是審查 Claude 工作的人。這意味著，“AI 替代”不再是科幻電影裡的威脅，而是從 Anthropic 辦公室裡的一行行程式碼開始，在真實的生產系統裡一步步落地。但 Amodei 的警告，不止是給工程師的。“這不會只發生在開發者身上，”他補充說，“保險、金融、醫療等行業的企業客戶已經在用 Claude 執行端到端任務。被替代的第一批人，往往是工作流程裡那些最容易被自動化的崗位。”“AI 取代人類”這件事，從理論進入了倒計時。接下來，問題不再是AI 會不會替你，而是誰會先被替？他們是怎麼一步步被替的？而你，又該如何重新定義自己的角色？第一節｜替人的起點：端到端能力今天很多人說 Claude 會寫程式碼，但 Dario Amodei 的重點根本不是寫程式碼，而是它能做完一件完整的事。他觀察到：以前 AI 只是幫你寫幾行程式碼，現在它可以偵錯系統、修復 Bug、完成整個部署流程。換句話說，不再是你寫主力、AI 輔助，而是 Claude 把一件任務從頭到尾做完，人來稽核修改。角色變了，關係也變了。在 Anthropic 內部，這個轉變已經開始落地。Dario 舉了一個他們真實發生的案例：我們最近發佈模型時，叢集出現 Bug，工程師找了好幾天沒找到。後來我們讓 Claude 去排查，它居然找出了一個大家都漏掉的隱藏問題。從 AI 按你指令做一件事，到 AI 自己能判斷、執行、修復，走完整個閉環。而且這不是偶發事件。Dario 明確說：“我們現在團隊裡的程式碼，90% 都是 Claude 寫的。人類的角色更像是編輯者、監督者。”實際上，工程師不再是執行者，而是把 AI 當成“實習生”或“外包員”來分配任務、檢視成果、保證質量。不僅是 Anthropic 內部，Claude 的企業使用者也在驗證這點。Anthropic 聯合創始人 Mike Krieger 在早前訪談中也透露：我們有客戶讓 Claude 連續運行 30 小時，完成了一項複雜的系統重構。30 小時，非人類值班，任務不中斷。這不再是對話模型，而是長期運行的虛擬執行者。它能記住目標、追蹤上下文、發現並糾正問題。做的不再是語言生成，而是任務交付。在10 月 20 日 與製藥巨頭禮來(Lilly)首席資訊官 Diogo Rau 的對話中，他說：“不要被我們能用 AI 做那些小事這種想法限制住。有一個現有流程，它有 20 個部分，你想在第 5 部分和第 12 部分引入 AI，這實際上很困難。但一年後，AI 可能就能從第 0 部分到第 20 部分端到端完成。”如果模型在一年後才足夠強大，而你那時才開始部署，就會再延誤兩年。要對技術進步的速度有信心，現在就開始為端到端變革做準備。這段話點破了替代的本質：因為替代不是某個時刻突然發生的，而是從“輔助”變成“交付”的那一刻開始的。當 Claude 不只是回答問題、生成文字，而是能：理解任務目標呼叫工具和代理自主運行並糾錯交付最終結果那你還需要幾個人做這件事嗎？我們過去總以為 AI 只是幫你快一點，但 Dario 的話意思很明確：Claude 能做端到端任務的那一刻，就意味著你不再需要中間這些環節。程式碼只是開始。真正替人的，不是 AI 變聰明了，而是它開始像系統一樣工作：持續執行、串聯流程、自主呼叫、糾錯最佳化。這套執行力，才是 AI 從工具向崗位躍遷的分水嶺。第二節｜第一批被替：中間環節的人我們常以為被 AI 替代的會是低技術、低學歷、低門檻的崗位，比如文員、助理、客服。但 Dario Amodei 給出的判斷恰恰相反。他說：不是說人類沒有事情可做，但兩到五年內，整個經濟體系都會被深度重塑。影響最大的不是個別崗位，而是所有環節都可能被壓縮、被替換、被重組。換句話說，AI 替代的並不是誰技術差，而是誰在流程中傳遞資訊、而不是創造結果。只要一份工作裡，沒有核心創造，而只是把資訊從 A 傳到 B，再從 B 整理成 C，那這件事 Claude 能替你做，而且可能還更快、更便宜、不出錯。你會發現，很多看起來有技術含量的中間環節崗位，其實只是資訊搬運工：把會議內容整理成報告把客服反饋總結成周報把資料填進表格，再匯出成 PPT把行銷計畫分解為具體工單，下發至不同部門這些工作的共同特徵是：資訊已有步驟明確不涉及複雜判斷成果可驗證而這正是 AI 最擅長的工作。Mike Krieger 補充了一個 Anthropic 客戶的真實案例：有客戶在財務部門用 Claude 自動生成分析 Excel 表格，Claude 會自己理解資料、做推導、畫圖表。不是把 Excel 做成工具給人類用，而是 Claude 直接接管整套流程。所以這不是一場程式設計師和 AI 的戰爭，而是“中間環節的人”和“做完整件事的人”之間的更替。再進一步看，只要一家公司使用 AI 來：審查合同 → 整合文件 → 寫會議紀要歸檔工單 → 生成 FAQ → 自動發郵件撰寫預算 → 分析花費 → 出年度報告那些專門做這些事的崗位，還需要幾個人？因為過去一項工作要三四個人輪流做，現在 AI 一步跑完。這，就是第一批會被替的現實依據。Dario 的判斷不是基於情緒，而是他們內部已經發生的變化：我們沒有解僱工程師，但我們團隊裡，每個人的角色都在重新定義。這句話的意思很清楚：AI 不是一刀切，而是讓原本的人力變得邊緣化。先被替的，正是那些沒有決策權和創造權的崗位。第三節｜新工作方法：不是幹活，而是指揮 AI 幹活AI 真正開始替人的那一刻，很多人最直覺的擔心是：那我們是不是要沒工作了？但 Dario Amodei 在 Dreamforce峰會上給出了一個出人意料的答案：你可能需要更多人，因為他們可以獲得更大的槓桿效應。工程師可以變得十倍更有生產力。AI 在替人，為什麼還需要更多人？IG Group 案例：他們的分析團隊每周節省 70 小時，但這些時間被重新投入到更高價值的戰略工作中。某些用例的生產力翻倍，3 個月就實現了 ROI。Cox Automotive 在 VinSolutions CRM 中使用 Claude 後，消費者諮詢響應和試駕預約數量翻了一倍多。Palo Alto Networks 讓 2500 名開發者使用 Claude，沒有任何 Claude 經驗的初級開發者完成複雜整合任務的速度快了 70%。這些案例的共同點是：人沒有被“替掉”，而是“角色”升級了。但這個轉變並不容易。一項針對 16 名經驗豐富的開源開發者的研究發現：當他們使用 AI 工具時，完成任務的時間反而增加了 19%。開發者預測 AI 會讓他們快 24%，結果卻慢了 19%。為什麼？因為有經驗的開發者有大量上下文，而 AI 沒有。他們需要把自己的問題解決策略改造成 AI 能理解的形式，還要花時間偵錯 AI 的輸出。但學會管理 AI，需要時間和練習。而時間，可能不多了。史丹佛大學的研究顯示，22-25 歲軟體開發者的就業率自 2022 年底以來下降了近 20%，因為 AI 工具正在接管過去分配給初級員工的常規編碼和資料任務。哈佛商學院教授 Christopher Stanton 警告說，隨著僱主重新定義早期職業角色，工資可能會下降。但與此同時，Salesforce 的首席人事官表示，公司正在大規模招聘新畢業生，2025 年夏天接納了 1000 名實習生。她指出，現在有很多 6 個月前根本不存在的新崗位。未來，不是所有人都會失業，是工作角色正在被重新定義。那麼，什麼樣的人能適應這種變化？真正高價值的人，能做到：清楚表達需求合理分配任務給 AI驗證 AI 的工作成果AI 出錯時知道怎麼糾正這，就是 “AI 統籌師”。Dario 在 Dreamforce 上明確表示：我很擔心，特別是人們適應的能力，因為工作變化得太快了。這不是危言聳聽，而是正在發生的現實。時間窗口，只有兩到五年。結語｜不是會不會，而是什麼時候Dario 說得很明白：“不是替代，是重排分工。”AI 不再是工具，而是能獨立完成工作的虛擬同事。它能端到端跑完流程，找出人類漏掉的問題，連續工作不停歇。真正被替的，不是崗位，而是那種只會做一環、不懂用 AI 的人。Anthropic CPO Mike Krieger 則表示：我們建構的是可信賴的虛擬同事。不是輔助，是上崗；不是幫你，是幹完你幹不完的。接下來兩到五年，變化可能會比大多數人預期的更快。 (AI 深度研究員)

資料顯示，僅2025年開年以來，美國已有超過一萬個崗位因為引入AI而被裁撤。Anthropic CEO Dario Amodei認為AI技術的擴散對就業和社會的衝擊，已經到了必須向全世界預警的地步。如果你現在正在找工作，那AI簡直就是個壞消息。短短幾個月裡，美國科技公司和政策層對「AI如何影響就業」的討論，突然顯得直白又冷酷：「AI將帶來企業重組，這意味著更少的崗位，更多的裁員。」「是繼續花錢請工程師，還是乾脆多買幾塊GPU來搞AI，企業需要做出抉擇。 」不少科技大佬也公開承認，一些崗位會更快被機器承擔，應屆生步入職場的入門級崗位也在不斷減少。比如，Anthropic CEO Dario Amodei就再次重申了他之前的觀點：未來五年內，最多一半的入門級辦公室崗位可能被淘汰，並可能把失業率推至10%–20%。AI重組企業帶來更少崗位和更多裁員華爾街所追捧的「更少的工人、更多的算力與軟體」的AI故事，背後的真相，其實是日益減少的崗位，以及接連不斷的裁員。比如，Reddit上就有人質疑：高管們對媒體吹AI，只是為了用它來做裁員的擋箭牌。耶魯管理學院教授Jeffrey Sonnenfeld認為「AI警告」具有「疫苗效應」，它可以幫助CEO為未來裁員鋪墊敘事，不至於讓員工太震驚。不可否認，現實中有這方面的因素，但不少科技大佬更喜歡用的的一個詞是——企業重組。在近期紐約的一場科技峰會上，多位CEO都談到了它：「要以技能和能力為核心重新定義員工體系，而不是單純按人頭來配置」。在新組織架構中，中層管理崗位可能會減少，層級更扁平，變為頂端與底層兩頭多，中間少的「槓鈴型」組織。所謂企業重組，潛台詞就是更少的崗位，更多的裁員。用Altimeter Capital合夥人Apoorv Agrawal的話來說，企業將面臨如下抉擇：是繼續花錢請工程師，還是乾脆多買幾塊GPU來搞AI。而且，隨著AI的滲透，企業還將迎來更多結構調整，AI公司也成為AI重組的重要策源地之一。Amodei提到在Anthropic內部，許多人過去一年的工作已經發生了巨大變化：這不僅體現在他們產出是之前的兩到三倍，也體現在他們的工作內容上。他們不再是寫程式碼，而是在管理一整套AI系統。由於這些變化，他們需要重新思考在Anthropic的角色。在Amodei看來，這些發生在AI公司內部的變化，未來幾年也會發生在所有使用AI技術的其他企業身上，「更直白地說，只要公司有為股東創造價值的受托責任，能用技術提升生產力，他們就會用。」據獵頭機構Challenger月報顯示：僅2025年至今，美國已有超過一萬個崗位明確因為AI被引入而被裁撤。比如，Salesforce CEO馬克·貝尼奧夫就曾公開宣稱：支援團隊崗位從約9,000人降至5,000人，部分工作由AI代理承擔。Salesforce CEO Marc Benioff表示，客戶支援部門的AI代理正在取代人類崗位那些崗位將最快被AI衝擊？奧特曼近期曾多次表示，客服/技術支援將最早被替代，隨後可能波及程式設計師。他還預判崗位更替周期將被顯著壓縮。初級白領崗位受衝擊最劇烈，有資料顯示：自2023年1月以來，入門級職位的招聘減少了35%，大型科技公司和成熟初創公司中，少於1年工作經驗的新員工入職率在2019年至2024年間下降了50%。在近期的一次AI科技峰會上，Anthropic CEO Dario Amodei再次重申了他之前的觀點：未來五年內，最多一半的入門級辦公室崗位可能被淘汰，並可能把失業率推至10%–20%。受影響方向包括法律、金融、諮詢等。Brookings學者Mark Muro轉述Amodei觀點：入門白領50%或被淘汰，失業率或達10–20%。9月份，聯準會主席Jerome Powell在談到AI對就業的影響時提到，AI可能減少入門級崗位，衝擊應屆大學畢業生的就業市場。從企業來看，因為對AI的過度追求，而忽視了初級崗位，這也是一種短視行為：一方面，很多AI技術還不能賺錢，也有不少嘗試採用AI的公司最終都放棄了，這說明AI還沒真正成熟，遠沒到可以完全充當「AI員工」的時候。但更為根本的是，如果企業不再招聘年輕人進入初級崗位，眼前可能省了成本，但長遠來看卻會吃大虧，因為等於放棄了將組織經驗和知識傳承給下一代的機會。倫敦政治經濟學院經濟學家Luis Garicano就批評AI自動化初級任務，摧毀了未來專家的「培訓基地」，企業將面臨「後繼無人」的挑戰。如何應對AI的崗位大清洗？AI將會大規模衝擊就業市場，在美國政府和科技界已經達成共識。但在如何應對這場就業風暴，各方並沒有一致的看法。在近期的「Axios AI+ DC」峰會上，Dario Amode與在場多位政商代表就如何應對AI對就業的衝擊問題，同台交鋒。各方爭議指向一個重要問題：美國政府要不要出手為勞動者托底？怎麼托，托到那一步？這也是未來幾年美國政府最具影響力的關鍵決策之一。Dario Amodei是「預警派」。他再次拋出前文提到的AI可能引發「白領大裁員」的預測，他認為目前AI快速發展引發的就業危機，已經到了向世界發出預警的程度。「我們是技術樂觀主義者，我們認為這項技術前進的速度遠比大多數人預想的要快。」Amodei認為當前比較重要的事情，是幫助人們適應AI技術。他建議美國政府出面解決問題，尤其是在轉型過渡期為大家提供兜底政策，他還提議可以考慮對AI公司徵稅。白宮經濟顧問Jacob Helberg與Amodei不同的是，白宮經濟顧問Jacob Helberg並不認同這套預警邏輯，他更相信通過私營部門推動就業市場的適應轉型。「認為政府必須手把手幫助每一位被裁員的人，這其實是低估了人們的應變能力，那種自上而下、政府全權解決一切的思路，其實也低估了私營部門強大的適應力和創造力。」Jacob的意思是不要把政府當保姆，也別低估人的應變能力，以及企業的創造力。在兩種對立觀點之間，還有一種中間路線：比如新建公共就業服務機構，為年輕人提供就業機會；或者由科技公司出錢設立公共「信託基金」，對勞動者進行技能提升和再培訓。其實，幫助勞動者對AI公司也有好處：如果大家都沒工作，他們的客戶也就不存在了。在AI浪潮之中，需要的是整個社會的共同進化，沒有誰可以獨善其身。 (新智元)

Anthropic CEO在最近的一次訪談中，說了一個很「炸裂」的斷言：半年內，90%的程式碼AI都能勝任了！ 為了查證這句話是否屬實，我們找到了整個訪談的內容，發現Anthropic CEO Dario 確實是這麼說的： 我們正逐漸接近一個世界，也許在3到6個月內，AI將能寫出90%的程式碼。而在12個月內，我們可能會進入一個AI幾乎能寫出所有程式碼的世界。 不過，程式設計師仍然需要做一些事情，例如定義任務條件、決定整體應用程式的架構、設計決策、如何與現有程式碼協作，以及判斷程式碼是否安全等。

一位科學家，幾個月前寫了一篇文章，宣示了他和他的公司透過強大的人工智慧解決全人類身心健康、心理疾病、貧窮、和平、工作與生活的意義等諸多方面的美好善意。幾個月後，還是這名科學家，又突然發佈了一篇文章，強烈呼籲不應該讓任何一塊美國的晶片出口到中國，以限制中國人工智慧的發展，維繫人工智慧的「單極世界」（我很震驚他會赤裸裸地使用這個詞彙）。這件事，怎麼看都讓人覺得割裂，以及那麼一絲虛偽。 這個人就是人工智慧公司Anthropic 的創始人和CEO Dario Amodei，義大利裔美國人、神經物理學博士、資深AI 科學家、昔日的OpenAI 研究團隊靈魂人物之一、中國公司百度的深度學習實驗室早期員工、號稱將打造最強大和安全的AI 的理想主義者、OpenAI 最重要的競爭對手的創始人，以及現在，美國對中國AI 全方位無死角禁運最激烈的呼籲者，沒有之一。 儘管An​​thropic 和它旗下的Claude 系列模型在中國公眾當中的知名度相當有限，但畢竟，它是目前世界上最受AI 應用開發者歡迎的大語言模型的提供者，在中國的AI 研究人員和開發者群體中也有著相當多的支援。但一夜之間，許多中國的AI 從業者公開表示：Anthropic 和Amodei 本人失去了他們最基本的尊重。 這就是一篇「檄文」的效應。

近期，Anthropic CEO Dario Amodei發表了2萬字預測文章，其中包括提到2026年就可能開發出強人工智慧（AGI）。此後，短短5~10年，人類壽命將翻倍。 同時，他認為，如果願意，半永久性的，大部分精神障礙可以治癒，體重得到控制，健康福利迅速蔓延到世界上最貧窮的國家。大多數傳染病和癌症將被根除，老年痴呆症將被預防。 此外，他強調，強人工智慧（AGI） 的影響是將把 21 世紀 50-100 年的生物醫學進步壓縮到 5-10 年，這將是一場“難以想像的人道主義勝利”，而這一結論“在並不太科幻的假設下”，強大的人工智慧能力將一舉消除困擾人類數千年的大多數弊病。 Dario Amodei本身在生物學和神經科學方面都有專業經驗，Dario Amodei （出生於 1983 年）是一位義大利裔美國人工智慧研究員和企業家，他本科從加州理工轉學到了斯坦福學習物理學，又在普林斯頓大學拿到了物理學博士，期間又研究了神經科學，博士後在斯坦福大學醫學院。他是Anthropic的聯合創始人兼首席執行官，該公司是大型語言模型系列Claude AI 背後的公司。他曾擔任OpenAI 研究副總裁。

最熟悉OpenAI 的團隊，用更少的資源開發大模型。 OpenAI 的GPT-4 發布一年後，終於有了一個評測指標全面超越它的大模型。 3 月4 日，Anthropic 發布三個版本的大模型系列Claude 3，性能由強到弱分別是：Opus （拉丁語“作品”）、Sonnet（英語“十四行詩”）和Haiku（日語“俳句” 的音譯）。 Anthropic 列出的十項常用模型能力評估資料集表現，Opus 得分全都超過GPT-4，視覺辨識能力評估資料集上的情況也一樣。

Anthropic的創始人達里奧·阿莫迪（Dario Amodei）和丹妮拉·阿莫迪（Daniela Amodei）告訴《福布斯》，該公司週一發布的以企業解決方案為重點的新模型——Claude 3優於競爭對手GPT-4和Google （Google）的Gemini 1.0 Ultra。 Open AI或Google被追平比分可能只是Anthropic發布新產品的一個小噱頭，更大關注點應該落在人工智慧公司面對未來所選的商業化路徑上。頭部大模型公司已經站在了一個十字路口上，當Inflection、Character.AI甚至OpenAI等公司進一步涉足消費者用例時，Anthropic一頭扎向了企業客戶。 聯合創始人達里奧·阿莫迪和丹妮拉·阿莫迪兄妹說，Claude 3的發布再次表明，“Anthropic更像是一家企業公司，而不是一家消費者公司。” Anthropic在台北時間昨晚，發表了一系列新的大型語言模式。這家人工智慧公司稱這些模型是迄今為止世界上最聰明的模型，性能超過了競爭對手OpenAI和Google。