史丹佛商學院播客《高層視角》（View From The Top）最近邀請了一位特殊嘉賓：Anthropic 聯合創始人兼總裁丹妮拉·阿莫代伊。有意思的是，這位執掌全球最重要 AI 公司之一的領導者，本科學的是英語文學，職業早期混跡於政治與國際發展，直到 2018 年才走進 OpenAI 的大門。一個「非技術出身」的文科生，如何走到 AI 浪潮的最前沿，並擔起一家前沿公司的領導？她的回答裡，藏著幾條對今天所有管理者都適用的啟示——而這些啟示，與華為等中國企業反覆驗證過的管理邏輯，竟有不少暗合之處。 01. 通才的力量 被低估的好奇心 丹妮拉自稱「通才」。翻開她的履歷，主線並不清晰：文學、國會山、一場競選、支付公司 Stripe、OpenAI，再到 Anthropic。她自己都調侃：「這個人到底擅長什麼？她既不是法律博士，也不是電腦科學家。」但恰恰是這種「看不出專長」的背景，讓她在多個領域之間穿行自如。 她的底氣來自兩點。一是她在 Stripe 近六年與大量工程師共事的經歷，給了她紮實的工程語境；二是她從小和一位極具天賦的物理學家哥哥一起長大——也就是後來的聯合創始人。她說，這兩段經歷讓她形成一種心態：「不要害怕技術。」術語和行話一開始會唬人，但只要你不停發問，身邊又有人願意耐心解答，你總能理解到底。

兆估值AI公司的CEO，手下居然只有一名直屬員工？？ 沒錯，最新估值9650億美元的Anthropic，只有一個人向創始人Dario直接匯報，而且這位還不是技術背景出身。 在輝達黃仁勳管60個人的襯托下，OpenAI奧特曼管6個人已經夠少了，沒想到還有高手。 這個唯一的-1是Anthropic的幕僚長Avital Balwit。

估值逆天。 全球最大AI獨角獸來了。 Anthropic剛剛宣佈完成H輪650億美元融資，估值達到9650億美元。至此，Anthropic正式超越OpenAI問鼎全球第一。 你可能無法想像，這家巨無霸始於一對親兄妹——達里歐·阿莫迪（Dario Amodei）和丹妮拉·阿莫迪（Daniela Amodei）。2021年，他們離開OpenAI，帶著一批核心成員另起爐灶。僅僅五年，Anthropic的估值就超過了老東家。

AI 競賽進入 2026 年，一個問題變得越來越尖銳：“算力是不是越多越好？”兆美元的訂單、百萬片的晶片採購、不斷刷新的資料中心投資，整個行業都在拚命囤算力。但 Anthropic 的答案不同。2026 年 1 月 3 日，Anthropic 聯合創始人兼總裁 Daniela Amodei 接受 CNBC 採訪時指出：AI 競爭的重點，不再是比誰的模型更大，而是看你怎麼把算力花對。這家從 OpenAI 分出的公司，連續推出 Claude 系列，贏得大量企業客戶。企業選擇 Claude，不是因為參數規模，而是因為它穩定、可靠、能在實際業務中放心使用。這種務實路線正在獲得認可。有外媒透露，Anthropic 已開始與投行溝通 2026 IPO可能性。當算力不再是信仰，而變成成本，你準備怎麼花？第一節：為什麼提前佈局算力？全行業還在加速投入算力。OpenAI 與 Broadcom 聯手開發自研晶片，xAI 籌建 AI 工廠，Google和微軟把計算力寫進財報。最近，Anthropic 宣佈購買近 100 萬Google TPU 晶片。Daniela Amodei 在訪談中解釋：“現在不訂，幾年後就買不到了。等真正需要時再採購，已經來不及。”這種提前佈局源於一個判斷：擴展定律（Scaling Law）還會繼續。Anthropic 曾是率先提出擴展定律的團隊之一。他們發現，只要計算夠、資料夠、架構穩定，大語言模型的能力就會穩定提升。這套規律每年都在應驗。既然相信這條定律還會持續，那就提前把未來幾年的算力鎖定。過去幾年，Claude 幾乎每一代都能進入性能最強模型行列，資源投入卻遠少於競爭對手。很多大模型項目發佈時參數量驚人，但實際部署後發現：成本翻倍，能力提升卻有限。Anthropic 的做法是：提前核算清楚每一筆計算資源的代價，提前配置好，不臨時加碼。當 OpenAI、Google、xAI 都在拼投入速度時，Anthropic 專注提前規劃。這種方式不搶眼，但如果 Claude 繼續穩定迭代，或許才是下一輪真正能站穩的策略。第二節：企業為什麼選擇 Claude ？算力用得準是一方面，產品做得穩是另一方面。在很多人眼裡，“安全”是大模型發展的制約因素，限制了模型的性能邊界和迭代速度。但在 Anthropic，“安全”和“能力"從來不對立。創始團隊在 GPT-2、GPT-3 時期就開始做可解釋性和對齊實驗，從一開始就決定：在模型訓練時就加入安全機制，而不是發佈後再打補丁。比如，他們提出憲法級 AI（Constitutional AI）：不是靠人工篩錯，而是讓模型自己學會判斷什麼是穩妥的答法；又比如，他們設定了 AI 安全等級（ASL）和負責任擴展政策：一個模型要上線，必須通過一整套評估流程，像做出廠檢驗一樣嚴格。很多公司不願這麼做。測試成本太高，發佈周期拉長，效果也不一定好看。但 Daniela Amodei 指出， 企業客戶的要求其實很簡單。沒有人說“我希望 Claude 更激進”，而是都在問：這東西靠不靠譜？能在核心環節上放心用嗎？對企業來說，用大模型寫段子、做視訊，當然有趣；但要讓它寫程式碼、做報表、梳理合同、分析風險，答案必須確定，不允許模棱兩可。Claude 之所以被 AWS、Google、微軟全平台接入，靠的不是更新得快，而是輸出穩定、邊界清晰、可追溯。Anthropic 甚至會主動公開風險資料。比如他們測試過 Claude 在極端場景下的響應行為，發現在某些致命場景中，模型會出現勒索傾向。這些測試並不光鮮，甚至可能被人誤解為暴露弱點。但他們選擇公開這些資料，理由是：越早發現模型可能出錯的地方，就越能提前規避。這背後的邏輯很清楚：對 Anthropic 來說，安全不是放慢節奏的代價，而是換取落地速度的前提。企業願意把 Claude 嵌入業務流程，把真實客戶資訊交給它，是因為它有邊界感，不會擅自決策。這種可靠性帶來的是口碑傳播，而不是靠功能堆砌。有的模型什麼都想做， Claude 只專注做好核心場景。這恰恰是企業最願意付錢的部分。第三節：資源效率從何而來？市場策略上，Anthropic 同樣克制。在 ChatGPT 成為焦點的這兩年，Anthropic 幾乎從未刻意追求出圈。沒有爆款 App，沒有亮眼功能演示，也沒有一次性堆滿幾十個工具。Daniela Amodei 提到，Anthropic 從創立之初就更適合服務企業。這個定位改變了整個團隊研發節奏。很多公司把模型功能數量當成優勢；Anthropic 的做法相反：客戶先提場景（比如要 Claude 幫忙讀財務模型）團隊再補強能力（比如改進 Claude 的結構推理能力）新能力繼續打磨（比如最佳化輸出方式、追問方式）客戶反饋驅動迭代，迭代改進服務客戶，形成了一個閉環。明確的客戶場景讓模型訓練更聚焦，穩定的企業客戶帶來持續收入，每一輪迭代都有具體方向。Claude 因此成了資源效率最高的大模型之一。資料證明了這條路的價值：Anthropic 在 2024 年底的年化收入是 10 億美元，到 2025 年 8 月已達 50 億美元，僅用 8 個月就增長了 5 倍。2026 年的目標是200-260 億美元，而這一切建立在 30 萬企業客戶和 80% 企業收入佔比的基礎上。Anthropic 不追逐曝光度，不頻繁推倒重來。每次更新都更接近企業標準，而不是追趕參數規模。當算力變成成本，答案已經清晰：花得準，比花得多，更重要。 (AI深度研究員)