#318.AI时代的投资洞察：从企业搜索到模型护城河，Anthropic投资人Deedy Das的AI创业与未来趋势 - 跨国串门儿计划

本报告基于知名播客 Latent Space 的一期深度对话，聚焦于风险投资公司 Melon Ventures 合伙人、前企业搜索公司 Gleen 核心成员及 Anthropic 早期主要投资人 DD Das 的前沿洞见。该节目系统性地探讨了人工智能时代下创业生态的演进逻辑，尤其围绕“企业搜索”这一被长期忽视但极具战略价值的领域展开深入剖析，并揭示了其在大语言模型（LLM）浪潮中实现从“无聊”到“酷”的根本性转变。报告首先以 Gleen 公司的发展历程为切入点，详尽阐述了其如何通过长达三年的扎实积累，构建起难以复制的技术壁垒和客户粘性，从而在 ChatGPT 问世后迅速获得市场认可，估值从10亿美元跃升至70亿美元。这一案例深刻揭示了“护城河”的本质并非来自对新技术的简单应用，而是源于对复杂问题的持续深耕与解决，尤其是在数据整合、用户行为反馈机制、以及企业级产品落地等关键环节所付出的巨大努力。

报告进一步将焦点转向 AI 领域的“双子星”——Anthropic 与 OpenAI，通过对两者增长轨迹、商业模式、组织文化及战略选择的对比分析，揭示了当前 AI 实验室在竞争格局中的深层动态。DD Das 以亲身经历指出，尽管 Anthropic 在短期内实现了惊人的增长速度，成为有史以来增长最快的软件公司之一，其核心驱动力并非单纯的市场份额扩张，而在于其独特的“研究驱动型”企业文化与对“生产资料”（即模型本身）的极致掌控。报告特别强调，Anthropic 能够在不依赖大规模销售团队的前提下实现快速扩张，其根本原因在于其底层技术能力已形成强大的网络效应，使得开发者和企业愿意主动接入并构建在其之上。与此同时，报告深入探讨了由 Melon Ventures 设立的 Anthology 基金，该基金作为连接 Anthropic 生态系统与外部创新者的桥梁，其运作模式、投资策略与成功案例（如 OpenRouter、Vesper、Prime Intellect 等）共同构成了一套全新的“平台化投资”范式，预示着未来风险投资将越来越倾向于支持那些能够定义新基础设施的“生产资料”公司。

最后，报告超越了商业层面，触及了 AI 技术发展带来的深刻社会与哲学反思。从“凭感觉编程”现象引发的工程师认知退化担忧，到对模型可解释性（Mechanistic Interpretability）的前瞻性布局，再到对“反身性”（Reflexivity）在资本市场的体现，报告展现了 AI 不仅是一场技术革命，更是一次对人类工作方式、思维模式乃至社会结构的重塑。整个报告以严谨的逻辑链条、详实的数据支撑和丰富的案例细节，为读者呈现了一份兼具战略高度与实践深度的 AI 产业全景图，充分体现了麦肯锡式研究的严谨性与洞察力。

企业搜索领域长期以来被视为一个“无聊”的赛道，其核心挑战在于，它无法像消费级产品那样依赖海量用户行为数据来优化算法。在2019年，当 DD Das 在湾区社交场合提及自己从事企业搜索时，对话往往瞬间终结，因为“这听起来无聊透了，别来烦我”是普遍反应。然而，正是这种被忽视的“无聊”，恰恰构成了 Gleen 公司最坚固的护城河。其根本原因在于，企业环境下的信息检索面临一系列独特且复杂的挑战，这些挑战迫使公司必须进行大量“没人愿意做的苦差事”，而这些工作恰恰是竞争对手难以复制的核心资产。

首先，企业搜索面临的最大障碍是数据量不足。与消费者搜索引擎（如谷歌、必应）可以利用数亿用户的点击率、停留时间等行为数据来不断优化排名不同，企业内部的搜索请求量极为有限。即使在一个拥有1万名员工的大型企业中，假设每位员工每天发起两次搜索，一年产生的总请求量也仅为约730万次。这个数字远不足以支撑一个有效的机器学习模型进行自我迭代。> “但在企业里，假设一个1万人的公司，即使每个用户每天发出两次搜索请求，这已经算很多了。就算5次吧，这个数据量也根本不足以产生任何有意义的反馈，让它变得有用。” 这种数据稀缺性直接导致了传统消费者端的“反馈循环”在企业场景中失效，迫使 Gleen 必须发明一套全新的信号体系来评估搜索结果的质量。

其次，企业搜索的查询分布特性与消费者市场截然不同。消费者搜索呈现出明显的“头部效应”，即少数热门关键词（如天气、新闻）占据了绝大部分流量。而在企业环境中，查询内容高度分散，每个员工都可能因个人职责而提出完全不同的需求，例如“福利政策”、“项目预算”或“某位同事的联系方式”。> “在企业里，可能每个人都想搜的是福利或工资单，但这其实没那么有用，每个人都在做自己的工作，有不同的需求，想查的东西也不同，所以企。” 这种高度个性化的查询意味着，无法通过简单的关键词匹配或流行度排序来解决问题，必须建立更为精细的语义理解与上下文感知能力。

第三，企业搜索的评估与验证机制异常困难。由于企业知识库的内容通常涉及敏感的业务信息，分析师在评估搜索效果时常常面临“面面相觑”的窘境。> “我们在企业里，我经常遇到这种情况，我们看着一些客户的数据，然后面面相觑，心想我们根本不明白这个查询是什么意思。我们也不明白这些结果是什么，我们不知道正确的排名应该是什么样的，我们其实完全不知道自己在干嘛，这种情况是有发生，因为这些领域对我们来说太陌生了。” 这种“黑箱”状态使得传统的 A/B 测试和指标监控方法几乎无效，迫使 Gleen 必须投入大量人力进行深度的人工标注与流程设计。

正是在这样的背景下，Gleen 通过自上而下的企业销售模式，构建了极高的客户转换成本。一旦企业采纳其解决方案，合同的扩展性极强，且替换成本高昂。> “Gleen 它采用的是自上而下的企业销售模式，一旦用上了就很难被替换掉。我们的合同也很容易扩展，因为潜在市场规模非常大，每个知识工作者都可能需要某种形式的企业搜索，以及在此之上的人工智能。” 这种模式确保了收入的稳定性和可预测性，为公司的长期发展提供了坚实基础。因此，DD Das 强调，Gleen 的成功绝非“AI来了才火了”的叙事，而是“我们做了所有苦活累活把搜索做好了，而AI恰好在合适的时机加速了我们的市场推广”的真实写照。> “我觉得我们已经完成了那些没人愿意做的苦差事，而且风投们包括现在的我都有一种倾向，就是喜欢把一个复杂问题简化成一句话的叙事。对于Glint这种叙事常常是哦你们做了个企业搜索一直没做起来，然后AI来了这事才火了，我觉得这完全不是事实。” 这一观点从根本上颠覆了市场对“技术风口”的肤浅认知，指出了真正的竞争优势来自于对行业痛点的深刻理解和长期耕耘。

随着大语言模型的普及，AI领域的竞争格局发生了根本性变化。过去，人们普遍认为“应用层”会捕获所有价值，因为它是面向最终用户的直接接触点。然而，DD Das 提出了一种更具洞察力的观点：护城河的本质在于技术栈中最难的部分。> “在我看来，护城河就是技术栈中任何一部分最难做的事情。” 这一论断深刻揭示了当前竞争的核心逻辑——模型层之所以能主导市场，正是因为其构建难度远超应用层。一个应用层的创业者可能只需掌握现有 API 即可快速开发，而一个模型实验室则需要顶尖的科研人才、海量的计算资源和数年的持续投入，才能实现突破。

这一观点在 Anthropic 和 OpenAI 的发展中得到了完美印证。两家公司均在2023年实现了从零到十亿美元级别的收入飞跃，其增长速度之快，使其成为有史以来增长最快的软件公司之一。> “Anthropic 是有史以来增长最快的软件公司，我觉得我可以很公平的这么说，目前还没人能反驳我。” 这种增长并非偶然，而是源于其对“生产资料”的垄断。当一家公司掌握了最先进的模型，它就相当于拥有了一个强大的“操作系统”，所有后续的应用都可以在其之上构建。> “每当你拥有了生产资料，你最终都会进入你的用户使用你的产品的那些市场，经典的亚马逊例子就是你先是成为一个人们可以卖东西的市场，然后你找到所有可以大批量销售的商品，接着你就开始生产电池，亚马逊品牌的电池，然后挤掉一大批卖电池的人。” 这种“平台化”路径清晰地描绘了模型实验室未来的终极形态。

然而，这种优势也带来了巨大的战略悖论。一方面，模型实验室需要保持开放，允许开发者广泛使用其模型来构建应用，以扩大生态系统；另一方面，它们又面临着自身产品化（如 Cloud Code）的诱惑。DD Das 指出，如果 Anthropic 真的想在企业搜索等领域深度拓展，其投入的成本将极其巨大，需要庞大的销售团队、现场工程师团队和定制化工作。> “所有这些精力去换取一个10万、20万，甚至可能是百万美元的增量订单。这对于他们超过50亿，甚至年底可能超过100亿美元的收入来说，真的能有多大影响吗？并不会。” 因此，从经济理性角度出发，模型实验室更倾向于将精力集中在研发上，而不是下沉到具体的应用场景中。> “你可以从一个 Anthropic 工程师的角度想想，你加入一个顶级的 AI 实验室是为了研究模型，而不是去写 Google drive 的连接器，对吧？” 这种“工程师理想主义”与“商业现实”的冲突，恰恰是推动模型层持续领先的内在动力。

此外，市场动态的变化也加剧了这种分化。根据 Mano（推测为 MarketWatch 或类似机构）的数据，OpenAI 在企业级 API 市场的份额从2023年的50%下降至2025年中预测的25%，而 Anthropic 的份额则从12%上升至32%。> “根据 Mano 的数据，2023年 Openai 的市场份额是50%而到2025年年中，你们预测 Openai 的市场份额会降到25% Entropic 当时是12%现在预测会到32%” 这一数据表明，市场正从单一巨头垄断走向多极化竞争。但值得注意的是，这种份额变化并不意味着技术差距的缩小，反而凸显了“锁定效应”的强大。> “一旦人们喜欢上某个东西并习惯了它，只要它能满足需求，他们就不会轻易换掉。” 企业客户在采购时，往往不是基于短期的投资回报率，而是基于“用户是否喜欢用”。> “人们购买生产力工具是因为他们的用户喜欢用。” 这种“病毒式传播”特性在 Slack 上表现得淋漓尽致，而搜索这类“单人游戏”则需要更巧妙的分发策略。Gleen 通过接管浏览器新标签页、嵌入 Chrome 扩展等方式，将搜索功能无缝融入用户日常工作流，从而实现了“超级式的用户获取”。> “所以我们愿意多走一步。有些公司会说，我们有自己的新标签页用的挺满意的，我们就会问上面有搜索框吗？他们会说有，我们再问，他用的是什么，他们会说我们内部的东西，我们接着问，你喜欢吗？答案显然是不喜欢，不然你也不会跟我们谈了，对吧？所以我们就说，那我们把它替换掉吧，多走这一步非常重要。”

面对日益复杂的 AI 生态，传统的风险投资模式正面临挑战。Melon Ventures 与 Anthropic 合作设立的 Anthology 基金，正是对这一挑战的创新回应。该基金并非一个简单的“企业风险投资基金”，而是一个旨在构建和赋能“生产资料”生态系统的战略性投资工具。其核心理念是：投资于那些能够围绕 Anthropic 模型构建下一代应用的创业者，从而巩固 Anthropic 作为“基础设施”的地位。

该基金的设立背景极具代表性。在2023年初，当 Melon Ventures 决定投资 Anthropic 时，后者还是一家规模较小、尚未被广泛认知的初创公司。> “当时的想法是，好吧，Anthropic 很难想象，当时的 Anthropic 和现在完全是两家公司，它那时要小得多，哈哈。” 正是这种“先知先觉”的判断，使得 Melon Ventures 能够在早期阶段就与 Anthropic 建立深度绑定。基金的运作模式经过深思熟虑，最终选择了“外部独立运营”的模式，而非将其置于 Anthropic 内部。> “所以我们认为放在外部更好，而且企业风险投资基金的激励机制有点不一致。” 这一决策至关重要，因为它避免了“唯我独尊”的内部投资陷阱，确保了投资决策的客观性和专业性。

Anthology 基金的投资组合呈现出鲜明的多样性，涵盖了三个主要类别。第一类是具有战略重要性的公司，通常是轮次稍后、规模稍大的企业，它们的成败直接影响 Anthropic 生态的健康度。第二类是大量使用 Anthropic 模型且自身实力强劲的公司，如 OpenRouter、Vesper 等。第三类则是极具潜力的早期创始人，他们可能尚未有成熟的产品，但其愿景与 Anthropic 的发展方向高度契合。> “我觉得你可以把进入Anthology的公司分为三类，第一类是对Anthropic具有战略重要性的公司，这些通常可能是轮次稍后、规模稍大的公司。第二类是大量使用cloud并且本身就是非常优秀的公司。第三类是非常非常早期的潜力巨大的创始人，他们可能会使用cloud模型和Anthropic等等，我们不要求大家必须使用某个特定的模型，所以我们保持的非常开放。” 这种开放性极大地吸引了优质人才。

基金的成功体现在其卓越的退出效率上。> “从我们投资到进入下一轮融资的公司比例，Anthology 基金里的公司要高得多。” 这表明，该基金不仅筛选出了高质量的项目，更重要的是，它通过提供深度的资源对接（如与 Anthropic 高管的交流活动），帮助这些初创公司快速成长。> “我们有很多活动，比如和创始人和所有高管的交流，人们真的很喜欢。” 这种“生态协同”效应，是传统风投难以复制的。例如，OpenRouter 作为一家专注于 API 路由的公司，其成功很大程度上得益于其对“产品驱动增长”（PLG）模式的极致追求。> “我甚至可以说，在任何 SaaS 市场，如果可以有 PLG 模式，那么 PLG 模式最终会胜出。” 其网站设计简洁，直接展示实时的模型使用情况，这种“开发者友好”的体验，正是 Anthology 基金所看重的“优秀基因”。

AI 技术的迅猛发展，正在深刻地改变软件工程的本质。DD Das 以一则真实的编码面试事件为引子，引发了对“凭感觉编程”（Programming by Feel）现象的深刻反思。一位求职者在面试中收到一封伪装成正规公司的 LinkedIn 私信，要求克隆一个仓库并运行一段代码。当他将代码输入 Cursor 时，AI 发现其中存在一个字节数组，编译后会生成一个链接，该链接会窃取他的大量私人信息。> “他声称他把代码放进 cursor 里，问他代码里有没有什么漏洞或者需要注意的地方，结果 cursor 发现代码里有一个字节数组，编译后会生成一个链接，这个链接会去窃取你的大量私人信息，这就是大概情况。” 这一事件揭示了一个严峻的现实：当开发者不再亲自阅读和理解代码时，他们就失去了发现此类隐蔽攻击的第一道防线。

这一现象背后，是 AI 对工程师“认知肌肉”的侵蚀。曾经，程序员的乐趣在于攻克一个极其困难的问题，经历无数次失败后突然顿悟的成就感。> “我越来越注意到，我昨天和几个好朋友聊天时还在说编码的乐趣之一，曾经是你被一个极其困难的问题卡住了，你不停的撞墙，想死的心都有了。然后最终你突然想通了，解决了它，这就是你在进步和变强时锻炼的那块肌肉。” 然而，如今的 AI 工具就像一个“老虎机”，开发者只需不断地“拉杆”（提交请求），就能得到一个看似正确的答案。> “但现在我发现连我自己都这样，如果你旁边一直有个老虎机，它可能会给你正确答案，也可能不会，但你就是不停的拉那个杆，求它修好它修好它修好它，哈哈哈。” 这种“即时满足”感，虽然提高了短期效率，却严重削弱了工程师的深度思考能力和问题解决能力，使其沦为“AI 的操作员”。

更令人担忧的是，这种趋势对年轻一代的影响尤为深远。> “但我最担心的是那些更年轻的孩子，对吧？你想想那些在大学里长大的孩子，如果你身边一直有一个明显比你更聪明的东西，你怎么能让自己去思考呢？” 一个18岁的计算机科学新生，看到 AI 一次又一次地“完美”完成任务，很容易产生“原来事情是这么做的”这种被动接受的心理，从而丧失了主动探索和批判性思维的能力。> “他们可能只会想，哦，原来事情是这么做的，哈哈，他们无法在内。” 这种“认知惰性”一旦形成，将对整个行业的创新能力造成不可逆的损害。

为应对这一挑战，业界正在探索新的交互范式。DD Das 提出了“快速智能体”（Fast Agent）与“异步智能体”（Async Agent）的区分。快速智能体旨在提供即时、低延迟的辅助，如同“抬头显示器”（HUD），帮助开发者更快地读取和理解代码，但最终的决策权和执行权仍掌握在人类手中。> “快速智能体能做的，或者说我今天做的基本上等同于一个抬头显示器给你更多的信息，但你仍然执行所有操作，所以我们帮你读读的更快、更高效、更专注，但你仍然自己写。” 这种模式旨在增强而非替代人类智能。而异步智能体则用于处理那些重复性、商品化的劳动。> “而异步智能体是用来做那些你知道怎么做，但你不想做的商品化的、无聊的、重复的劳动。” 这种分层设计，试图在效率与认知健康之间找到平衡点。

除了上述核心议题，播客中还包含了一系列丰富而深刻的细节，共同勾勒出一幅完整的 AI 产业图景。在技术层面，扩散模型（Diffusion Models）被视为一个极具潜力的替代架构。> “AI领域一个最引人注目的替代架构是扩散模型，我觉得它。” 与主流的 Transformer 架构相比，扩散模型在质量上已达到其80%-90%，但成本和延迟仅为1/10。> “我可以说在质量上达到了 Transformer 的80%~90%而成本和延迟只有1/10” 这种显著的性能优势，使其在需要大批量处理、对延迟敏感的应用中极具吸引力。尤其在代码生成领域，扩散模型的“去噪”过程天然适合处理代码中复杂的双向依赖关系，而非线性的从左到右推理。> “从左到右的推理方式对于代码来说其实不太合理……代码中有很多双向的依赖关系，所以它天然的倾向于使用扩散模型。”

在文化层面，Anthropic 的成功与其独特的“理想主义”团队文化密不可分。> “像Anthropic这样的公司，一个风险在于你有一个由极度理想主义的研究人员组成的团队。” 这种文化虽然可能导致高失败率，但也孕育了高成功率。> “但我认为正是那些让他们有很高失败倾向的特质，也让他们有很高的成功倾向。” 这种文化体现在其标志性的“思考帽”（Thinking Hat）和咖啡馆等公共形象上，这些举措并非单纯的营销，而是其“思考”理念的外化。> “他们还搞了咖啡馆之类的，这是一个非常有趣的公众形象重塑。” 这种文化与 OpenAI 等公司形成了鲜明对比，后者更侧重于“消费级产品”的快速迭代。

在投资策略上，DD Das 明确表示，市场份额这一指标在当前阶段并非核心考量。> “我不认为市场份额这个数字，市场份额这个数字在那个阶段，老实说，对于理解潜在市场总规模 Tam 更关键，在我们现在投资 Anthropic 的阶段，真正能影响决策的因素是这是收入，这是利润率。” 他更关注的是公司的增长轨迹、盈利能力以及未来进入新市场的可能性。> “这是增长轨迹，以及这是我们可能认可的他们想要进入的其他市场，他们可能刚开始或者正计划进入。” 这种以“未来价值”为导向的判断，正是顶级风投区别于普通投资者的关键。

综上所述，本次播客对话为我们提供了一幅关于 AI 时代投资与创新的全景图。其核心启示在于，真正的护城河并非来自对技术热点的追逐，而是源于对复杂问题的长期深耕与对人性的深刻理解。无论是 Gleen 公司在企业搜索领域默默无闻的三年苦功，还是 Anthropic 在模型研发上的“理想主义”坚持，抑或是 Anthology 基金对生态系统的精心培育，都证明了在 AI 时代，“慢即是快” 的智慧依然成立。

同时，这场对话也敲响了警钟：技术的进步必须与人文关怀同行。当 AI 工具成为工程师的“大脑香烟”时，我们必须警惕其对人类认知能力的侵蚀。> “它就像你大脑的香烟，因为你一按那个按钮，你就不再思考了，长此以往，我觉得如果你不用大脑去做那个任务，大脑就会变弱。” 这不仅是对工程师的警示，更是对整个社会的拷问。我们应当致力于构建一种“增强型”而非“替代型”的人机协作模式，让 AI 成为人类智慧的放大器，而非其消解者。

最终，这场对话的价值不仅在于其提供的具体洞见，更在于其展现的思维方式——一种融合了学术严谨、商业敏锐与人文关怀的综合洞察力。这正是在 AI 时代，每一位决策者、创业者和思考者都应追求的境界。