Anthropic President Daniela Amodei Talks the Future of Claude

• Anthropic 的双核心领导结构建立在明确分工而非共同管理一切之上。 Dario Amodei 负责技术愿景、能力边界与长期雄心，Daniela 负责执行团队和组织日常经营，包括客户、产品、研究如何进入实际应用。两人出现分歧时，默认不是争夺决定权，而是追问对方掌握了什么不同信息；Daniela 称，80%–90% 的分歧最终会收敛为优于任一初始方案的“第三条路”。
• Daniela 拒绝把 Anthropic 的目标表述为赢过 OpenAI。 即使主持人引用了约 470 亿美元年化收入运行率预测和估值变化，她仍把衡量标准拉回客户、使命与日常执行：公司要以 ethical、responsible、fair 的方式开发 AI，并对越来越依赖模型的企业与个人负责。
• 资本、算力和商业化必须同时受长期能力判断与财务纪律约束。 前沿模型的训练和推理需要巨额前置资本，因此 Daniela 判断核心前沿公司最终需要公开市场；但在算力合同上，Anthropic 宁愿短期供不应求，也不愿在高度不确定的需求下过度承诺、购买未来无法有效使用或支付的资源。
• AI 的企业价值不等于 token 消耗量。 Anthropic 会追踪内部 Claude 的使用场景，却不设置“用得越多越好”的排行榜；Claude Code、Claude Design、Cowork、财务分析和绩效评估工具都先从内部真实需求长出来。Daniela 预计行业会从当前的实验性推广，转向嵌入编码、金融、法律、医疗等具体工作流，并用员工是否因此更成功来判断价值。
• 安全原则通过“防守方先行”的产品机制落地。 Mythos 具备发现并利用关键软件漏洞的能力，Anthropic 先让网络防守者、政府、非营利组织和关键基础设施获得访问权，再扩大到 15 个国家约 150 家机构，为修补漏洞争取时间。政府合作、财富再分配和劳动力影响也遵循同一逻辑：技术能力越强，公司越要主动研究外部性并为红线负责。

贯穿全场的核心线索是：Anthropic 不把“负责任”当作技术进步之后的附加约束，而是把它嵌入领导分工、资本配置、客户价值、政府关系和模型发布顺序之中。 Daniela 反复把“谁领先”的外部叙事，转化为“公司在能力上升时如何保持克制、可解释和可承担后果”的经营问题。

核心要点：Anthropic 的领导模式以互补为基础。Dario 维持技术方向和长期尺度，Daniela 把研究、产品、客户与组织日常经营连起来。

• Daniela 回顾，Dario 在 2010 年代早期就强烈相信人工智能会成为重大力量；在 Anthropic 内，他持续提醒团队技术将走向哪里、公司应该保持多大的雄心。
• Daniela 对自己的定义更接近经营负责人：管理 executive team，处理客户、产品、研究及其面向用户的应用决策，而不是与 Dario 重复覆盖技术愿景。
• 她直言，自己很难想象“一位 CEO 独自经营一家公司”如何长期承受全部复杂性；两个彼此非常了解的人共同承担领导责任，反而更自然。
• 兄妹关系提供了数十年的“冲突训练”。Daniela 用小时候争玩具来解释：两人早已熟悉如何争执、修复关系，并在分歧后继续相互信任。
• 分歧发生时，她的默认动作是好奇而非防御：如果一个决定对自己看起来显而易见，而 Dario 得出相反结论，她先假设对方拥有自己缺失的信息或不同视角。
• Daniela 估计，80%–90% 的分歧不会以一方获胜结束，而是形成结合两方判断的第三种方案。双核心的价值，正是把同一决策强制放进两个视角中校验。

“How you disagree really matters.” —— Daniela Amodei

核心要点：面对收入、估值和竞争排名，Daniela 把注意力重新拉回公司能控制的变量——服务客户、保持谦逊和兑现使命。

• 主持人回顾，两年前 Anthropic 在与 OpenAI 的竞争中仍被视为 underdog；如今 Claude 尤其受到开发者欢迎，并引用了公司约 470 亿美元年化收入运行率预测和估值首次超过 OpenAI 的说法。
• Daniela 没有顺势宣布领先，而是称“这完全是错误的思考方式”。她认为一旦领导团队沉迷外部排名，公司就容易从任务本身转向数字与身份。
• 她再次说明 Anthropic 的成立理由：以 ethical、responsible、fair 的方式构建和部署 AI。随着模型进入办公室和个人生活，公司获得的不是单纯增长机会，而是更大的责任。
• 她给出的内部标准是“每天成为公司能成为的最好版本”。这要求持续投入时间、专注、精力和谦逊，而不是把某一次估值或产品热度当作终点。
• 这一判断也贯穿后续对政府、算力和模型开放的回答：外部竞争者会采取什么策略不可控，Anthropic 只能决定自己在同样处境下愿意如何行动。

“All of these numbers, they're actually not the point. We are really here to do a job.” —— Daniela Amodei

核心要点：Daniela 确认 Anthropic 已秘密提交 S-1，但拒绝评论时间表；她对行业层面的判断是，训练和服务前沿模型所需资本最终会把核心公司推向公开市场。

• Daniela 确认公司已经 confidentially filed its S-1，这让 Anthropic 在 SEC 审查后拥有潜在上市选择；受监管要求所限，她不进一步讨论 IPO 计划。
• 主持人把问题提升到行业层面：上市能够获得更多资本，但也意味着季度业绩和股东沟通压力。Daniela 的回答聚焦商业结构，而非市场时机。
• 前沿模型训练需要巨额 upfront cost，模型上线后的 inference 同样需要持续资本投入；这不是短期异常，而是行业公开已久的基本条件。
• 她预计，真正推进 frontier 的少数核心公司会持续需要大规模资本，公开市场在长期更适合承担这种融资需求。
• 她承认上市存在权衡，但判断资金需求并不会因为公司偏好保持私有而消失。换句话说，治理负担是成本，训练与服务模型的资本结构则是硬约束。

“The core set of companies that are working to advance the frontier are just going to need access to capital.” —— Daniela Amodei

核心要点：Anthropic 认可企业仍处于试验期，但不支持用 token 消耗制造使用压力；真正的规模化来自 AI 自然嵌入岗位工作流，并让员工取得更好结果。

• 主持人提到企业内部出现“token maxing”和使用量排行榜，Uber 高管也公开谈到：如果缺乏可量化 ROI，AI 支出越来越难以证明合理。
• Daniela 认为“实验”是准确描述。与两年前相比，模型能力和经济价值已有显著提升，但距离未来 2、4、6、8 年可能达到的水平仍很远；企业需要通过实际尝试发现适合自己的工作流。
• 她列举编码、金融服务、法律和医疗作为可能长期承载效率、创造力和新方法的领域，但不承诺今天所有用例都会保留。
• 当前部分员工面对 AI 的感受是“我必须用，但究竟用来做什么”；她希望最终的状态不是单独完成一项 AI 任务，而是模型自然进入人们沟通和工作的日常过程。
• Anthropic 会追踪内部 Claude 的使用量和用例，因为公司需要先替客户试用自己的工具；但内部没有“必须用 Claude、用得越多越好”的排名机制。
• 这一区分很关键：使用数据用于发现需求、验证产品，不用于把 token 数量替代业务结果。AI 的价值判据应是工作完成方式和员工成功程度发生了什么变化。

“There's not like you must use AI and you must use Claude, and it's better if you use it or not.” —— Daniela Amodei

核心要点：Anthropic 把自身当作 Claude 的原型客户。Claude Code、Claude Design、Cowork 以及内部绩效工具，都先回答真实需求，再转化为面向客户的产品能力。

• Daniela 说，Claude Code、Claude Design 和 Cowork 都是在 Anthropic 内部先做出来的：团队先提出“这是我们真实存在的需求，Claude 能否解决”，再把有效方案产品化。
• 编码和研究之外，她判断 finance 可能是 Claude 内部使用量第二大的岗位职能，覆盖后台财务规划、分析和大量数字处理。
• People 团队则用 Claude 构建了绩效评估工具。工具能够在员工自评时汇集过去六个月的工作信息，降低回忆与整理负担。
• Daniela 特别强调员工体验反馈：绩效季不再只是低效、机械的行政任务，员工觉得过程更有趣、更具互动性。
• 这个案例体现模型的 generality：同一套能力可以跨越代码、研究、财务和人力资源，吸收大量分散信息，再支持员工在具体角色中做得更好。
• 产品策略因此与上一部分形成闭环：不是先设 AI 使用目标再找用途，而是从工作摩擦出发，让模型在高信息量任务中证明价值。

“All of these are things that we actually built at Anthropic first because we said, ‘Hey, this is a real need we have. Could Claude help us with this?’” —— Daniela Amodei

核心要点：Anthropic 用“cone of uncertainty”管理算力采购。前沿公司必须提前多年承诺资源，但 Daniela 更担心买下无法有效使用、未来无法支付的算力。

• 大型算力合同的结构要求公司在实际使用前很久作出承诺，而模型需求、客户增长与技术效率都难以精确预测。
• Anthropic 的原则是为最佳业务结果做准备，但不能把“最乐观情景”直接等同于确定需求，进而过度扩张资本承诺。
• Daniela 明确表达偏好：宁可出现产品需求略高于供给，也不愿反过来买了大量资源却无法生产性使用，最后陷入支付压力。
• 她承认任何公司都会在某个时点低估或高估需求，行业也仍在探索此类交易应如何构造；不存在可以一次性解决不确定性的预测模型。
• 因此，财政负责不是放弃增长，而是在保持技术雄心的同时，保证每一批算力都能被真实业务和研究消化。
• 对太空数据中心，她判断不会进入 Anthropic 的 2027 年路线图；但 AI 已多次打破可能性边界，因此她也不对长期未来作绝对否定。

“We would much prefer to be on the side of having a little bit more demand for the product than we're able to serve than the inverse.” —— Daniela Amodei

核心要点：Anthropic 将 AI 视为地缘政治基础设施，因此必须与政府合作；但公司仍需公开自己的原则和红线，并按“如果只有我们处在这个位置，会怎样行动”来决策。

• 主持人追问 Anthropic 此前与 Pentagon 围绕软件使用限制的公开冲突。Daniela 没有复盘谈判细节，而是把重点放在更长周期的合作事实。
• Anthropic 是第一家进入 top secret cloud 的 AI 公司；Daniela 以此说明，公司从一开始就积极投入国家安全，并非在监管压力下临时转向。
• 她表示，Anthropic 已能与美国政府在多个议题上开展富有成效的合作，并对长期找到解决方案持乐观态度。
• 在她看来，AI 必然成为地缘政治问题。一个自称 ethical、responsible 的实验室，不可能回避美国及盟友政府，而要共同讨论如何安全部署、保护民主并控制风险。
• 对“其他公司是否因 Anthropic 坚持立场而与政府谈到了更好条件”的问题，她拒绝比较：OpenAI、Google 等公司会有各自价值与红线，Anthropic 无法控制。
• 公司真正要做的是公开解释原则，让员工和外部社会都能理解，并在困难决策中保持一致，而不是根据竞争者的交易结果改变自身边界。

“If we were the only organization in this situation, how would we want to behave?” —— Daniela Amodei

核心要点：Daniela 不宣称知道未来失业规模，但确认 AI 会放大财富与机会差距；Anthropic 的责任是公开研究实际影响，并参与设计收入、意义与人类关系的新安排。

• 主持人提到 Daniela 及多位 Anthropic 联合创始人承诺捐出 80% equity，并询问她是否支持加州针对净资产超过 10 亿美元者的一次性 billionaire tax。
• Daniela 没有直接表态支持某一税案，但明确认可更高层原则：AI 将创造大量财富，如果没有有意行动，它会像许多既往技术一样扩大不平等和差距，因此财富应以某种形式再分配。
• 她区分公司能直接控制的部分——企业和联合创始人如何处理 AI 带来的经济收益——与需要社会共同决定的制度问题。
• 对“AI 可能消灭一半白领工作”的追问，她强调未来一、三、五年具体怎样变化仍未知，不应把情景预测写成已发生事实。
• Anthropic 的 societal impacts research 观察到，2025–2026 年 AI 对岗位的直接 replacement 仍是“tiny, tiny, tiny fraction”，主要出现在海外客服，且这些岗位此前已受到传统机器学习系统自动化。
• 但当前占比低并不代表长期安全。模型可能完成越来越多今天由人承担的生产性任务，社会必须回答人如何获得收入、寻找意义并相互连接。
• Daniela 的乐观不是“技术会自动创造新岗位”，而是人类仍愿意与其他人相处、共同创造、建立关系乃至争论。制度设计的目标，是让工作更多承载这些只有人类能够赋予的意义，同时保证生计。

“What are the lives that we want humans to be able to live, and how do we work closer towards that future?” —— Daniela Amodei

核心要点：Anthropic 没有把高风险模型简单分为发布或不发布，而是用时间差和访问层级，让最有能力修补漏洞的组织先获得模型能力。

• Mythos 能发现并利用关键软件的安全漏洞，因此 Anthropic 最初限制访问，只提供给 cyber defenders、部分非营利组织、政府和负责关键基础设施的机构。
• 在访谈当周的周二，公司扩大了访问范围：新增约 150 家组织，分布在 15 个国家。
• Daniela 用传统安全漏洞响应解释这一设计：新能力一旦出现，攻击方最终也可能获得；防守方需要先得到时间，定位并修补模型能够揭示的漏洞。
• 她指出，即使 Anthropic 长期不发布 Mythos 水平的模型，其他 AI 公司也可能达到并发布同类能力。因此真正可控的不是永久垄断，而是谁先获得访问以及领先多长时间。
• 分级机制会从防守组织扩大到更多关键基础设施，最终在风险可接受时面向更广范围发布。
• 她承认这种谨慎会让急于使用模型的客户感到沮丧，但认为公司若以 ethical、responsible 为成立原则，就必须让发布节奏体现这些原则。

“It actually matters who you give access to first and how long they have to patch some of the vulnerabilities.” —— Daniela Amodei

核心要点：Anthropic 并非没有消费产品，而是给 Claude.ai 设定了不同于娱乐型聊天工具的定位——服务专业工作、技能提升和个人行政事务。

• Daniela 明确纠正“Anthropic 只做企业”的印象：Claude.ai 就是消费产品，而且消费者基础正在增长。
• 但企业市场仍是 Anthropic 的 primary focus 和“spiritual fit”，因为 trust、responsibility、reliability、transparency 更容易在高要求的业务场景形成差异化。
• 消费用户主要是专业人士或希望完成 productive uses 的个人。用途可以与工作无关，也可以是提升技能、深入兴趣或处理家庭事务。
• Daniela 用自己的母亲身份举例：孩子更小时，Claude 可以帮助整理 preschool applications，把繁琐的个人行政工作抽象掉。
• 她强调 Claude 不是以娱乐为目的的产品；使用过程可以有趣，但最终目标是推动工作或生活中的实际进展。
• 这与 Anthropic 的企业路径并不矛盾：两端共同服务的是愿意把 AI 当作能力工具、而不是纯消遣内容的人群。

“It's not an entertainment tool… it's really for productive activities, whether those are at work or at home.” —— Daniela Amodei