Anthropic 兄妹 Dario Amodei 和 Daniela Amodei 最新对话：Claude 为什么一直限速？

Anthropic 兄妹 Dario Amodei 和 Daniela Amodei 最新对话：Claude 为什么一直限速？ Anthropic 兄妹 Dario Amodei 和 Daniela Amodei 最新对话：Claude 为什么一直限速？ Modified May 7 No access 51f13e0eb4a34b0990881fecf717f529 00:00 【4】单 Agent 走向多 Agent，下一个瓶颈是验证 Ami 顺势问 Dario，开发者使用 Claude 的方式接下来会怎么变。Dario 给出几条相互咬合的趋势。 第一条， 从单 Agent 走向多 Agent 。一个开发者手上不再是一个 Claude，而是一群 Claude，可能还构成层级关系，上层 Claude 把任务再分包给下层 Claude。Dario 用了一个他经常用的比喻： 我们正在朝“数据中心里的天才之国”走。现在还在“一屋子聪明人”这个阶段，正在往上爬。 （“We're gradually making our way to the country of geniuses in the data center. We're starting with a team of smart people in a room or something.”） 第二条，Claude Code 目前主要在帮“个人”提效，但 Anthropic 越来越多在思考“整个团队、整个组织”的提效，让一群人加上一群 Claude 的整体产出超过简单相加。 第三条，也是 Dario 反复强调的： 要看 Amdahl's law（阿姆达尔定律） 。当某一段被加速到极限时，瓶颈会跳到没被加速的那一段。 你提到 PR 数量，如果你在一个组织里，能写 3 4 倍的 PR，你会立刻意识到，原来还有一堆别的东西在拖着你。如果只把这一段跑得飞快，其他没跟上，反而会出事。 （“If you're living in a world where you can, within an organization, write three or four times as many PRs as you could previously, you start to understand there are all these other things that are holding you back or that will go wrong if you speed up just that and not everything else.”） 他点出这些“其他东西”具体是什么：安全、验证、code review、设计质量。Anthropic 接下来要做的，不是单点再提速，而是把这一整圈瓶颈一起抬起来，让加速能“平稳、可靠地”释放出来。 注： Amdahl's law 出自 1967 年计算机科学家 Gene Amdahl 提出的并行计算公式，原本说的是：一个程序里如果只有部分能被并行加速，另一部分必须串行，那么整体能跑多快受限于那段串行的部分。Dario 把它借来描述工程组织的协作瓶颈，这是他这场对话里反复回到的核心分析框架，后面讨论产品和模型训练时还会再用。 【5】训练模型的方式也得跟着变 Ami 追问：这些趋势会不会反过来改变 Anthropic 训练模型的方式？ Dario 的回答有两层。 第一层是已经在发生的事：Anthropic 正在用 Claude 加速 Claude 自己的开发。 第二层更有意思。Dario 说，软件工程之所以是 AI 进步最快的领域，是因为它有一个特殊性：可验证。给模型一段代码任务，它写出来，跑单元测试就能立刻判定对不对。这个反馈回路简单粗暴有效，所以训练效率特别高。 但软件工程里还有一大块东西不可验证： 这段代码“真的对吗”？能不能找到错误？有没有安全问题？这些就没那么容易验证了。 （“Is this thing really right? Can we find errors? Are there security issues? Not quite as verifiable.”） 这里面的道理很直接： 训练效率取决于验证的容易程度 。代码能跑测试，对错一目了然，所以训练进步快；安全分析和设计判断没有这种自动验证机制，进步就慢。一旦 Anthropic 在这些“半主观”任务的训练上取得突破，受益的就不只是软件工程，写作、科研等领域也会跟着受益。 他用 Amdahl 定律重新概括了这件事：在软件工程内部，那些“软的、主观的”能力，因为是当前的瓶颈段，反而会变得不成比例地重要。 【6】使命：在快速发布和负责任发布之间走钢丝 Ami 转向使命这个话题。Anthropic 体量在变大，整个行业的赌注也越来越高，外界最该了解 Anthropic 的到底是什么？ Daniela 给了两根支柱。 一根是“如何把这项有变革性的技术做好，让它对所有人都有益”。Claude 是一个工具，能放大人创造的野心和能力，这是机会的一面。 另一根是承认风险：劳动力被冲击的风险、技术发布是否安全、对人是否真的有益。 Daniela 说，Anthropic 想做的事，是把这两端“等量齐观”地处理。她引出了一个公司内部的文化关键词：“Hold light and shade”，光和影并举。 她举了刚发布不久的“Mythos 和 Glasswing”作为例子： Mythos 这种能力级别的模型，能用它做出的事情潜力巨大。但因为存在一些安全方面的脆弱点，我们想在发布上稍微小心一点。 她这样总结这种纠结： 我们这种平衡其实挺微妙的。我们想尽快把东西发出来、做最好的产品、发布最强的模型，但我们也想做得负责任一点。我们大多数决策的出发点，都是在这两个支柱之间来回校准。 注： Claude Mythos Preview 是 Anthropic 2026 年 4 月发布的预览版模型，在网络安全任务上展现了跨代能力，在多个主流操作系统和浏览器中发现了大量零日漏洞。Project Glasswing 是配套的防御安全联盟，联合数十家关键基础设施组织使用 Mythos 扫描和修复漏洞。正因为这些安全风险，Mythos 被限制在极小范围内发布。转录稿中的“Glassman”疑为“Glasswing”的语音识别错误。 【7】指数曲线下的产品观：为 AI 做产品 vs. 用 AI 做产品 谈到产品，Daniela 先调侃了一下 Ami。她说“你刚刚说我和 Dario 在产品上'leaned in a lot'，翻译成人话就是：你俩天天插手我业务，能不能让我安静干活”。 但她话锋一转，承认两人确实在产品上很较真，因为产品就是 Anthropic 想做的事的对外呈现。她还说了一个比较少听到的视角：在 Anthropic 内部，“产品”和“研究”是两条互相牵引的输入。有时候你会觉得“我们应该建一个更好用的工具”，但更多时候，“产品创新是被模型涌现出来的新能力推着走的”。 她举的例子是编程：Anthropic 一开始并没有从第一天就立志做一个编程产品。是某个时间点，团队发现模型已经能写出“还不错、不完美”的代码，又观察到很多深度用户本身就是开发者，自然萌生出“我们应该给这个群体做点什么”的念头，最后才有了 Claude Code。 Dario 接着把这个话题拆得更具体。他说有两件事要分开来看：在 AI 时代做产品（building products for AI）、用 AI 做产品（building products with AI） 。 先说前者。他给出了 AI 时代做产品最关键的几条规律。 第一，AI 时代做产品的特点是技术底盘在飞速变化。2010 年代的产品时代，技术底图按部就班，偶尔有一个新框架。在 AI 时代，能力台阶每跨一档，原本死活做不出来的产品突然“亮起来”。所以内部要持续做实验，“哪怕这个东西现在做不出来，过几个月再回来试一次”。 他给了一个亲历的例子： 我们 2022 年其实试过类似 Claude Code 的东西。当时挺挫败的，理念是对的，但模型太傻，根本榨不出价值。我从 2015 年开始就在训练这些模型，他们是真的，是真的傻。 （“If we had tried to do Claude Code in 2022, it wouldn't have worked because the models wouldn't have been strong enough...I've been training these models since 2015. They were really dumb.”） 第二，AI 时代里，产品的饱和点是被模型变得太强而推到的。Dario 说 chatbot 形态已经接近饱和，市场仍然很大，但模型继续变聪明，对 chatbot 形态的边际增益已经不明显。今天每一档新能力，更多体现在 Claude Code 这种 agentic（智能体）形态上。 第三，API 这个市场永远不会消失。因为新产品永远在出现，Anthropic 内部如此，外部更是如此。code 之外，写代码的人在做的医疗、法律、金融应用，每多一档模型能力就会多出一批新应用空间。 第四（也是回到 Amdahl 定律），用 AI 做产品时，他在公司内部观察到一个现象： 发布速度被加速了 2 倍、4 倍、5 倍 ，但接下来“系统性的债”开始浮现。 用 AI 加速发布，是真的可以做到一年前做不到的产能；但你也会以惊人的速度积累技术债。然后你被迫问：能不能也用 AI 来还这些债，或者至少帮我们盯住债是什么？再然后你会发现，团队不得不用一种完全不同的方式协作。这些事每个月都会冒出新的认知。 （“It's possible to accumulate an extraordinary amount of internal technical debt when you ship that fast. And so then you have to say, well, can we also use the AI models to undo that technical debt or keep track of what it is that we're doing?”） 也因此，AI 时代不只是发布节奏更快，“连'你怎么做事'本身都被迫高频升级”。 Ami 借这个话题加了一句自己的体感：问题本身是不会变得那么快的，人始终是人。但你必须保持“用新眼光看技术”，并且接受“你每天的工作内容也在变，因为瓶颈每隔一段就跳到新的地方”。 【8】未来六个月，最让 Dario 兴奋的能力 Ami 让 Dario 用一句话回答：未来六个月，模型能力上最让你兴奋的是什么？ Dario 给了个跨维度的答案： 从“个人级 AI”跃迁到“组织级 AI” 。 让我兴奋的是这个想法：AI 不只是替一个老板做完很多人的事，而是 AI 在一群人组成的组织里，把很多人的事重复做很多次。 （“AI is not just doing the work of many people working for one person, but that it does the work of many people many times over by operating within an organization of humans.”） 他把这条线索和“一个人 10 亿美元公司”的赌局连了起来：那个赌局可能反而被低估了。真正会发生的更可能是“一群人加上 AI，把以前几百几千人的工作做完”，而不是“一个人独立创业撑起一个 10 亿”。 【9】最打动他们的 Claude 用例 最后 Ami 把话题切给 Daniela：让你最有触动的用户用例是哪些？ Daniela 举了几个反差极大的例子。 第一个是全球南方的移动医生项目。某些地区想见到一个真正的医生很难，要走几十英里土路才能到最近的城市。但当地人仍然有疾病和健康问题。开发者用 Claude 做出“问诊式”的接口，给出经过把关的医疗建议，把模型能力翻译成在低资源场景里能落地的工具。 她也提到了生物医学研究领域的加速，这是她一直关注的方向。 后面两个更私人。一位开发者用 Claude 把一段已经损坏的硬盘里的婚礼照片救了回来。还有一个人用 Claude 跟踪自家花园里番茄的生长情况。 Daniela 被番茄那个例子逗乐了：“我这辈子都不会想到这种用法。但是，你有摄像头直播吗？我想订阅。” AI 能用来干什么这个问题， 用户的想象力永远比产品经理的规划跑得快 。 末尾 Q&A 速览 Q：今天 Anthropic 增长有多快？ 第一季度按当季速度年化是 80 倍（Dario 用了“if you were to annualize it”的限定语，这是短期爆发外推的数字）。原本按 10 倍准备算力，所以一直在限速。 Q：SpaceX 算力交易解决了什么？ 接下来一个月内会上线 300 MW、22 万张以上 NVIDIA GPU。Anthropic 会尽快把算力转化为更高的限额传给开发者。 Q：“一个人 10 亿美元的公司”赌局现在到哪了？ 已经有两人 10 亿美元、单人数亿美元的案例（Dario 未给出具体名称，无法独立验证）。Dario 在 2025 年 Code with Claude 上给的时间窗是 2026 年，置信度 70% 80%。距离窗口结束还有七八个月。 Q：未来六个月模型能力上最让 Dario 兴奋的是什么？ 组织级 AI。AI 不再只是替一个人做完很多人的事，而是在一个由人组成的组织里把这件事重复做很多次。 Q：Anthropic 在能力释放上是怎么做取舍的？ 公司内部叫“光与影并举”。Mythos 模型因为安全风险没有公开发布，改用 Project Glasswing 限量发到数十家机构去做防御侧的强化。 最后 这场对话透出的核心看点，是 Anthropic 试图兼顾两种极端定位时，那种“左右互搏”的矛盾感。 一方面，它是增长最快的 AI 公司。80 倍年化增速（即使这个数字有选择性计算的成分），SpaceX 算力合作，Claude Code 让内部 PR 数量出现了向上拐点。Dario 在台上承认 80 倍扛不住，希望回到 10 倍，同一天就把全行业最难搞定的合作之一签了下来。这是“能找的算力我们都找了”的最强证据。 另一面，它又是最谨慎的 AI 公司。Mythos 这种跨代模型仅仅因为安全风险就被限制发布，“光与影并举（Hold light and shade）”成了反复提及的保命符。面对一个如此强大的模型，Anthropic 等于主动放弃了把它直接推向市场的速度。 要同时端平这两碗水，真实情况绝对比 Dario 和 Daniela 在台上说的难得多。80 倍增长意味着恐怖的交付压力，技术债“以惊人速度积累”可是 Dario 的原话。在这种推背感极强的速度下，还要踩刹车做安全评估、坚持负责任发布，靠的不仅是几句原则，更是每天资源排期里拳拳到肉的现实博弈。 Dario 关于 Amdahl 定律的反复引用，是整场对话的关键分析框架 。它指向了一个比“AI 让一切变快”更实际的问题：加速之后，瓶颈会转移到哪里。对开发者来说，这个问题比“模型又变强了”更值得认真想。 两个值得持续追踪的信号 ：Colossus 1 上线后，限额是不是真的明显放宽，5 小时限额翻番但是周限额不变更像是文字游戏，Amazon、Google、Microsoft 那些动辄 GW 级的承诺到年底有多少能转化成用户可用的算力；Mythos 何时从预览版走出 Glasswing，在什么条件下走。前者考验 Anthropic 作为产品公司的基础设施能力，后者考验“光与影并举”这个原则在商业压力下能撑多久。 至于“一人 10 亿美元公司”的赌局，距离 2026 年结束还有七八个月。Dario 在台上已经在修正它：真正的命题可能是“一群人加上 AI 干以前几百人的活”。如果这个修正是对的，“一人独角兽”反而会成为这个故事里相对没意思的一部分。 原视频来源：Anthropic Code with Claude 旧金山场，2026 年 5 月 6 日，“A conversation with Dario Amodei & Daniela Amodei”。 No access 51f13e0eb4a34b0990881fecf717f529 00:00 No access 51f13e0eb4a34b0990881fecf717f529 00:00 【4】单 Agent 走向多 Agent，下一个瓶颈是验证 Ami 顺势问 Dario，开发者使用 Claude 的方式接下来会怎么变。Dario 给出几条相互咬合的趋势。 第一条， 从单 Agent 走向多 Agent 。一个开发者手上不再是一个 Claude，而是一群 Claude，可能还构成层级关系，上层 Claude 把任务再分包给下层 Claude。Dario 用了一个他经常用的比喻： 我们正在朝“数据中心里的天才之国”走。现在还在“一屋子聪明人”这个阶段，正在往上爬。 （“We're gradually making our way to the country of geniuses in the data center. We're starting with a team of smart people in a room or something.”） 第二条，Claude Code 目前主要在帮“个人”提效，但 Anthropic 越来越多在思考“整个团队、整个组织”的提效，让一群人加上一群 Claude 的整体产出超过简单相加。 第三条，也是 Dario 反复强调的： 要看 Amdahl's law（阿姆达尔定律） 。当某一段被加速到极限时，瓶颈会跳到没被加速的那一段。 你提到 PR 数量，如果你在一个组织里，能写 3 4 倍的 PR，你会立刻意识到，原来还有一堆别的东西在拖着你。如果只把这一段跑得飞快，其他没跟上，反而会出事。 （“If you're living in a world where you can, within an organization, write three or four times as many PRs as you could previously, you start to understand there are all these other things that are holding you back or that will go wrong if you speed up just that and not everything else.”） 他点出这些“其他东西”具体是什么：安全、验证、code review、设计质量。Anthropic 接下来要做的，不是单点再提速，而是把这一整圈瓶颈一起抬起来，让加速能“平稳、可靠地”释放出来。 注： Amdahl's law 出自 1967 年计算机科学家 Gene Amdahl 提出的并行计算公式，原本说的是：一个程序里如果只有部分能被并行加速，另一部分必须串行，那么整体能跑多快受限于那段串行的部分。Dario 把它借来描述工程组织的协作瓶颈，这是他这场对话里反复回到的核心分析框架，后面讨论产品和模型训练时还会再用。 【5】训练模型的方式也得跟着变 Ami 追问：这些趋势会不会反过来改变 Anthropic 训练模型的方式？ Dario 的回答有两层。 第一层是已经在发生的事：Anthropic 正在用 Claude 加速 Claude 自己的开发。 第二层更有意思。Dario 说，软件工程之所以是 AI 进步最快的领域，是因为它有一个特殊性：可验证。给模型一段代码任务，它写出来，跑单元测试就能立刻判定对不对。这个反馈回路简单粗暴有效，所以训练效率特别高。 但软件工程里还有一大块东西不可验证： 这段代码“真的对吗”？能不能找到错误？有没有安全问题？这些就没那么容易验证了。 （“Is this thing really right? Can we find errors? Are there security issues? Not quite as verifiable.”） 这里面的道理很直接： 训练效率取决于验证的容易程度 。代码能跑测试，对错一目了然，所以训练进步快；安全分析和设计判断没有这种自动验证机制，进步就慢。一旦 Anthropic 在这些“半主观”任务的训练上取得突破，受益的就不只是软件工程，写作、科研等领域也会跟着受益。 他用 Amdahl 定律重新概括了这件事：在软件工程内部，那些“软的、主观的”能力，因为是当前的瓶颈段，反而会变得不成比例地重要。 【6】使命：在快速发布和负责任发布之间走钢丝 Ami 转向使命这个话题。Anthropic 体量在变大，整个行业的赌注也越来越高，外界最该了解 Anthropic 的到底是什么？ Daniela 给了两根支柱。 一根是“如何把这项有变革性的技术做好，让它对所有人都有益”。Claude 是一个工具，能放大人创造的野心和能力，这是机会的一面。 另一根是承认风险：劳动力被冲击的风险、技术发布是否安全、对人是否真的有益。 Daniela 说，Anthropic 想做的事，是把这两端“等量齐观”地处理。她引出了一个公司内部的文化关键词：“Hold light and shade”，光和影并举。 她举了刚发布不久的“Mythos 和 Glasswing”作为例子： Mythos 这种能力级别的模型，能用它做出的事情潜力巨大。但因为存在一些安全方面的脆弱点，我们想在发布上稍微小心一点。 她这样总结这种纠结： 我们这种平衡其实挺微妙的。我们想尽快把东西发出来、做最好的产品、发布最强的模型，但我们也想做得负责任一点。我们大多数决策的出发点，都是在这两个支柱之间来回校准。 注： Claude Mythos Preview 是 Anthropic 2026 年 4 月发布的预览版模型，在网络安全任务上展现了跨代能力，在多个主流操作系统和浏览器中发现了大量零日漏洞。Project Glasswing 是配套的防御安全联盟，联合数十家关键基础设施组织使用 Mythos 扫描和修复漏洞。正因为这些安全风险，Mythos 被限制在极小范围内发布。转录稿中的“Glassman”疑为“Glasswing”的语音识别错误。 【7】指数曲线下的产品观：为 AI 做产品 vs. 用 AI 做产品 谈到产品，Daniela 先调侃了一下 Ami。她说“你刚刚说我和 Dario 在产品上'leaned in a lot'，翻译成人话就是：你俩天天插手我业务，能不能让我安静干活”。 但她话锋一转，承认两人确实在产品上很较真，因为产品就是 Anthropic 想做的事的对外呈现。她还说了一个比较少听到的视角：在 Anthropic 内部，“产品”和“研究”是两条互相牵引的输入。有时候你会觉得“我们应该建一个更好用的工具”，但更多时候，“产品创新是被模型涌现出来的新能力推着走的”。 她举的例子是编程：Anthropic 一开始并没有从第一天就立志做一个编程产品。是某个时间点，团队发现模型已经能写出“还不错、不完美”的代码，又观察到很多深度用户本身就是开发者，自然萌生出“我们应该给这个群体做点什么”的念头，最后才有了 Claude Code。 Dario 接着把这个话题拆得更具体。他说有两件事要分开来看：在 AI 时代做产品（building products for AI）、用 AI 做产品（building products with AI） 。 先说前者。他给出了 AI 时代做产品最关键的几条规律。 第一，AI 时代做产品的特点是技术底盘在飞速变化。2010 年代的产品时代，技术底图按部就班，偶尔有一个新框架。在 AI 时代，能力台阶每跨一档，原本死活做不出来的产品突然“亮起来”。所以内部要持续做实验，“哪怕这个东西现在做不出来，过几个月再回来试一次”。 他给了一个亲历的例子： 我们 2022 年其实试过类似 Claude Code 的东西。当时挺挫败的，理念是对的，但模型太傻，根本榨不出价值。我从 2015 年开始就在训练这些模型，他们是真的，是真的傻。 （“If we had tried to do Claude Code in 2022, it wouldn't have worked because the models wouldn't have been strong enough...I've been training these models since 2015. They were really dumb.”） 第二，AI 时代里，产品的饱和点是被模型变得太强而推到的。Dario 说 chatbot 形态已经接近饱和，市场仍然很大，但模型继续变聪明，对 chatbot 形态的边际增益已经不明显。今天每一档新能力，更多体现在 Claude Code 这种 agentic（智能体）形态上。 第三，API 这个市场永远不会消失。因为新产品永远在出现，Anthropic 内部如此，外部更是如此。code 之外，写代码的人在做的医疗、法律、金融应用，每多一档模型能力就会多出一批新应用空间。 第四（也是回到 Amdahl 定律），用 AI 做产品时，他在公司内部观察到一个现象： 发布速度被加速了 2 倍、4 倍、5 倍 ，但接下来“系统性的债”开始浮现。 用 AI 加速发布，是真的可以做到一年前做不到的产能；但你也会以惊人的速度积累技术债。然后你被迫问：能不能也用 AI 来还这些债，或者至少帮我们盯住债是什么？再然后你会发现，团队不得不用一种完全不同的方式协作。这些事每个月都会冒出新的认知。 （“It's possible to accumulate an extraordinary amount of internal technical debt when you ship that fast. And so then you have to say, well, can we also use the AI models to undo that technical debt or keep track of what it is that we're doing?”） 也因此，AI 时代不只是发布节奏更快，“连'你怎么做事'本身都被迫高频升级”。 Ami 借这个话题加了一句自己的体感：问题本身是不会变得那么快的，人始终是人。但你必须保持“用新眼光看技术”，并且接受“你每天的工作内容也在变，因为瓶颈每隔一段就跳到新的地方”。 【8】未来六个月，最让 Dario 兴奋的能力 Ami 让 Dario 用一句话回答：未来六个月，模型能力上最让你兴奋的是什么？ Dario 给了个跨维度的答案： 从“个人级 AI”跃迁到“组织级 AI” 。 让我兴奋的是这个想法：AI 不只是替一个老板做完很多人的事，而是 AI 在一群人组成的组织里，把很多人的事重复做很多次。 （“AI is not just doing the work of many people working for one person, but that it does the work of many people many times over by operating within an organization of humans.”） 他把这条线索和“一个人 10 亿美元公司”的赌局连了起来：那个赌局可能反而被低估了。真正会发生的更可能是“一群人加上 AI，把以前几百几千人的工作做完”，而不是“一个人独立创业撑起一个 10 亿”。 【9】最打动他们的 Claude 用例 最后 Ami 把话题切给 Daniela：让你最有触动的用户用例是哪些？ Daniela 举了几个反差极大的例子。 第一个是全球南方的移动医生项目。某些地区想见到一个真正的医生很难，要走几十英里土路才能到最近的城市。但当地人仍然有疾病和健康问题。开发者用 Claude 做出“问诊式”的接口，给出经过把关的医疗建议，把模型能力翻译成在低资源场景里能落地的工具。 她也提到了生物医学研究领域的加速，这是她一直关注的方向。 后面两个更私人。一位开发者用 Claude 把一段已经损坏的硬盘里的婚礼照片救了回来。还有一个人用 Claude 跟踪自家花园里番茄的生长情况。 Daniela 被番茄那个例子逗乐了：