据彭博社报道，截至2025年7月底，Anthropic年化营收运行率已突破650亿美元。与2024年底约90亿美元的水平相比，这一数字在7个月内增长超7倍。刚刚结束的二季度，Anthropic初步收入超过115亿美元，同比增幅达14倍，并首次实现营业利润转正。在前沿模型公司普遍依赖巨额融资、持续消耗算力的阶段，这是一条罕见的增长曲线。
推动增长的当然有Claude模型本身，但模型能力并不会自动转化为收入。过去几年，Anthropic一面推进前沿模型能力，一面推出Claude Code、MCP、Cowork等带有新品类意味的产品。这家公司常常能在模型跨过能力阈值后，迅速找到释放能力的产品形态，并实现商业化。押注Coding的公司并不少，Anthropic却率先把前沿模型变成了可用、可验证的产品，并跑出了复利。
要理解这一路径，可以从Anthropic内部一种特殊的岗位说起。Dianne Penn是Anthropic第一位技术产品经理，2023年加入，公开使用过的职务名称包括Head of Product for AI Research and Labs、Head of Product for Research and Labs，以及Head of Research Product Management。这些说法虽有差异，却都指向一个特殊的交叉点：一端进入AI Research，跟进模型研究团队的工作；另一端连接产品实验室Labs，用原型探索新能力可能长出什么产品。
在传统软件公司，技术地基相对稳定，产品经理可以围绕明确需求规划功能。但在前沿模型公司，这块地基每隔几个月就可能改变。今天做不到的产品，下一代模型可能突然做到了；当下为弥补模型缺陷搭建的复杂流程，半年后也可能成为限制新模型的脚手架。Dianne和团队的核心工作，正是研究和管理这种不确定性：实验室里刚出现的能力，哪些已经接近可用？用户说”Claude不好用”，缺的是模型、工具、界面，还是工程基础设施？当用户拿Claude完成团队未曾设想的任务时，那是偶然技巧，还是一种新的产品可能？
2023年7月，Claude 2上线后的一次bug排查，初步展示了这套工作方式如何运转。当时，用户频繁抱怨Claude 2″不太会遵循指令”。这个反馈看似严重，却无法直接指导模型研究。用户不会区分问题来自预训练、后训练、还是系统提示或工具调用，他们只能描述任务没有完成。Dianne和团队开始阅读用户授权分享的失败轨迹，追问任务究竟在哪一步停下。沿着案例向下查，他们发现，在早期这类投诉中，大约80％都指向一个具体得近乎琐碎的问题：Claude无法稳定输出正确的JSON。少一个括号，API就会拒绝请求；字段不符合schema，工具调用便无法解析。对聊天机器人而言，这些只是格式错误；对需要连续调用工具的Agent而言，它意味着工作流会在第一道接口处断掉。
团队从真实失败中收集了约30至40个案例，逐一写清输入、理想输出和通过条件，把它们变成一组可以重复运行的eval。此后，Claude每一代模型都要重新接受测试。按照Dianne在公开采访中的讲述，这组评测如今已达到接近99.9％至100％的通过率，JSON格式遵循也不再是主要投诉。Anthropic没有把这些反馈停留在投诉归类层面，而是把模糊的”不好用”还原为具体任务轨迹，定位可复现的失败，再将失败案例写成可重复运行的eval。这些评测由研究与产品团队共同维护，逐渐成为模型能力的一部分规格。Dianne常说：”Evals are the new PRDs。”传统PRD可以描述功能，却很难精确定义一个概率系统应该如何行动；eval则把产品目标变成可测试的输入、理想输出和通过条件。研究团队用它比较训练方法，产品团队用它验证问题是否解决，模型发布团队则用它防止能力退步。
2023年末，Dianne和团队又注意到一种变化。过去，人们使用代码模型，主要是补一行代码、写一个函数，或者解释一段程序。后来，越来越多用户开始要求Claude一次生成更长、更完整的代码，甚至把一整段编码任务交给模型。没有人直接要求Anthropic”做一个agentic coding产品”，但用户已经改变了自己的行为。Dianne和团队需要判断：这种变化究竟是噪声，还是真实存在的场景需求。编程尤其适合形成这样的反馈闭环——代码能否运行、测试能否通过、改动是否破坏现有系统，通常都有明确结果。与许多开放式知识任务相比，coding更容易同时成为产品场景、训练方向和评测环境。
发现这类用户行为后，Anthropic把长代码生成提升为Claude 3系列及后续模型的重点能力方向。2024年3月，Claude 3 Opus发布，Coding开始成为Claude区别于其他模型的一项用户认知，并吸引了一批早期开发者和Claude拥护者。三个月后，Claude 3.5 Sonnet发布，coding能力进一步增强。Anthropic官方说明，Claude 3.5 Sonnet将内部agentic coding评测的成绩从38％推高至64％；获得工具后，模型已经可以编写、编辑、执行和排查代码。模型的角色开始从代码生成器变成软件工程协作者。但用户仍要手动搬运代码库上下文、复制结果、执行命令，再把报错贴回聊天框。Dianne把这种状态称为”product overhang”——模型已经拥有潜在能力，市场上却没有合适的产品把它释放出来。
Claude Code的出现填补了这段空白。2024年下半年，Boris Cherny加入Anthropic Labs团队。为了熟悉公司的公开API，他给自己写了一个极小的终端聊天程序：先给模型接上bash，后来又增加文件编辑能力，用Sonnet 3.5不断测试。这就是Claude Code最初的原型。两天后，Boris把原型发给同事试用。第二天，他发现坐在对面的工程师已经用它写起了代码。Boris没有推动正式的内部部署，只发过一篇介绍帖，工具却在工程师之间口口相传。在一次内部产品评审会上，看到日活曲线后，公司决定将其正式产品化并推向市场。Claude Code上线后迅速成为Anthropic商业化的重要引擎，也验证了”Dianne式”产品方法论在生成式AI时代的有效性：先用原型验证真实需求，再用评测体系持续迭代，最后让模型能力与产品形态形成正向循环。
Anthropic的增长路径表明，前沿模型公司的竞争不只是算力和参数的比拼，更在于能否建立一套将研究能力转化为产品价值的系统化机制。当多数同行仍在探索模型能力边界时，Anthropic已经用”评测即规格”的方法论，把用户行为变化转化为模型训练方向，再以Claude Code这样的产品形态完成商业化闭环。这套方法论能否被其他公司复制，将决定下一阶段AI竞争格局的走向。
该文观点仅代表作者本人，企服科学平台仅提供信息存储空间服务。
