摘要

Krieger 对“价值将在哪里创造”的核心回答是：拥有差异化 go-to-market、差异化领域知识或专有数据的公司——“最好同时具备其中2项，甚至3项”——尤其是在金融、法律、医疗等行业。这些行业前期那些不性感的基础工作，恰恰是构筑持久优势的来源。真正的赢家循环是，把产品卖进你有独特理解的场景，“并在持续部署的过程中变得更好”。
他对商品化趋势的逆向判断是：“我认为，随着时间推移，模型会变得更不同，而不是更相似。” “Claude 身上有某种 claudy 的东西，GPT 身上也有某种 GPT 的东西。” 模型层的护城河有3层：人才密度、由真实使用深化的模型性格（编码场景的 traction 会反哺下一代 RL），以及成为“AI 伙伴，而不只是 AI 模型”。任何一项做不好，“我认为你都会陷入麻烦”。
DeepSeek 对 Anthropic go-to-market 的影响“几乎为零”——企业关系不是把输入 token 换成输出 token——但它敲响了营销和产品发布的警钟。 DeepSeek 从无人知晓变成“在很多圈子里比 Claude 更出名”（“可能连我的姑妈都打电话问我 DeepSeek 了”），而 Anthropic 在第一方产品上落后，造成了“显著”伤害。
对于押注模型进步的创业公司，不要等待。 他反复听到有人说：“没有 Claude 3.5 Sonnet，我的创业公司根本还不算创业公司。”每一代模型跃迁的赢家，都是那些已经在“不断撞墙”的团队——Cursor 在突破前反复迭代——“当模型到来时，你不是从零开始”。
阻碍进步的最大因素不是算力、数据或算法，而是能够匹配真实多步骤工作的训练环境和评测体系。 SWE-bench 低估了软件工程师的实际工作；没有人能很好地评估办公室专业人士；缺失的评测是：“我来到一份新工作，迅速理解自己的角色、组织里谁是谁”——这正是模型“在极端切片上极其出色”与成为普遍有用的协作者之间的鸿沟。
软件工程师将在“1年后”变成委派者和代码审查者，而不是3年后。 智能体会在浏览器里尝试3种方案、运行漏洞测试，然后只提出1个问题。但“弄清楚要构建什么仍然是最难的部分”，距离解决至少还有3年——这也是他“非常看好”创业公司的原因，因为创业公司的对齐只需要“一场喝咖啡的谈话”。
对于任何评估 AI 应用采用率的人来说，最令人警醒的一句话是：Anthropic 自身的 traction“领先于真实的产品市场契合度，因为它们仍然是获取这些模型的最佳方式——我不认为这会长期持续”。而放眼整体使用情况，“我们仍处于一个问题的第1天：AI 是否已成为大多数人工作中不可或缺的一部分——我认为答案是否定的”。
即将到来的智能体对智能体交互中，最容易被低估的风险是：辨别力加隐私。 他用自己5岁孩子作比喻：孩子还无法区分家庭秘密和结账通道上的闲聊。“模型从根本上想要提供帮助，而这并不总是你希望它们做的事。”

精读

1. 价值流向差异化 GTM × 领域知识 × 专有数据

Krieger 经常听创业者问：“我能构建什么，才不会落入 Anthropic 的赛道？”他的答案是：拥有差异化 go-to-market、差异化行业知识，或只有你掌握的数据——“最好同时具备其中2项，甚至3项”——尤其是在金融、法律和医疗等行业。医疗是“一团极其复杂的毛线”，前期基础工作不可能在加速器里完成，而“正是你投入过的这些基础工作”构成了持久优势。
持久的循环是：吸收基础模型中最强的能力，必要时进行微调，但真正的胜负取决于你能否把产品卖进自己独特理解的场景，“并在持续部署的过程中变得更好”。
在位企业与全新创业公司都能赢，只是风险结构相反。创业公司拥有过度承诺的空间——早期采用者还在“试用和摸底”；但在位企业如果宣布“我们加入了 AI”，最后却只兑现“你说它能做这30件事，但它只有大约2件做得好”，就会透支信任。
创业公司的问题则是镜像关系：暂时没有数据，也没有客户关系。它们的差异化“不是既有关系，而是描绘未来”，然后找到愿意押注这一未来的灯塔客户。

2. 不要等待完美模型——成为那个不断撞墙的人

Krieger 反复听到创始人说：“没有 Claude 3.5 Sonnet，我的创业公司根本还不算创业公司”（或者说没有第二个 3.5 Sonnet）。某一代模型的跃迁，可能把准确率从“95提升到99，或从70提升到90”，突然跨过一个行业的门槛。
他见过最典型的案例是 Cursor：有人向他展示了创始人们历年来登上 Hacker News 首页的投稿记录。Cursor 最终实现突破，“但那不是他们的第一个产品，也不是他们的第一次迭代”。真正受益于模型跃迁的公司，不是模型发布当天才开始的人，而是那些已经积累了对行业问题的上下文，因此“当模型到来时，你不是从零开始”。
简洁地说，就是“对当前这一代模型感到沮丧，然后极其积极地尝试下一代模型，这样最终才能交付你脑海中已经看见的东西”。

3. 模型层的3道护城河——缺一项就“陷入麻烦”

Harry 的问题是：模型发布如此密集，模型层本身还有价值吗？Krieger 给出3道护城河。第一是人才——围绕一个一致使命形成“人才吸引人才”的循环；Anthropic 的研究团队几乎每月都会迎来“某位新的重要人才”，但人才都是自由球员，因此这种吸引力必须持续维护。
第二是分化：“我认为，随着时间推移，模型会变得更不同，而不是更相似——Claude 身上有某种 claudy 的东西，GPT 身上也有某种 GPT 的东西。”编码能力并非偶然，它还会形成复利：看到企业依赖 Claude 编码，会“启发你从强化学习角度思考下一代模型应该做什么”。
第三是伙伴关系。DeepSeek 对 go-to-market 的影响“几乎为零”，因为企业关系不是“他们把请求发到 API，只是想按某种比例把输入 token 换成输出 token”，而是“我想成为你的长期 AI 伙伴，我想和你的应用 AI 团队共同设计产品”。
反过来的失败模式是：躺在过去的成绩上，认为基准测试的渐进式提升已经足够，把 API “当成用钱交换智能的一种方式”。

4. 最大障碍不是算力——而是匹配真实工作的环境与评测

对于 Alex Wang 和 Groq 的 Jonathan Ross 给出的不同答案，Krieger 的判断既不是算力，也不是数据，而是“让训练环境匹配真实世界中非单次完成的挑战”。SWE-bench 低估了软件工程师的工作：工程师要理解需求、与产品经理协商时间表、发布并持续迭代，“但没有对应的评测”。
办公室专业人士是 Anthropic 重点思考的用例之一，但“没有人真正能很好地评估这一点”。缺失的环境是：“我来到一份新工作，迅速理解自己的角色、组织里谁是谁……然后进入企业的业务循环。”这正是模型“在极端切片上极其出色”与成为普遍有用的协作者之间的阻碍。
关于合成数据与人类数据，他认为“绝对必须混合使用”：先用原始人类数据打底，再生成合成环境进行探索。Claude 玩 Pokémon 是一个例子：在同一款游戏里反复运行；但当问题空间不像“你是否走出 Viridian Forest”那样定义清晰时，难度会大幅上升。
被低估的数据问题是“感觉”：模型性格没有回归测试。从 Claude 3.5 到3.7，“人们会说，Claude 好像更友好但更简洁……我希望它的创意写作能力更好——这些东西很难评估”。

5. 今天的 AI 产品是“极其容易漏水的抽象层”

Harry 的判断是：3到5年后，用户选择模型的频率不会高于选择“使用哪个 Google”。Krieger 表示认同——当前 AI 产品设计是“极其容易漏水的抽象层”：为什么要选择 Opus、Haiku 或 Sonnet？大多数人并不理解其中差异，“我们自己也受这个问题困扰”。
记忆是第二个漏洞。他用同事作比喻：你可能有不同的邮件线程，“但背后仍然是同一个同事”，他不会在不同对话之间忘记你喜欢哪支球队。第三个漏洞是提示词，它应该变得“完全透明”；优秀提示词使用者与糟糕使用者之间的差距“会随着每一代模型缩小，但我们还需要进一步把它压平”。
模型质量与用户体验“已经无法再分开”：你是在为“一个从根本上具有非确定性的系统”设计一套脚手架和产品。Claude 是否追问、是否投入更多时间推理，都是产品决策。没有经过回归测试的评测，产品退化后你甚至无法判断“是模型的问题，是产品设计的问题……还是系统提示词变长了”——这“在很多方面可能是我今后会做的最复杂的产品开发工作”。
现在的发布节奏取决于产品界面：API 要求可预测性，因此 prompt caching 以需要主动选择的 beta header 形式推出；消费者产品可以容忍试验；企业 AI “仍然是一个早期采用者产品”，所以 Anthropic 的发布速度远快于 Salesforce 每年2到3次的节奏——但这“仍然是一个正在积极讨论的话题”。

6. 把产品营销做成 Crossy Road——以及为什么没人会根据评测切换模型

在 Instagram，重大事项基本都已知，比如不要在 WWDC 周发布产品；现在的感觉“有点像 Crossy Road——车开过去了，好，现在出现了一个空档”。Claude 3.7 Sonnet 在周一发布；周日晚上9点博客文章才定稿，媒体也在周日完成 briefing。对比表里还包括一周前刚发布的 Grok 3。
他给团队灌输的心理建设是：“完了 / 我们又回来了”——在 AI 领域，你必须接受这种状态。有时最先进的能力能保持2到3个月，有时只有1周；他会向销售团队展示 Anthropic 成立以来的轨迹图，让他们“相信我们会持续改进”。
客户流失速度之所以低于排行榜给人的印象，是因为客户会围绕某个模型进行微调和定制工作，而你只是“模型选择器里的3或4个选项之一”。如果每天根据评测结果切换模型，“对用户群来说会是一件疯狂的事”。
品牌确实存在。他认同 Harry 所说的“我是 Claude 用户 / 我是 ChatGPT 用户”，并引用了 Ben Thompson 与 Nat Friedman、Daniel Gross 的讨论。他在 Instagram 时代提出的“伪公式”是“形式 + 受众 + 感觉”，在 AI 中也有对应关系：模型个性 + 脚手架的规定性 + 感觉。

7. DeepSeek 改变了游戏规则

谈到西方是否低估中国时，他说：“DeepSeek 这件事——人们似乎对那里存在前沿研究团队感到惊讶；如果你一直在关注，这本不该是令人惊讶的部分。”Instagram 被封锁后，他见证了一个平行的创业世界出现；WeChat 解决了与 Facebook 当年相同规模的扩张问题。把中国视为复制者是“一种相当西方中心主义的看法”——他们能够训练前沿模型，“尤其是在获得算力的情况下”。
DeepSeek 做到而 Claude 没做到的，是在叙事上实现突破。更低训练成本的故事——“无论这是否完全属实”——恰好在1月、总统换届和中美关系的背景下引爆：“可能连我的姑妈都打电话问我 DeepSeek 了。我不是在开玩笑。”他自我批评说：“我认为我们没有把 Claude 的故事讲得足够好”——Claude 3 曾由“一支比任何其他实验室都小得多、得多、得多”的团队训练出来，并达到业界最先进水平。
在产品层面，这比一次提醒更强，是“一记推搡”：要更快把产品想法推向市场，因为“有时体验的新颖性本身就有价值——那是大多数人第一次体验实时思维链……我希望我们更早做到这一点”。（Anthropic 原本已经计划展示 CoT；蒸馏风险可能会促使实验室之后把它隐藏起来。）
关于 DeepSeek 能否长期维持热度，Harry 提到新兴市场的使用率保持得更好，而西方市场的使用率没有；Krieger 持怀疑态度，但也保持谦逊。对所有人而言，“我仍然认为我们处在一个问题的第1天：AI 是否已成为大多数人工作中不可或缺的一部分——我认为答案是否定的”。

8. 当模型供应商成为应用供应商：关键是可泛化，而不是垂直化

Anthropic 的产品团队约占公司总人数的十分之一，却要支持 Claude Code、API、Claude 和 Claude for Work，因此筛选标准是“可泛化性”：他“不预计我们会构建大量针对某个具体工作流、相当定制化的垂直体验”。
Harry 追问了翻译、转录、客服等横向品类。Krieger 的回应是：工作流知识可以保护高级用户——ElevenLabs 的控制台“非常明确地面向那些要翻译数小时内容的人”，Descript 则是“AI 领域最好的产品设计之一……显然是由那些日复一日身处这一工作流的人构建的”。双方的共识是：专业工作流仍然有价值；而在消费者市场，基础 AI “做到足够好”后，每月10美元的翻译订阅“感觉有点站不住脚”。
Claude Code 体现了这一策略：它最初是内部构建的，“因为我们只是想加速自己的团队”，经过数月 dogfooding 后才发布，并且刻意“不做 IDE”。其他公司“每天醒来和入睡时都在思考如何打造一个优秀的 IDE”，包括低延迟自动补全和 VS Code 插件生态。Anthropic 的定位是 IDE 与可能的 Cognition 式 Devin 全面委派之间的智能体循环，因为今天的模型“仍然需要有人操作键盘”。
他亲自使用 Claude Code 的案例是：上周提交了2个 pull request，这是他加入 Anthropic 后第一次写代码，而且面对的是一个从未打开过的代码库——“Claude Code 非常擅长找到包含正确代码片段的文件”。

9. 工程师将在1年内成为委派者，但决定构建什么仍由人完成

工程师的角色已经开始转向“知道该构建什么”：“我们很多、甚至大多数优秀的产品想法都来自工程师……来自原型设计。”代码审查也在变化：他的 pull request 收到的评论包括“对，Claude Code 有时会这样做，但这个场景我们实际上不用默认参数”，因此模型必须从代码库和 code review 中学习符合惯例的模式。
最终状态将是：工程师“从主要写代码的人，变成主要向模型委派任务的人和代码审查者”。静态分析会重新受到重视，AI 驱动的漏洞检查和计算机使用智能体会开始测试用户界面。他设想，未来你回到一个智能体那里，它已经在浏览器里尝试了3种方案，对胜出方案完成漏洞测试，并请你审查其中1个关键部分——工程师“获得了更像经理和委派者的能力”。Harry 认为“3年听起来太荒谬，1年会现实得多”。Krieger 回答：“我同意。”
仍然存在的瓶颈是：今年年初，他开始审计 Anthropic 自身流程中有多少已经被“cloudified”——Claude 起草 PRD、写代码、汇总分歧——但“推动对齐并真正弄清楚要构建什么，仍然是最难的部分”，最好在会议室或 Figma 中解决，而模型“可能还需要超过1年”，他后来又说至少还要3年。这也是他“非常看好”创业公司的原因：“创业公司的对齐，在一个下午喝杯咖啡就能完成，而不是像大型公司那样需要掌舵整艘船。”

10. 第一方战略面临硬约束

第一方产品能最快提供学习反馈：Claude Code 在内部部署后的1周内，团队就发现模型低估使用某个工具；修复方案“直接进入了3.7 Sonnet”。过去12个月里，他改变了自己对“第一方产品有多重要”的看法，也承认来晚了造成“显著”伤害，并指出两项投入不足：第一方迭代速度（“我当前的执念”），以及超越“输入 token、输出 token”的 API 抽象层——包括智能体规划、知识库、工具使用、跨对话记忆。Instagram 当年是“95%产品、5% API”；Anthropic 目前大致五五开。
Harry 最尖锐的质问是：你和 OpenAI 是不是钱太多了？Krieger 给出了本期最坦诚的让步：“我们产品获得的采用率领先于真实的产品市场契合度，因为它们仍然是获取这些模型的最佳方式，而我不认为这会长期持续……我们没有充分服务用户。”解决办法是停止运行“大公司打法”，忽略已经固化的组织边界，把日历时间花在产品评审上，而不是行政事务上。
快问快答中，他认为 OpenAI 更擅长“更快发布 v1，有时甚至领先于模型能力”，但更不擅长“个性，以及让所构建的功能保持一致性”。如果从零重建，他会拆掉 projects、artifacts 和 chats 这套信息架构——Claude.ai，以及可能还有 ChatGPT.com，最初都只是“用来展示模型的橱窗”。
最关键、但没有被充分说出的挑战，是智能体对智能体交互中的“辨别力 × 隐私”。他的比喻是自己5岁的孩子：孩子还无法区分家庭秘密与结账通道上的闲聊。“你是否相信自己的 Mike 智能体或 Harry 智能体走进真实世界后不会被 jailbreak？……模型从根本上想要提供帮助，而这并不总是你希望它们做的事。”谈到 AI 朋友，他不会否定 Alex Wang 的观点（“我不认为他说错了”），但坚持认为 AI 练习“相较于真实互动绝对不够”——就像一个人只在黑白房间里读过关于红色的描述，而不是亲眼看见红色。至于 Dario 关于活到150岁的乐观判断，他认为这有可能实现：Huma 可能已经用 Claude 把临床试验报告的处理时间从约15周缩短到20分钟，Arc Institute 的细胞基础模型也可能直接压缩药物发现循环——“我这一代最聪明的人都在研究如何投放更精准的广告；而今天，其中很多人正在研究模型”。