摘要

Anthropic 公开披露的收入指标展现出一条非凡的增长曲线：2025年初约为10亿美元ARR，年中达到40亿美元，年末达到90亿美元，起点14个月后达到190亿美元。 Amol Avasare 表示，190亿美元这个数字已经过时，因为它只统计到2月底；在公司内部，线性图表已经不时髦了，因为“一切都是对数线性增长”。但他认为增长团队不能把功劳都归于自己：研究、推理、算力、Claude Code 和商业化共同贡献了绝大部分结果。
增长组织建立在一个判断之上：AI 原生产品的价值在两年内可能提升100至1,000倍，因此大幅改变产品远比传统漏斗优化重要。 普通生鲜或交易应用在这段时间里可能只能让用户价值提升30-50%；Anthropic 则预计，模型的指数级进步会解锁规模远超前代产品的新市场，agentic coding 已经证明了这一点。因此，约40人的增长团队参与打造了支撑 Cowork 和 Claude Code 的 Chrome 扩展，而不是把自己局限在渐进式转化测试上。
激活是产品当前的核心瓶颈，因为模型能力进步的速度已经超过用户学习如何提问的速度。 围绕 Opus 4 优化的 onboarding 流程，可能在 Opus 4.5 解锁新行为后迅速过时；而即使模型能力极强，如果用户只问“旧金山天气怎么样？”，它也发挥不出多少价值。Anthropic 的应对方式包括导入 ChatGPT 记忆、在 onboarding 中提出详细问题：接受能够识别用户并把他们导向正确产品、功能或使用场景的有效摩擦。
Anthropic 已开始通过 CASH——Claude Accelerates Sustainable Hypergrowth——自动化增长实验，Amol 表示，早期系统已经可以“按下启动键”，最终“印钞”。 系统负责识别机会、构建改动、检查质量和品牌标准，并在上线后分析实验；当前工作主要是文案和小幅 UI 调整，胜率接近工作2至3年的初级 PM。资深 PM 仍然更强，但在 Opus 4.5 之前，这套系统还不可行；到了 Opus 4.6，它才开始显出希望。
AI 对组织的即时影响，可能是让市场更需要 PM 和设计判断，而不只是减少人员，因为工程杠杆目前提升得最快。 Amol 把一个由5名工程师使用 Claude Code 组成的小组，折算成旧世界里约15-20名工程师的产能，结果 PM 和设计师“被彻底挤压”。因此，Anthropic 会让具备产品思维的工程师在两周工程工作量以内的项目中担任“迷你 PM”，而较大或争议异常高的项目仍由 PM 负责。
Anthropic 把聚焦、安全，以及愿意把收入留在桌面上的能力，视为彼此强化的战略优势。 Amol 将公司早期押注 coding 和 B2B，归因于研究加速，也归因于现实约束：Anthropic 没有 Big Tech 的分发能力、OpenAI 的先发优势，也没有同等规模的资金，因此约束迫使公司走上一条狭窄路径。作为一家公益公司，只要实验触及安全底线，无论测出的上行空间有多大，公司都会拒绝；他的增长原则是，“你只需要能够接受把钱留在桌面上。”
Amol 建议的持久职业对冲，不是泛泛的 AI 素养，而是工具熟练度与鲜明、跨学科优势的结合。 能做设计的产品型工程师和 PM 会成为“绝对的独角兽”；而沿用旧打法的人，可能需要丢掉过去做事方式中的“50%、60%、70%”。他自己的韧性观来自关闭一家获得融资的创业公司，以及从创伤性脑损伤中恢复：把能控制的事全部做好，接受约束，并学会“当你得不到想要的东西时，依然感到满足”。

精读

1. Anthropic 的增长曲线已经跑在最激进的预测之上

Lenny Rachitsky 将公开指标概括为：2025年初ARR为10亿美元，年中约40亿美元，年末90亿美元，14个月后达到190亿美元。他的对比是：Atlassian、Palantir 和 Snowflake 都用了15-20年，才达到约45-60亿美元的规模。
Amol 将这条曲线继续向前追溯：2023年收入从0增长到1亿美元，2024年从1亿美元增长到10亿美元，2025年从10亿美元增长到约100亿美元。“从一开始，收入同比增长10倍的趋势就一直存在。”
入职第2周，Amol 看到 Dario 推出激进的2025年规划目标，而其他人都在问：“我们他妈怎么才能做到？”Amol 当时想的是：“绝对不可能。”但公司不仅完成了目标，也没有出现按大数定律本应出现的增速放缓。
Amol 表示，190亿美元这个数字来自2月底，“现在也已经过时了”，但他不愿把功劳归给增长团队。研究、推理、算力、Claude Code 和商业化贡献了绝大部分结果；公司的运营现实是“拽着裤腰带往前冲”。

2. 一封冷邮件催生了一个当时尚不存在的岗位

Amol 是 Claude 的重度用户，判断 Anthropic 产品很棒，但“显然”没有增长团队。当时公司没有公开招聘增长 PM，他找到了首席产品官 Mike Krieger 的个人邮箱，并写道：“喜欢你们做的事，也喜欢这个产品。我觉得你们非常需要一个增长团队。想聊聊吗？”
他的冷邮件方法将“打开邮件”和“回复邮件”分开处理：通过测试主题文案获得极高打开率，通过个人邮箱避开拥挤的 LinkedIn 和工作邮箱渠道，正文则保持简短——介绍自己、说明匹配度，以及对方为什么应该聊聊。具体主题行仍是他的商业机密。
Amol 的坚持原则是：只要事情重要，就持续跟进，直到收件人说“请停下来”。Krieger 回复了第一封邮件，恰好 Anthropic 当时正开始考虑组建增长团队；后来 Krieger 告诉 Amol，他是自己唯一一个通过冷邮件招来的 PM。

3. 能力过剩让激活成为 AI 产品的首要难题

Anthropic 导入 ChatGPT 记忆，回应的是一个特定的竞争节点；但 Amol 将其放在更广泛的冷启动问题中理解：Claude 如何理解新用户、让用户知道它能做什么，以及把用户引向正确的起点？
他把全行业的瓶颈称为“能力过剩”。即便是 Anthropic 员工，也必须刻意测试每个内部模型并更新自己的先验认知；普通用户即使拥有接近 AGI 的能力，也可能只会问：“旧金山天气怎么样？”
激活工作甚至可能在上线前就失效。团队可以梳理 Opus 4 的能力、测试引导路径、总结经验并重做流程，但 Opus 4.5 可能随即解锁新能力，让之前的发现全部失去意义。因此，零日和首日激活比以往更重要，尽管目标本身一直在移动。

4. 正确的摩擦能让产品更有针对性，从而提升转化

在 Mercury，Amol 的团队用整整一个季度提升银行开户 onboarding 的质量，原则是：“忘掉指标，忘掉增长，其他一切都忘掉。”团队修复了注册代理人、法律地址、实际地址和受益所有权之间令人困惑的交互，最终创造了他当时最具影响力的增长季度，从开始到完成的转化率显著提升。
Anthropic 也会询问新用户是谁、对什么感兴趣，再推荐相关产品和功能。批评者认为流程过长、摩擦太重；Amol 的回答是经验数据：“我们有数据，也很满意它的表现。”
对于已经准备购买的人，MasterClass 的购买问卷看起来像是不必要的阻碍，但测试显示，它通过展示课程目录与买家兴趣的匹配度，显著提升了收入。Calm 也会在落地页、购买或登录流程中使用问卷；Mercury 则发现，把5或6个输入项拆到两个页面，能够降低认知负担，表现也更好。
核心区别不在于摩擦与速度，而在于步骤是否只是惹人烦。应该删掉单纯制造烦躁的步骤，保留那些帮助用户理解“为什么这个产品适合自己”的步骤。由此获得的身份和意图数据，还能用于激活、生命周期触达、相似用户定向，以及用户流失后的广告投放——这是“可以不断榨取的价值”。

5. Anthropic 的增长团队围绕受众组织，并敢于押注大幅变化

这支约40人的团队包括工程师、设计师、PM 和数据科学家。横向团队负责覆盖全产品组合的增长平台和变现；垂直小组则分别聚焦 B2B、Claude Code、知识工作者和 API 增长。
如果由一个统一的激活团队同时服务 Claude Code、Cowork 和其他产品，执行会很困难，因为它们的受众和内部协作方都不同。Amol 强调，任何组织设计都只是暂时的，但当前优先事项是聚焦受众并保持紧密合作关系，例如 Claude Code 增长团队就与该产品负责人密切协作。
传统增长团队可能把60-70%的精力放在小型和中型押注上，把20-30%放在大型押注上。Anthropic 则更接近50/50，或把70/30的比例倒向大型变化。Lenny 指出，在这个规模下，即使1%的提升也极其庞大；Amol 承认，这类胜利足以让一个季度看起来很亮眼，但面对10倍增长基准曲线仍然不够。

6. 产品价值的指数级变化，改变了最优增长组合

Amol 将 AI 原生产品与优秀的生鲜配送或交易应用进行对比。即使执行出色，传统产品两年后的价值可能也只提升30-50%；而 Anthropic 的产品价值在这段时间里“可能会达到今天的1,000倍，或者说100至1,000倍”。
每次能力跃迁都可能创造一个比前一个更大的市场。就在1年前或18个月前，agentic coding 几乎还不存在，但它的价值已经超过此前的 AI coding 市场。因此，如果只集中在高确定性的优化上，就可能“只见树木、不见森林”。
Chrome 扩展体现了这种大押注要求。一名看多的工程师发现了机会，但没有其他人负责；增长团队于是打造了如今支撑多个 Cowork 和 Claude Code 使用场景的产品。Amol 称这是“一个研究含量非常高的产品”，在另一家公司他不会尝试做这样的项目。
但他也强调了适用边界：如果 AI 是价值主张的核心，Cursor 或 Lovable 这类公司适合采用这种运营模式；如果 AI 只是传统产品的外围功能，就不应自动照搬。正确的平衡取决于产品本身以及增长团队的人员配置。

7. CASH 正在把实验闭环变成自治系统

Anthropic 的增长平台项目名为 CASH，即“Claude Accelerates Sustainable Hypergrowth”，Amol 多次承认这个名字“有点尴尬”。项目启动仅几个月，明确仍处在早期、小规模阶段。
Amol 表示，在 Opus 4.5 之前，这种方法基本不可行；到了 Opus 4.6，团队开始说：“方向对了。”系统会依次完成4个阶段：识别机会、构建改动、按照质量和品牌标准测试，然后分析上线后的数据并提取经验。
当前实验主要是文案调整和小幅 UI 改动，但系统已经产出正向结果：“你可以按下启动键，它最终就像在印钞。”它的胜率接近一名工作2至3年的初级 PM；Amol 仍然认为，资深 PM 会胜过它。
目前仍由人工审核批准结果并执行品牌标准，但 Amol 预计，随着模型使用包含品牌规则、明确该做什么和不该做什么的技能，这部分负担会下降。更难补齐的环节是利益相关者管理：一次艰难会议后，Anthropic 设计负责人开玩笑说：“我们会拥有 AGI，但让6个人坐进同一个房间并达成一致，依然不可能。”

8. 工程加速正在挤压 PM 和设计产能

AI 正在帮助3个职能提升效率，但 Amol 认为当前获得最大杠杆的是工程。一个名义上由5名工程师、1名 PM 和1名设计师组成的团队，在他看来相当于旧世界的15-20名工程师，但 PM 和设计师大约只相当于1.5-2人：“PM 和设计真的被挤压了，彻底被挤压。”
一个出人意料的应对方式，是招聘更多 PM。Anthropic 正在积极招募增长 PM；而 Claude Code 这样的技术组织可以更多依靠工程师，因为其中的 PM 实际上就是工程师，产品本身也高度技术化。
增长团队的分工规则是：需要2周工程工作量或更少的项目，由工程师承担实际 PM 角色，包括与安全、法务和其他利益相关者沟通。超过这一门槛，PM 仍然承担明确责任；即使项目只需1周工程时间，但如果争议很大，也属于“动动脑子”的例外情况。
Lenny 质疑了“每个 PM 都应该花更多时间交付”的主流建议。Amol 的限定是：在小公司或工程资源受限的公司，“算了，我来交付”可能是正确做法；但在大规模组织里，让20名工程师在“为什么做、做什么”上提升5%，可能比亲自交付第21个功能创造更多价值。

9. 原型和项目启动会正在取代大多数 PRD

Amol 估计，Anthropic 的增长工作可能有60-80%不经过 PRD 就直接上线。他公开表示“厌恶 PRD”和文档；对于小改动，只要具备产品思维的强工程师能够自行发现缺失问题，一个 Slack 对话就可以启动工作。
较大项目仍然需要严谨流程，尤其是30分钟的跨职能启动会。把法务、安全保障和其他协作方召集在一起，逐一询问“你们在意什么？”，可以避免后续大量协调混乱。
在文档有用时，Amol 可以在会议前5分钟把粗略想法交给 Cowork，让它调用包含自己偏好格式的技能，以及存有此前 PRD 的项目。但他的默认动作仍然是“直接行动”，并且越来越倾向于“直接做原型”，因为展示想法往往比描述想法更准确。

10. Cowork 已经成为全天候的指标和行政运营层

每天早上，一个定时运行的 Cowork 任务会检查多个产品的约20-25张图表，并标记看起来令人担忧或新近出现亮点的地方。部分数据源通过 Chrome 扩展追踪 Hex 链接，其他数据源则通过 MCP 连接访问。
Amol 仍会亲自打开几张图表，因为“我是数据控”，但中长尾工作交给系统。他表示，如果系统的假阳性和假阴性率持续下降，管理层就能对系统更有信心，从而覆盖那些不可能每天亲自检查的指标。
他还把会议室预订、第一轮收件箱归档、Benepass 报销和 Brex 费用交给 Cowork。重点不在新奇，而在于清除反复出现的生活行政事务：“交给 Cowork。把它清掉。”

11. AI 现在可以暴露组织错位，也能提供不完美的辅导

每周一次的 Cowork 任务会使用 Slack MCP 扫描 Amol 正在推进的项目，并询问：“现在就去找出潜在的错位。”它可以识别哪些人应该被咨询、另一支团队的看法是什么，以及某个拟上线项目可能遇到哪些约束。
对于直接下属，Claude 会审阅每周活动、团队目标、OKR 和讨论记录，然后提出观察和反馈建议。Amol 也会对自己运行反向版本：根据经理 Ami Vora 的公开文章、内部优先事项、Slack 活动和双方对话，询问 Ami Vora 可能会给自己什么反馈。
输出质量时好时坏，Amol 把它比作“一个有时喝醉的教练在带你训练”，但偶尔发现的问题极具价值。一名企业负责人曾发现重大错位，否则这些错位可能导致团队重复劳动，或在错误方向上空转。
Lenny 想象中的战略机器人，会监控指标、市场、路线图和执行情况，然后建议是否转向。Amol 的谨慎预测是，“今年晚些时候”，这种主动整合多来源信息的能力会变得非常有效；但这是他的直觉，不是确定判断。

12. Coding 和 B2B 的聚焦，既来自前瞻判断，也来自现实约束

Amol 回忆，Ben Mann 在2021年写过一份文档，当时 Anthropic 成立才几个月，文档主张公司应该聚焦 AI coding。这早于市场出现明确证据，反映出管理层很早就对 coding 和 B2B 形成了判断。
Coding 带来两重回报：一个庞大的商业市场，以及一个研究飞轮。更好的 coding 模型会提升研究人员效率，加速制造更好模型的工作，并有可能进一步收紧这个循环。
现实需要强化了这一战略。Anthropic 历史上是“规模最小、资金最少的参与者”，没有 Meta 或 Google 的自由现金流和分发能力，也没有 OpenAI 的先发优势。Amol 称公司的生存“完全是个奇迹”，并把这种战略优势概括为“通过约束获得自由”：可行选项更少，反而迫使公司聚焦。
历史本来可能沿着另一条路径发展。Anthropic 在 ChatGPT 之前就拥有 Claude 聊天机器人，但出于安全担忧，也不愿引发全球 AI 军备竞赛，因此选择不发布；ChatGPT 的巨大牵引力则自然把 OpenAI 推向消费者市场。Amol 承认，如果 Anthropic 率先发布，双方的位置可能完全倒转：“谁知道呢？”

13. 安全被嵌入治理结构，并为增长划出硬性边界

Anthropic 创立之初就是公益公司，而不是传统的特拉华州 C 型公司。Amol 认为，两者的区别在于，这种结构允许公司以公共利益为优化目标，而不是把股东价值最大化作为法律上的最高目标。
公司的使命是让向强大 AI 的过渡顺利完成，并确保其对人类的净影响持续为正。Amol 表示，Anthropic 对 AI 的上行空间持乐观态度，但在安全需要时愿意承受“重大的商业损失”；不发布最初的聊天机器人就是最清晰的例子。
他的增长框架区分了两类有争议的测试。第一类测试跨越安全、价值观、品牌或客户友好度的红线，结果无关紧要，根本不应运行。第二类测试会带来“尴尬或不适”，但没有跨过红线，可以测试；不过 Amol 要求回报必须足够高，才能接受这种妥协。
更广泛的原则是克制：强硬的增长团队往往试图“榨出最后一美元”，但 Anthropic 可以接受放弃指标，以保住安全、品牌、质量和用户体验。Amol 认为，最强的产品本来就应该这样运作，而可信的安全能力可能成为长期的重要竞争优势。

14. 使命感和公开异议是 Anthropic 的文化护城河

Amol 加入 Anthropic 时没有内部人脉，也曾怀疑公司是否真的以使命为导向。入职后的反应是：“我靠，好吧。”公司内部对使命的认真程度甚至超过对外呈现；他说自己没见过一个彻底躺平的员工。
对 AI 上行和下行风险的共同理解，带来了异常强的能量：“每个人都把自己拥有的一切摆上桌面。”领导层的透明度进一步强化了这一点，因为公司明确鼓励员工挑战高管，而不是默默服从。
每个人都可以维护一个 notebook channel——类似内部 Twitter 的信息流，用来发布当前思考、进展和挑衅性观点。一次全员会议后，一名员工公开告诉 Dario，自己不喜欢他的表述方式，由此引发广泛讨论，而不是遭到惩罚。
Amol 将人才密度比作“为 Real Madrid 效力”：Mike Krieger、Ami Vora、顶尖研究人员和增长专家共事，同时还有 Jeff 这样曾任美国驻澳大利亚大使的人。Amol 曾在公司现场随意遇到 Jeff 一边吃爆米花。对他而言，真正的“秘方”是文化加人才，而不是某一项单独策略。

15. Notebook channel 现在既服务人，也服务为人提供建议的智能体

在快速招聘期间，领导者会通过 notebook 帖子传播判断。当 Amol 写下“接受把钱留在桌面上”时，新加入的增长工程师无需再参加一次会议，就能获得这一决策原则，从而降低组织扩张过程中的战略漂移。
这些记录也会成为机器上下文。一些 onboarding 文档会提醒员工，在编辑前先咨询负责人，因为 Claude 会把文档当作重要参考；增长、安全保障和其他职能正越来越多地记录自己的思考，部分原因就是让智能体能够准确代表这些思考。

16. Frontier AI 公司仍然会购买成熟 SaaS

尽管 Anthropic 有能力自行构建内部工具，公司仍大量使用 Slack、Figma、Workday 等 SaaS 产品。Amol 认为未来会比较复杂——随着 Claude 进步，更多软件会在内部构建——但他暂时看不到这些核心产品在近期消失。
Lenny 对“用 vibe coding 把 SaaS 取代掉”的反驳是机会成本：Anthropic 有比再造一个 Slack 更有价值的事情可以做，而成熟软件背后包含多年积累的隐性复杂度。Amol 同意，部分颠覆性判断有道理，但另一些被夸大了；他还指出，这些软件供应商中有许多也是 Anthropic 的重要客户。

17. 保持商业竞争力本身就是 Anthropic 的安全战略

Amol 认为，线性思维者和指数思维者对时间表的感知不同。根据今天的情况外推的人，会问2或3年后模型能好多少；真正理解指数增长的人，则预期重大后果会更早出现，因此更迫切地讨论上行空间和下行风险。
他说，Anthropic 对外发布的警告有时比内部判断更温和，但这不是在制造恐慌。大多数员工仍然乐观，但不会把好结果视为必然，并认为真正参与构建这些系统的人，比局外评论者更能精准描述具体风险。
公司的战略是“推动竞赛向上发展”。如果 Anthropic 退出竞争、站在场外呐喊，“没人会在乎”；如果公司保持领先并实现商业成功，就能影响竞争对手和更广泛的公共讨论，推动它们采用更安全的原则。

18. AI 时代的职业将奖励鲜明长板、邻近技能和适应力

最基础的建议是持续使用工具：每次模型发布后都重新测试 Claude Code 和 Cowork，包括此前失败过的任务。“模型发布一次之后”，原本跑不通的工作流可能突然可行；如果不重测，可能白白错过数月的生产力提升，也无法形成 AI 产品判断力。
除了工具熟练度，Amol 建议围绕实际影响力，进一步强化自己的不公平优势。利益相关者协调者、工艺极强的 PM、具备产品思维的工程师，或会做设计的 PM，在相邻职能都已超负荷时，会变成“绝对的独角兽”。
他自己的组合来自创业、投行、金融、销售直觉和增长经验。他提到 Nick Lin 在构建 Claude for Sheets 和 Claude for Excel 时所拥有的投行及私募股权经历：“这个我懂，这个我懂。他就是为这件事而生的。”
适应力是最后一道筛选。加入 Anthropic，意味着把过去做事方式中的“50%、60%、70%”丢掉；如果继续套用继承而来的打法，工作本身已经变化时，这些人只会不断给自己制造摩擦。

19. 失败和受伤把约束变成了 Amol 的行动系统

Amol 最大的职业失败，是一家他投入3年时间经营的心理健康创业公司。公司获得了几百万美元融资，鼎盛时期团队约有7-10人。关闭公司意味着要告诉员工和投资人，一个自己深信不疑的愿景失败了；这件事花了他数年时间才消化。
他的具体建议是，即使进展很糟，也要每月向投资人发送更新。让支持者了解情况并不会消除痛苦，但可以避免他们措手不及；那段失败经历还教会了他产品工作和冷启动外联，只是多年后他才看清，这些经验如何构成了自己的职业路径。
2022年初，一记泰拳踢击造成了创伤性脑损伤。他离开工作9个月，花了大约半年才敢正常走路，数月无法忍受屏幕，甚至无法听超过20秒的音乐；2023年年中，在一次飞行后被日常的行李撞击再次伤到，迫使他在加入 Mercury 后不久又休息了2个月。他目前大部分时间已经恢复，但还没有完全康复。
这些约束塑造了持久的生活习惯：不喝酒、不摄入咖啡因；即使在模型发布期间，也要在早上短暂休息一次，并在午餐到日落前再休息一次；每年参加冥想静修，并在觉察与“现实的疯狂”之间留出空间。他的核心经验是，行动和接受可以并存：把能控制的事全部做好，同时追求“真正的自由”，学会“当你得不到想要的东西时，依然感到满足”。他用两句格言概括这种姿态：“放手去做”，以及澳大利亚式的“没事的，船到桥头自然直”。

现代战争的现状：Palantir 与 Anduril 高管谈无人机、AI与传统战争的终结训练 AI 的眼睛：Roboflow 如何让现实世界变得可编程——与 CEO Joseph Nelson 对谈