Lenny Rachitsky

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”。

🔗 原始收听与视频来源： Anthropic 增长负责人：Anthropic 正在自动化自身增长

Google 的 AI 翻盘与其说源于一次重组，不如说是多年复利式投入、更紧密的产品与研究协作，以及“惊人的专注和紧迫感”最终兑现的结果。 Lenny 开场提到 Gemini 登顶 App Store，以及市场对 Nano Banana 的兴奋。Stein 表示，产品和模型按月持续改进，如今已到达临界点：前沿模型终于足够有用，消费者开始切身感受到多年积累的进步。

Stein 不认同“Google 已死”的论断，因为 AI 正在扩大人们的搜索范围，而不是取代 Search 原有的大量导航、交易和事实查询需求。 Google Lens 的视觉搜索在已经达到“数十亿、数十亿、数十亿”规模的基础上，同比仍增长70%；用户会拍下鞋子、作业或书架，再提出过去用关键词搜索很难表达的问题。

Google 的 AI 竞争资产，是前沿模型、分发能力和实时结构化信息的组合，而不只是嵌入 Search 的聊天机器人。 AI Mode 可以调用每小时更新20亿次的500亿件商品、Maps 中的2.5亿个地点、金融数据和整个互联网；AI Overviews 与 Lens 也越来越像通往同一对话系统的预览入口。对投资者而言，关键在于 Google 能把既有搜索意图转化为更丰富的查询，而无需用户去别处培养新习惯。对于即将推出的视觉版本，Lenny 认为它可能威胁 Pinterest；Stein 则强调，它不同于 Nano Banana，后者是图像编辑器。

AI Mode 的 query fanout 会把一个提示拆成潜在数十次后台搜索，将模型推理与实时信息、垃圾信息识别、权威性信号及可供核验的链接结合起来。 因此，Stein 对 AEO/GEO 的答案是渐进式的：满足用户意图，提供原创且有可靠来源的信息，并聚焦 AI 正在促使人们更频繁提出的建议、操作指南和复杂问题。“归根结底，确实有东西在搜索。”

AI Mode 的定位是信息产品，而不是通用型心理治疗师、创意伴侣或电子表格工作台。 Google 的押注是，用户会从“关键词语”转向五句话的自然语言请求——比如排除4家去过的餐厅、同时照顾朋友的过敏需求，再寻找户外约会地点——并继续获得权威来源和追问能力。

这次发布的速度证明，只要确信度足够高，Google 仍能像创业公司一样运转。 一个5至10人的团队在这次对话前约1年启动，找到几个“闪光时刻”，邀请约500名外部测试者直言产品何时糟糕，通过 Labs 扩大测试，随后在美国大范围上线。Stein 认为，未来大约1年的产品迭代，可能会为之后许多年建立消费者习惯。

Stein 的产品操作系统，把持续不满与硬核数据仪表盘结合起来：愿景负责定义更好的世界，留存曲线和根因分析则检验产品是否真的走到了那里。 团队应观察第7天、第30天和第90天留存，找到 S 曲线趋平的位置，并把投入转向新的增长引擎——在这些引擎上，单个改动仍可能带来10%、20%甚至4%的提升。他对“精益崇拜”的反驳是，真正困难的突破往往不是没有内部共识，而是共识形成后团队仍长期人手不足。

Instagram Stories 与 Close Friends 说明，产品可以采用已经验证的格式而不只是照搬，也说明复利式改进可能需要很长时间。 Stories 通过相册上传、暂停、创作工具和一致的产品入口，最终变成 Instagram 原生功能；Close Friends 则用了两三年修复令人困惑的设计和误译，直到名单达到约20–30人，并在 Stein 的例子中产生2条私信回复后才真正奏效。更大的规则是“清晰胜过聪明”，同时要有足够谦逊承认第一版失败。

🔗 原始收听与视频来源： Google AI 翻盘内幕：AI Mode、AI Overviews 与 AI 驱动搜索愿景｜Robby Stein

据新任CEO Jason Droege透露，Scale AI在Meta以略高于140亿美元收购其49%无投票权股份后，仍是一家独立公司。 Meta没有获得新增董事席位或优先数据访问权；约15名Scale员工转去了Meta，Alex Wang也加入Meta，但保留了Scale董事席位。Droege表示，Scale两大业务各自贡献数亿美元收入，交易完成后业务保持逐月增长，近期还签下了两份1亿美元政府合同。

企业AI的交付瓶颈在可靠性和落地周期，而不是缺乏经济价值。 概念验证通常能做到60%–70%，但补齐剩余部分，就像把数据中心可用性不断增加新的“9”：法律、政策、监管、准确性和变更管理等工作，会让一项重要自动化项目变成6至12个月的工程。Droege的总结是：“易学难精。”

前沿模型训练已经从快速偏好排序，转向由顶尖专业人士耗时数小时完成的示范任务。 18个月前，任务可能只是比较两篇短篇故事；如今，一个任务可能要求顶尖开发者搭建并解释完整网站，或要求PhD讲解细微的癌症知识。Scale专家网络中约80%拥有学士或更高学历，约15%拥有PhD。看似具有魔法的模型背后，是持续的“运营打磨”：算力、模型能力和日益专业化的数据同步提升。

企业AI的下一道瓶颈，是将机构特有的判断数字化，而不是继续吞入更多原始数据。 Scale的医疗案例把200–300页、格式混杂的病历压缩成5至10个关键考量，并曾发现一项与计划用药相冲突的过敏史。通用模型、RAG和微调都有上限，因为同样的词在不同公司可能代表不同重要性；机构内部专家必须越来越多地标注“什么才算好”。

模型正从“知道事情”走向“执行事情”，使强化学习环境成为关键基础设施层。 Agent需要在真实沙盒中学习：操作经过配置的Salesforce，处理业务数据，完成目标，并在决策不确定时升级给人类；同时，实验室也在寻找足够泛化的训练任务，以免不得不收集“45万亿种组合”。Droege预计，技术可能在2至3年内接近足以迫使企业面对艰难的变更管理和政策决策。

Droege不认同短期内白领末日论，但也坦承Scale有维持人类参与的利益驱动。 他不认为转型会在未来1年发生，并称2年内发生“非常不现实”，但也保留了“这里没有什么是不可能的”这一层判断；从更长期看，他认为如果这些系统要真正服务于人，涉及重大后果的决策就必须有人在环。其更深层的观点是，标注行业拥有一段“不断开启新篇章的历史”：旧需求消退后，新的人的知识和技能会变得有价值。

Droege的创业框架结合了独特洞察、买方紧迫性、结构性经济性和生存能力。 Uber Eats重构了餐厅经济模型，最初向餐厅收取30%，市场最终稳定在约25%；如果需求增长3倍、劳动力不变、只有食材成本随之增加，新增订单可带来70%–80%的增量毛利率。该业务随后在4年半内从0增长到约200亿美元。创始人仍需说明自己为何能独家看见机会，愿意投入5至10年，并牢记“不输”是赢下来的前提。

🔗 原始收听与视频来源： Scale AI CEO谈Meta的140亿美元交易、将Uber Eats做至800亿美元，以及前沿实验室下一步在构建什么