Anthropic养了一支“失败者”团队

Anthropic内部不足20人的Labs团队，以“高淘汰率换创新速度”著称。项目每两周接受一次“存活或转向”评审，约70%至80%的“押注”最终被砍，少数成功项目独立孵化，Claude Code便是其中之一。依托贴近模型研发前沿的优势，Labs持续将新能力快速产品化，并通过真实应用反哺模型迭代。

一个成功的Claude Code背后，可能站着更多已经被砍掉的项目。

据Business Insider报道，Anthropic内部有一支不足20人的“Labs”团队，专门负责做这件事：不断提出新产品、快速验证，然后砍掉大多数失败的尝试。据团队负责人、Anthropic联合创始人Ben Mann透露，Labs项目的成功率仅约20%至30%，换言之，大约70%至80%的“押注”最终都会失败。

但Anthropic并不把失败视为浪费。恰恰相反，这套高淘汰率机制正在成为公司把前沿模型能力快速变成商业产品的重要引擎。Claude Code、模型上下文协议（MCP）以及Claude Design等产品，均与Labs有关。随着Anthropic筹备IPO，这支“失败者”团队的重要性也正在上升。

Mann在接受采访时表示：“我们确实将其视为真正意义上的创业孵化器，并预期大多数押注会以失败告终。”在Anthropic看来，关键不是让每个项目都成功，而是用足够低的试错成本，换取少数足以改变业务曲线的“命中”。

两周一轮“存活还是转向”：大多数项目注定被砍

Labs的运作方式与传统产品团队截然不同。约20名成员采用轮换制，持续提出新的产品原型，内部称之为“押注”（bets）。每隔约两周，团队就会进行一次“坚持还是转向”（persevere or pivot）评审：表现不佳的项目被直接砍掉或并入其他项目，成员随即转向新的尝试；少数被验证的项目则从Labs“毕业”，独立组建团队。

Claude Code就是其中最成功的一次“押注”。Mann最初将任务交给刚入职不久的Boris Cherny。Cherny一开始想做的是代码分析工具，但Mann认为这一方向不够大胆，要求他把目标做得更大。随后，Cherny开发出的原型迅速在Anthropic内部走红，并于2025年2月以预览版形式对外发布。

此后，随着Claude模型持续升级，Claude Code逐渐从一个内部原型成长为Anthropic最具影响力的产品之一，也成为公司增长提速的重要催化剂。

Labs能够高频试错，还有一个关键优势：它离研究前沿足够近。Mann表示，Claude Code开发启动前，团队便从研究人员处了解到新模型在智能体编程方面展现出的潜力，因此能够在模型能力成熟之前提前布局，将研究成果更快推向产品端。

产品版图持续扩张：从编程工具到设计软件

Claude Code并非Labs唯一的成果。团队还孵化了模型上下文协议（Model Context Protocol，MCP），用于连接AI智能体与外部数据源；今年推出的Claude Design同样来自Labs。Instagram联合创始人Mike Krieger也在这支团队中。

Mann将Labs的目标定义为扩大AI的“行动空间”（action space），也就是不断拓展AI模型能够真正完成的任务边界。因此，Labs做的不只是寻找下一个爆款产品，也会在产品实践中暴露模型能力的短板，再推动研究团队补齐。

例如，Labs曾推动Anthropic研究团队改善音频模型对埃塞俄比亚阿姆哈拉语的理解能力；Claude Design的开发，则进一步激发了公司对视觉输出能力的研究兴趣。产品试错因此不再只是验证商业需求，也成为反向推动模型能力进化的一条路径。

这种机制如今也开始向Labs之外扩散。Mann透露，Anthropic其他产品工程团队目前也设立了类似的“押注”小组。

IPO前后的高难度平衡：既要敢于失败，也要直面竞争

随着Anthropic筹备IPO，Labs需要解决的问题也不再只是“能不能做出下一个Claude Code”，而是如何在持续创新与商业化之间找到平衡。

Forrester分析师Mike Gualtieri指出，Anthropic正在走一条“高空钢丝”：公司不断推出的新工具，可能直接进入企业客户现有软件的市场。以Claude Design为例，其产品能力已经开始与Adobe、Figma等设计软件形成竞争。

Gualtieri认为，随着Anthropic逐步构建自己的产品平台，公司可能创造出足以让用户减少对其他软件依赖的功能。“这将是一场微妙的博弈。”

与此同时，Labs本身也必须保持足够高的人员流动。项目通常在团队规模超过四人后便会“毕业”并独立出去，成员不断流向其他部门，同时又持续有新人加入。这意味着，Labs的核心不是一支固定的20人团队，而是一套不断制造、筛选和放大产品机会的机制。

更长远来看，Mann希望这种机制能够从软件产品延伸至生物研究、清洁能源存储等硬科学领域，让AI真正进入更广泛的现实世界。他认为，加速硬科学发展的能力“令人极度兴奋”，也是AI开始创造更大现实价值的关键。