Anthropic的中國門徒

文 | 窄播，作者 | 李威（北京）

7月17日凌晨，Kimi K3正式發布。48小時內，全球開發者請求涌入月之暗面服務器，用戶量逼近算力集群承載極限。7月19日晚，Kimi官方稱「收獲了遠超預期的支持，但也面臨始料未及的算力挑戰」，暫停了C端新用戶訂閱。

Kimi K3的走紅，讓市場再次校準了對月之暗面的預期。過去一年，字節、阿里、騰訊等大廠加速投入，DeepSeek繼續用性價比和開源路線沖擊市場，智譜、MiniMax相繼上市，月之暗面一度被推到了一個需要向資本自證價值的尷尬境地。隨著Kimi K2.6和K3.0的發布，月之暗面又重新成為了一家炙手可熱的國產大模型公司。

只不過，這一次月之暗面也將關注點轉向Coding和Agent，并聲明自己既不做娛樂性的場景，也不做生圖、生視頻，而是一直聚焦Coding、金融、法律、科研等生產力場景，堅持依靠基礎模型的能力進化，來推動產品在生產力場景的滲透。

這是一條與Anthropic越來越相似的路徑。在Anthropic階段性跑贏OpenAI的過程中，被大廠和DeepSeek不斷擠壓生存空間的其余國產大模型公司們，看到了一條有效的突圍路徑——不是先爭奪最大的用戶規模，再圍繞超級應用搭建生態，而是先建立模型能力優勢，進入Coding等高價值生產力場景，通過API、企業工作流和真實任務形成商業閉環。

這不是單純的模仿，而是一種門徒式的理解與參考。其中包括了如何尋找足夠鋒利的能力尖峰，如何建立成熟的商業邏輯，以及如何形成AI時代的組織能力。不僅是月之暗面，我們在國內大廠的AI業務操盤者、頭部的模型創業公司身上都能看到與Anthropic相近的認知和行動。

Anthropic的意義，不是給中國公司提供了一個可以照抄的產品，而是證明了一家沒有超級入口的模型公司，也可以靠能力尖峰、生產力場景和組織共識，重新獲得獨立存在的理由。Kimi K3正是這套邏輯在中國市場的一次有效驗證。

Anthropic提供了一套模板

關于Anthropic的走紅路徑，并不是一個新鮮話題，但梳理這個話題是我們理解Anthropic門徒的基礎前提。

首先，它用愿景鎖定了公司的長期押注方向。

這個愿景很大程度上來自創始人Dario Amodei施加的個人影響。他的父親去世不到四年后，相關疾病出現了新的治療突破。這種經歷，讓他執著于尋找加速科學進展的方案。因此，這位1983年出生的創始人，無視了移動互聯網的紅利，很早就將AI看作推進科學和知識生產的基礎設施。

這意味著，對Anthropic來說，大模型不只是一個效率工具或聊天伴侶，而是一種能服務于社會進化的基礎技術。它對模型能力、安全和復雜任務的持續投入，不是要「做一個更好的聊天機器人」，而是要做能在很多事情做得比人更好的助手產品。這種判斷，比圍繞市場尋找機會要更長線、更母題。

同時，Anthropic通過組織能力建設，將愿景轉化成了凝聚力和產品力。Anthropic在招聘時會設置專門的文化面試，把價值觀刻意設計得有張力，盡早篩掉不適合共同工作的人。同時，公司的領導者也在將相當一部分時間和精力花費在公司文化的維護上，讓頂尖研究者在長期不確定的技術探索中能保持協作。

這也是Anthropic模板中很關鍵的一部分——組織和文化建設是推動研發的基礎設施。它的作用是在公司內部實現對齊，讓產品、工程、安全和模型團隊更高效地圍繞同一個問題行動。上下文的共享是實現對齊的重要方式。比如，在名為「Anthropic Times」的Slack頻道中，每天都會發布Claude編輯的由關鍵對話片段組成的公告。

在此基礎上，Anthropic圍繞生產力場景編織出了一個比ChatGPT更聚焦的商業閉環。

第一，Dario帶給Anthropic的愿景，已經決定了這家公司要向企業出售技術和產品，支持客戶用AI推進現實問題的解決。Dario認為，把一個AI模型在生物化學方面的能力，從本科生水平提升到研究生水平，也許不會讓普通聊天機器人用戶興奮，但對輝瑞這樣的制藥公司來說，這很有價值。

第二，推進現實問題的解決需要AI能操控和影響現實世界，代碼是能實現這一點的語言。在2021年的一份內部文件中，Anthropic的聯合創始人就已經寫過，為什么公司要聚焦在Coding上。這樣做，一方面可以幫助Anthropic加快自身的模型研發；另一方面，如果Coding的效果足夠好，就能很快吸引程序員們使用。

第三，Coding能力的泛化使用，不但推動了Agent的快速發展，也給Anthropic帶來了實實在在的營收增長。2025年3月，Anthropic的ARR（年化經常性收入）還只有14億美元，四個月后就已經接近45億美元，到2026年5月，達到470億美元。這些收入大部分來自Anthropic超過30萬的企業客戶。

滯后的總結歸納可能會過度理想化。也可能Anthropic選擇押注Coding和生產力場景，只是因為OpenAI已經在to C領域建立了難以追趕的優勢。但最終的結果是：Anthropic找到了生產力這條線，將愿景、技術、組織文化和商業模式完美串聯起來了。

學習Anthropic好榜樣

Anthropic的吸引力在于，它回應了中國模型創業公司過去一年最現實的焦慮，即沒有ChatGPT式的超級入口，沒有大廠的生態和客戶體系，資本和市場又變得更謹慎時，如何證明自己仍然值得存在。相比千人千面的聊天體驗，行業更容易判斷出一個Coding Agent能不能讀懂代碼倉庫、修復Bug、調用工具、完成測試。

受限于不同的市場環境，Anthropic的這套模板雖然并不能被中國的模型公司直接照搬，卻意味著他們不必只在「做一個中國版ChatGPT」和「轉型做應用」之間二選一，而是有了另外一條已經被階段性驗證過的前進方向。

因此，首先，建設新的能力尖峰是大廠和模型創業公司都在借鑒的一層。過去一年，中國大模型公司的競爭重點已經從「誰能做出一個更像ChatGPT的大眾聊天機器人」，轉向「誰能為真實工作提供更好用的模型」。

字節、阿里、騰訊等大廠這樣做，更多是在尋找AI業務的突破口。因為大廠本來就有入口、客戶和場景，Coding可以成為把模型能力嵌進既有業務體系的新接口。依托Coding能力，大廠的IM、云服務、代碼平臺和企業協作軟件都能更快完成面向Agent時代的升級，成為開發者和企業工作流的新入口。

模型創業公司建立能力尖峰的方式更為純粹，就是要不斷拉升模型的Coding能力。如果模型的Coding能力可以領先最前沿水平六個月到一年，模型創業公司就可以在撬動客戶購買意愿時獲得明顯優勢。Anthropic在和OpenAI競爭中的后來居上，以及MiMo-V2.5、GLM5.2、kimi K3的調用量增長，都能驗證這個判斷。

其次，Anthropic也讓模型創業公司有了校準自身商業模式的更好參照物。

智譜很早就強調自己不做「中國版ChatGPT」，而是堅持做基礎模型和MaaS，通過API、訂閱和私有化部署向企業和開發者輸出模型能力。這讓智譜更早押注在Coding上，同時強調模型基礎設施和企業服務，在Anthropic崛起后享受到了生產力場景爆發的紅利。

智譜CEO張鵬在2026年4月的業績電話會上表示：「以智能上限為壁壘，以API為主要產品形態，這是Anthropic和智譜正在兌現的商業路徑。」

Kimi現在也補上了這一課。Kimi K3的爆火證明了月之暗面仍然有做出關鍵模型能力的能力，這是非常關鍵的一步。這一步邁出之后，至少生產力場景中的真實用戶會在執行任務時將Kimi K3列到自己的備選名單內。如果Kimi K3足夠強，就可以將發布時的熱度，變成階段性的持續調用、訂閱和組織采購。

與其同期上市的MiniMax，最初明顯講得是一個更接近OpenAI的故事——一邊推進多種模型能力的迭代，一邊快速將模型能力變成產品矩陣，承擔用戶獲取、商業化的功能。大廠崛起后，這個方向的發展紅利被擠壓出清，MiniMax則借龍蝦熱完成了從「OpenAI敘事」到「Anthropic敘事」的切換。

我們也可以看到DeepSeek和Anthropic的氣質相近之處。二者都認為，代碼不只是一個應用場景，也是模型影響現實世界、改進自身研發效率的工具，以及不會把商業成功作為初心。不同的是，DeepSeek用開源和低成本路線擴大外部影響，而不是優先依賴企業客戶完成商業閉環。

最后，大廠和模型創業公司都更需要參考的是Anthropic如何把愿景、業務和組織做成了互相嵌套的整體。

Dario在自身的職場經歷中意識到，一群極聰明、極自我的人聚在一起，會很快形成「小團體、山頭」，因此Anthropic將文化、價值觀和組織建設也作為研發體系的一部分進行打造，致力于達成最廣泛的共識，消除滋生山頭的土壤。

中國的模型創業公司顯然意識到了這一點。梁文鋒在強調「管理一個大公司，靠的不是規章制度，靠的是愿景」，他的愿景顯然是AGI。月之暗面和MiniMax也在更積極地談及愿景、人才密度、組織松弛度和內部共識：月之暗面強調品味和直接溝通；MiniMax希望依靠高人才密度和AI原生研發組織，提高實驗、迭代和決策速度。

對已經形成一套成熟的流程管理體系的大廠而言，像Anthropic一樣持續建設透明上下文，能夠保證創意能自下而上流動。Anthropic的CTO曾經表示，一線的人每天都在跑實驗，對模型能做什么有最直觀的理解。絕大多數產品創意是由一線的人推出來的，而不是由高管的roadmap驅動的。

2026年6月，梁汝波在全員信中更新了公司文化和領導力原則，把「有危機感，保持外部視角」和「深入一線」單獨列為領導力要求，同時補充「做有高度的事」和「敢于設定高目標」。這說明即使是一直強調「Context over Control」的字節，在AI周期里也必須重新校準組織文化。

Anthropic敘事的邊界

中國公司學習Anthropic并不應該是簡單的模仿，而是根據自身需求將其內核錘煉出來，融入到自己的改造進程中。

因為Coding和Agent很快會變成行業共識，API和企業服務也會變成標準動作，但一家公司究竟為什么存在、相信什么、如何組織最重要的人，決定了公司的氣質和性格，是最難模仿的差異化。

Anthropic的價值在于，證明了OpenAI之外仍然存在另種可能，為更多門徒指明了探索方向。

但這種方向可能是階段性的，仍然面臨多重壓力的。

第一重壓力是生產力場景未必壁壘更高。

梁文鋒認為，Anthropic超過OpenAI只是階段性的，OpenAI和Google未來可能交替上升。企業客戶購買的是持續可用的能力，而不是一時的榜單領先。一旦Coding和Agent能力被追平，企業客戶和開發者的遷移成本可能低于外界想象。國內的模型創業公司也一樣，模型能力和產品形態不穩定前，誰都建不起一勞永逸的城池。

第二重壓力是聚焦無法消除的算力、資本和數據差距。

中美差距體現在算力和資本。中國公司可以復制Anthropic的聚焦，卻很難復制它在資本、算力、數據和企業客戶上的先發條件。同樣的，聚焦幫助模型創業公司減少了戰線，卻沒有幫其拉平與大廠的資源差距。先發優勢被抹平后，大廠依舊可能會依靠成本和體驗扳回一局。

第三重壓力是生產力市場可能比生活消費市場天花板更低。

To B需求會增長但最終存在上限，API可以支撐公司生存卻不一定能帶來超額利潤。所有模型公司已經開始需要回答一個問題：Token消耗增長，是否真的意味著客戶完成了更多工作、節省了更多成本？

第四重壓力來自組織本身。

一方面，Anthropic也好，DeepSeek、月之暗面、MiniMax也罷，目前都沒有發展出互聯網大廠那樣規模龐大的組織，因此會更容易形成內部對齊。如果團隊規模繼續翻倍增長，增加制度后如何才能不損耗此前的研究效率和人才吸引力？

另一方面，無論是大廠的AI團隊，還是模型創業公司，驅動技術進步的很關鍵一點是來自核心人物的非共識。Anthropic之所以獨特，是因為Dario看過好幾次共識在一夜之間翻盤后，就開始專注于自己的bet。這意味著，企業要付出更多努力，在充分尊重其直覺的前提下，防止自負的核心人物犯錯。

無論如何，Anthropic為中國門徒們注入了一個信念：模型公司仍然可以靠能力、組織和商業閉環重新上牌桌。接下來，門徒們競爭的不是誰更像Anthropic，而是誰能在所有人都轉向Anthropic后，先一步從「Anthropic敘事」中脫離出來，贏得領先時間。