Anthropic收购Vercept 补齐智能体视觉短板 为Claude装上“眼睛”

《科创板日报》2月26日讯（编辑 宋子乔） 当地时间2与25日，Anthropic宣布收购西雅图AI初创公司Vercept，为自家智能体（Agent）工具“Computer Use”补上视觉短板。

Computer Use是Anthropic为旗下AI大模型Claude打造的、使其直接操控电脑的核心能力，能让Claude可以像人一样“看屏幕、动鼠标、敲键盘、操作软件”，完成多步骤、跨应用的复杂任务，于2024年10月随Claude 3.5 Sonnet一同发布。

可以说，Computer Use是Anthropic进军AI智能体领域的关键一步。

而Vercept意在打造视觉优先（Vision first）的AI智能体，主打“像人一样看屏幕、操控电脑”的无API自动化，与Computer Use的卖点类似。

Anthropic此次收购，意在补齐其AI模型在视觉理解精度上存在的短板。人们正用Claude处理日益复杂的工作——编写跨整个代码库的代码、整合数十个来源的研究成果、管理跨越多个工具的工作流程。借助计算机，Claude能在实时应用中完成这些操作，处理多步骤任务，解决仅靠代码无法解决的问题。

Vercept在高精度UI识别、空间推理方面的积累正好补上这块拼图。该公司脱胎于艾伦人工智能研究所（Allen Institute for AI，AI2），创始团队堪称顶配——CEO Kiana Ehsani曾负责AI2机器人与具身智能团队，联合创始人Luca Weihs深耕AI Agent与强化学习，Ross Girshick则是计算机视觉领域的先驱人物。公司成立仅一年多，累计融资5000万美元，投资阵容包括前谷歌CEO施密特、DeepMind首席科学家杰夫•迪恩等。

在Vercept的团队看来，要让AI真正有效地完成复杂任务，就必须解决感知和交互难题。其产品Vy不走“读代码”路线，而是采用视觉优先方案——通过视觉模型理解屏幕上的每一颗按钮，再模拟鼠标键盘操作，这意味着它能操控任何有屏幕的软件。在UI元素识别基准ScreenSpot v1上，其自研模型准确率高达92%，而OpenAI同类模型仅为18.3%。

此次收购紧随Anthropic新一代模型Claude Sonnet 4.6发布之后。在OSWorld评估中，Sonnet模型准确率从2024年底的不足15%提升至如今的72.5%，在浏览复杂电子表格、跨标签页填写表单等任务上已接近人类水平。

这是Anthropic第二笔公开收购——去年12月刚收购编码代理引擎Bun。两笔收购指向同一方向：让Claude不仅能写代码，还能像人一样在各类软件中实时操作。

Vercept产品Vy将于3月25日关闭，团队正式加盟Anthropic。

关于Anthropic

Anthropic由前OpenAI研究副总裁达里奥•阿莫迪兄妹于2021年创立，核心团队曾参与GPT-2和GPT-3的早期研发。因对OpenAI的发展方向存在分歧，他们离职创办了这家致力于AI安全与研究的公司。

凭借创始人团队的光鲜背景，该公司融资步伐迅猛，自成立以来累计融资额已超300亿美元。2026年2月，公司刚完成300亿美元G轮融资，投后估值飙升至3800亿美元，使其成为全球估值第二高的AI独角兽，仅次于OpenAI。本轮融资参与方包括光速创投（Lightspeed Venture Partners）、门洛风险投资（Menlo Ventures）、摩根士丹利投资（Morgan Stanley Investment）、NX1资本（NX1 Capital）及卡塔尔投资局（Qatar Investment Authority）。

Anthropic最核心的产品是Claude系列大语言模型，按照能力梯队划分为三个层级：

Claude Opus系列：旗舰级模型，代表当前最高智能水平。

Claude Sonnet系列：性能与成本的平衡之选，也是大众用户接触最多的模型。

Claude Haiku系列：轻量级模型，主打快速响应和低成本，适用于实时交互场景。

基于上述模型，Anthropic开发了AI编程助手Claude Code和办公场景智能体Claude Cowork。Anthropic的年化营收在2025年年底超过90亿美元，其中，Claude Code的年化收入已达25亿美元。