Anthropic的中国门徒

文 | 窄播，作者 | 李威（北京）

7月17日凌晨，Kimi K3正式发布。48小时内，全球开发者请求涌入月之暗面服务器，用户量逼近算力集群承载极限。7月19日晚，Kimi官方称「收获了远超预期的支持，但也面临始料未及的算力挑战」，暂停了C端新用户订阅。

Kimi K3的走红，让市场再次校准了对月之暗面的预期。过去一年，字节、阿里、腾讯等大厂加速投入，DeepSeek继续用性价比和开源路线冲击市场，智谱、MiniMax相继上市，月之暗面一度被推到了一个需要向资本自证价值的尴尬境地。随着Kimi K2.6和K3.0的发布，月之暗面又重新成为了一家炙手可热的国产大模型公司。

只不过，这一次月之暗面也将关注点转向Coding和Agent，并声明自己既不做娱乐性的场景，也不做生图、生视频，而是一直聚焦Coding、金融、法律、科研等生产力场景，坚持依靠基础模型的能力进化，来推动产品在生产力场景的渗透。

这是一条与Anthropic越来越相似的路径。在Anthropic阶段性跑赢OpenAI的过程中，被大厂和DeepSeek不断挤压生存空间的其余国产大模型公司们，看到了一条有效的突围路径——不是先争夺最大的用户规模，再围绕超级应用搭建生态，而是先建立模型能力优势，进入Coding等高价值生产力场景，通过API、企业工作流和真实任务形成商业闭环。

这不是单纯的模仿，而是一种门徒式的理解与参考。其中包括了如何寻找足够锋利的能力尖峰，如何建立成熟的商业逻辑，以及如何形成AI时代的组织能力。不仅是月之暗面，我们在国内大厂的AI业务操盘者、头部的模型创业公司身上都能看到与Anthropic相近的认知和行动。

Anthropic的意义，不是给中国公司提供了一个可以照抄的产品，而是证明了一家没有超级入口的模型公司，也可以靠能力尖峰、生产力场景和组织共识，重新获得独立存在的理由。Kimi K3正是这套逻辑在中国市场的一次有效验证。

Anthropic提供了一套模板

关于Anthropic的走红路径，并不是一个新鲜话题，但梳理这个话题是我们理解Anthropic门徒的基础前提。

首先，它用愿景锁定了公司的长期押注方向。

这个愿景很大程度上来自创始人Dario Amodei施加的个人影响。他的父亲去世不到四年后，相关疾病出现了新的治疗突破。这种经历，让他执着于寻找加速科学进展的方案。因此，这位1983年出生的创始人，无视了移动互联网的红利，很早就将AI看作推进科学和知识生产的基础设施。

这意味着，对Anthropic来说，大模型不只是一个效率工具或聊天伴侣，而是一种能服务于社会进化的基础技术。它对模型能力、安全和复杂任务的持续投入，不是要「做一个更好的聊天机器人」，而是要做能在很多事情做得比人更好的助手产品。这种判断，比围绕市场寻找机会要更长线、更母题。

同时，Anthropic通过组织能力建设，将愿景转化成了凝聚力和产品力。Anthropic在招聘时会设置专门的文化面试，把价值观刻意设计得有张力，尽早筛掉不适合共同工作的人。同时，公司的领导者也在将相当一部分时间和精力花费在公司文化的维护上，让顶尖研究者在长期不确定的技术探索中能保持协作。

这也是Anthropic模板中很关键的一部分——组织和文化建设是推动研发的基础设施。它的作用是在公司内部实现对齐，让产品、工程、安全和模型团队更高效地围绕同一个问题行动。上下文的共享是实现对齐的重要方式。比如，在名为「Anthropic Times」的Slack频道中，每天都会发布Claude编辑的由关键对话片段组成的公告。

在此基础上，Anthropic围绕生产力场景编织出了一个比ChatGPT更聚焦的商业闭环。

第一，Dario带给Anthropic的愿景，已经决定了这家公司要向企业出售技术和产品，支持客户用AI推进现实问题的解决。Dario认为，把一个AI模型在生物化学方面的能力，从本科生水平提升到研究生水平，也许不会让普通聊天机器人用户兴奋，但对辉瑞这样的制药公司来说，这很有价值。

第二，推进现实问题的解决需要AI能操控和影响现实世界，代码是能实现这一点的语言。在2021年的一份内部文件中，Anthropic的联合创始人就已经写过，为什么公司要聚焦在Coding上。这样做，一方面可以帮助Anthropic加快自身的模型研发；另一方面，如果Coding的效果足够好，就能很快吸引程序员们使用。

第三，Coding能力的泛化使用，不但推动了Agent的快速发展，也给Anthropic带来了实实在在的营收增长。2025年3月，Anthropic的ARR（年化经常性收入）还只有14亿美元，四个月后就已经接近45亿美元，到2026年5月，达到470亿美元。这些收入大部分来自Anthropic超过30万的企业客户。

滞后的总结归纳可能会过度理想化。也可能Anthropic选择押注Coding和生产力场景，只是因为OpenAI已经在to C领域建立了难以追赶的优势。但最终的结果是：Anthropic找到了生产力这条线，将愿景、技术、组织文化和商业模式完美串联起来了。

学习Anthropic好榜样

Anthropic的吸引力在于，它回应了中国模型创业公司过去一年最现实的焦虑，即没有ChatGPT式的超级入口，没有大厂的生态和客户体系，资本和市场又变得更谨慎时，如何证明自己仍然值得存在。相比千人千面的聊天体验，行业更容易判断出一个Coding Agent能不能读懂代码仓库、修复Bug、调用工具、完成测试。

受限于不同的市场环境，Anthropic的这套模板虽然并不能被中国的模型公司直接照搬，却意味着他们不必只在「做一个中国版ChatGPT」和「转型做应用」之间二选一，而是有了另外一条已经被阶段性验证过的前进方向。

因此，首先，建设新的能力尖峰是大厂和模型创业公司都在借鉴的一层。过去一年，中国大模型公司的竞争重点已经从「谁能做出一个更像ChatGPT的大众聊天机器人」，转向「谁能为真实工作提供更好用的模型」。

字节、阿里、腾讯等大厂这样做，更多是在寻找AI业务的突破口。因为大厂本来就有入口、客户和场景，Coding可以成为把模型能力嵌进既有业务体系的新接口。依托Coding能力，大厂的IM、云服务、代码平台和企业协作软件都能更快完成面向Agent时代的升级，成为开发者和企业工作流的新入口。

模型创业公司建立能力尖峰的方式更为纯粹，就是要不断拉升模型的Coding能力。如果模型的Coding能力可以领先最前沿水平六个月到一年，模型创业公司就可以在撬动客户购买意愿时获得明显优势。Anthropic在和OpenAI竞争中的后来居上，以及MiMo-V2.5、GLM5.2、kimi K3的调用量增长，都能验证这个判断。

其次，Anthropic也让模型创业公司有了校准自身商业模式的更好参照物。

智谱很早就强调自己不做「中国版ChatGPT」，而是坚持做基础模型和MaaS，通过API、订阅和私有化部署向企业和开发者输出模型能力。这让智谱更早押注在Coding上，同时强调模型基础设施和企业服务，在Anthropic崛起后享受到了生产力场景爆发的红利。

智谱CEO张鹏在2026年4月的业绩电话会上表示：「以智能上限为壁垒，以API为主要产品形态，这是Anthropic和智谱正在兑现的商业路径。」

Kimi现在也补上了这一课。Kimi K3的爆火证明了月之暗面仍然有做出关键模型能力的能力，这是非常关键的一步。这一步迈出之后，至少生产力场景中的真实用户会在执行任务时将Kimi K3列到自己的备选名单内。如果Kimi K3足够强，就可以将发布时的热度，变成阶段性的持续调用、订阅和组织采购。

与其同期上市的MiniMax，最初明显讲得是一个更接近OpenAI的故事——一边推进多种模型能力的迭代，一边快速将模型能力变成产品矩阵，承担用户获取、商业化的功能。大厂崛起后，这个方向的发展红利被挤压出清，MiniMax则借龙虾热完成了从「OpenAI叙事」到「Anthropic叙事」的切换。

我们也可以看到DeepSeek和Anthropic的气质相近之处。二者都认为，代码不只是一个应用场景，也是模型影响现实世界、改进自身研发效率的工具，以及不会把商业成功作为初心。不同的是，DeepSeek用开源和低成本路线扩大外部影响，而不是优先依赖企业客户完成商业闭环。

最后，大厂和模型创业公司都更需要参考的是Anthropic如何把愿景、业务和组织做成了互相嵌套的整体。

Dario在自身的职场经历中意识到，一群极聪明、极自我的人聚在一起，会很快形成「小团体、山头」，因此Anthropic将文化、价值观和组织建设也作为研发体系的一部分进行打造，致力于达成最广泛的共识，消除滋生山头的土壤。

中国的模型创业公司显然意识到了这一点。梁文锋在强调「管理一个大公司，靠的不是规章制度，靠的是愿景」，他的愿景显然是AGI。月之暗面和MiniMax也在更积极地谈及愿景、人才密度、组织松弛度和内部共识：月之暗面强调品味和直接沟通；MiniMax希望依靠高人才密度和AI原生研发组织，提高实验、迭代和决策速度。

对已经形成一套成熟的流程管理体系的大厂而言，像Anthropic一样持续建设透明上下文，能够保证创意能自下而上流动。Anthropic的CTO曾经表示，一线的人每天都在跑实验，对模型能做什么有最直观的理解。绝大多数产品创意是由一线的人推出来的，而不是由高管的roadmap驱动的。

2026年6月，梁汝波在全员信中更新了公司文化和领导力原则，把「有危机感，保持外部视角」和「深入一线」单独列为领导力要求，同时补充「做有高度的事」和「敢于设定高目标」。这说明即使是一直强调「Context over Control」的字节，在AI周期里也必须重新校准组织文化。

Anthropic叙事的边界

中国公司学习Anthropic并不应该是简单的模仿，而是根据自身需求将其内核锤炼出来，融入到自己的改造进程中。

因为Coding和Agent很快会变成行业共识，API和企业服务也会变成标准动作，但一家公司究竟为什么存在、相信什么、如何组织最重要的人，决定了公司的气质和性格，是最难模仿的差异化。

Anthropic的价值在于，证明了OpenAI之外仍然存在另种可能，为更多门徒指明了探索方向。

但这种方向可能是阶段性的，仍然面临多重压力的。

第一重压力是生产力场景未必壁垒更高。

梁文锋认为，Anthropic超过OpenAI只是阶段性的，OpenAI和Google未来可能交替上升。企业客户购买的是持续可用的能力，而不是一时的榜单领先。一旦Coding和Agent能力被追平，企业客户和开发者的迁移成本可能低于外界想象。国内的模型创业公司也一样，模型能力和产品形态不稳定前，谁都建不起一劳永逸的城池。

第二重压力是聚焦无法消除的算力、资本和数据差距。

中美差距体现在算力和资本。中国公司可以复制Anthropic的聚焦，却很难复制它在资本、算力、数据和企业客户上的先发条件。同样的，聚焦帮助模型创业公司减少了战线，却没有帮其拉平与大厂的资源差距。先发优势被抹平后，大厂依旧可能会依靠成本和体验扳回一局。

第三重压力是生产力市场可能比生活消费市场天花板更低。

To B需求会增长但最终存在上限，API可以支撑公司生存却不一定能带来超额利润。所有模型公司已经开始需要回答一个问题：Token消耗增长，是否真的意味着客户完成了更多工作、节省了更多成本？

第四重压力来自组织本身。

一方面，Anthropic也好，DeepSeek、月之暗面、MiniMax也罢，目前都没有发展出互联网大厂那样规模庞大的组织，因此会更容易形成内部对齐。如果团队规模继续翻倍增长，增加制度后如何才能不损耗此前的研究效率和人才吸引力？

另一方面，无论是大厂的AI团队，还是模型创业公司，驱动技术进步的很关键一点是来自核心人物的非共识。Anthropic之所以独特，是因为Dario看过好几次共识在一夜之间翻盘后，就开始专注于自己的bet。这意味着，企业要付出更多努力，在充分尊重其直觉的前提下，防止自负的核心人物犯错。

无论如何，Anthropic为中国门徒们注入了一个信念：模型公司仍然可以靠能力、组织和商业闭环重新上牌桌。接下来，门徒们竞争的不是谁更像Anthropic，而是谁能在所有人都转向Anthropic后，先一步从「Anthropic叙事」中脱离出来，赢得领先时间。