一个失败率80%的20人团队，如何做出Anthropic最成功的AI产品？

过去一年，Claude Code 几乎重新定义了人们对 AI 编程工具的想象。

最初，它只是 Anthropic 内部的一个实验性项目，2025 年 2 月才以 research preview 的形式对外开放。此后，随着 Claude 模型在编程和 Agent 能力上的提升，Claude Code 开始从“辅助写代码”走向更完整的软件工程任务：读取代码库、修改文件、运行命令、调用工具，甚至连续工作数小时。发布大约半年后，它的年化收入已经达到 10 亿美元级别，成为 Anthropic 商业化过程中增长最快的产品之一。

但如果回头看 Claude Code 的诞生过程，会发现它背后的团队与典型的大公司产品部门很不一样。

9 月 7 日，Anthropic 联合创始人 Ben Mann 接受外媒采访，第一次较为完整地介绍了自己负责、且创造出 Claude Code 产品的 Labs 团队。这是一支只有约 20 人、成员不断流动的小团队，专门负责寻找 Anthropic 下一批可能成立的新产品。

图｜Anthropic 年初曾发布公告介绍（来源：Anthropic）

在这个求新求变的团队里，几乎每天都有想法被产出并筛选。“成功率只有 20%—30%”，Mann 在采访中表示。绝大部分的实验最终会终止、改变方向，或者只留下其中一部分功能。

但这也带来了非常直观的效果，过去两年， Anthropic 多个最受关注的项目都曾与 Labs 有关。除了 Claude Code，还有连接 AI Agent 与外部数据和工具的 MCP，以及今年推出的 Claude Design；Anthropic 此前介绍 Labs 时，也将 Skills、Claude in Chrome、Cowork 等产品列入这套实验机制产生的成果。

20 人、高淘汰率的 Labs 是怎么运作的？

Ben Mann 是 Anthropic 的联合创始人之一。在创办 Anthropic 之前，他曾在 Google 和 OpenAI 工作，也是 GPT-3 论文作者之一。相比公司内部更偏模型研究和 AI 安全的创始团队，Mann 很早就开始推动 Anthropic 把研究能力转化为实际产品。

图｜Ben Mann（来源：AI Conference）

他在此次采访中回忆，Anthropic 成立早期甚至讨论过，是否可以主要依靠慈善性质的资金持续推进先进 AI 研究。几年前，他还需要说服公司开始真正发布产品。到 2024 年，Mann 创建 Labs，希望专门留出一支小团队，探索那些尚未形成明确市场、但可能随着模型能力提升迅速变得可行的新方向。

Mann 把 Labs 形容成一个“真正意义上的创业孵化器”。他曾在 Google 内部孵化项目 Area 120 工作，也提到贝尔实验室给过他启发。这类组织的共同特点，是在大公司内部保留一支相对独立的小团队，专门尝试风险更高、前景尚不明确的新项目，再把跑通的方向交给更大的团队继续发展。

Anthropic Labs 也采用了类似的方式，但它还有一个明显优势：离基础模型研究团队足够近。产品开发者能够更早知道新模型在哪些能力上正在进步，甚至在模型正式发布之前，就开始围绕这些变化做原型。Claude Code 的诞生就是一个典型例子。Mann 在采访中透露，早在产品开发之前，Labs 就已经从研究人员那里得知，新模型在 agentic coding 上展现出了明显潜力。

Labs 的团队规模也一直维持得很小。按照 Mann 的说法，当一个项目验证了方向，继续推进需要超过 4 个人时，就会离开 Labs，转由独立团队继续开发。Claude Code 和 Claude Design 都经历过这个过程。

这样做，是为了让 Labs 始终专注在最早期的探索阶段：寻找产品机会、做出原型，再判断这个方向是否值得继续投入。项目一旦成立，后续的工程优化、功能扩展和商业化，就交给新的团队负责。

项目离开 Labs 后，部分成员也会一起转入新团队。Claude Code 的主要创造者 Boris Cherny 就是如此，他最初在 Labs 推动 Claude Code 原型，产品独立后继续负责 Claude Code 团队。随着成熟项目不断离开，Labs 再补充新人，因此成员一直保持流动，整体规模长期维持在大约 20 人。

图｜Boris Cherny（来源：Final Round AI）

而对于没有跑通的想法，Labs 大约每两周会进行一次 “persevere or pivot” 评估，决定继续推进、调整方向，还是停止。Mann 给出的成功率只有 20%—30%，但一些没有成为独立产品的尝试，也会留下可用的功能或技术，例如被整合进 Claude 的 Chrome 扩展。

这套机制还让产品和模型研究之间形成了更直接的反馈。Mann 此前谈到 Claude Code 时提过，如果 Anthropic 只向 Cursor、GitHub 等外部产品提供模型，公司获得真实用户反馈的速度会慢很多。自己做产品之后，模型在哪些任务上容易失败、开发者还需要接管哪些环节，都能更快反馈给研究团队。

对 Anthropic 来说，这种距离很短的研究与产品循环，也是它能够更早发现新机会的重要原因。

Claude Code 最初只是一个“非常小的想法”

当谈及 Claude Code 的诞生过程，则体现了 Mann 对 AI 产品开发的判断。

Boris Cherny 在 2024 年加入 Anthropic 后，最初想做的并不是今天的 Claude Code，而是一款更常规的代码分析工具。Mann 觉得这个目标还不够大，希望他重新考虑，随着模型能力继续提升，Agent 未来究竟能够承担多完整的编程任务。

Mann 在采访中回忆说，新加入公司的人尤其需要把自己的“野心值调得更高”，因为“Agent 到底能做到什么，很多事情现在根本没人知道”。

Anthropic 对自动化软件工程的探索其实远早于 Claude Code。公司成立初期，内部就已经开始尝试让模型承担更完整的编程任务，此后也陆续做过不同形态的 coding agent 原型。只是很长一段时间里，受限于基础模型能力，这些尝试还难以稳定地变成真正可用的产品。

到 2024 年末，情况开始发生变化。Anthropic 的研究人员发现，正在训练的新模型在 agentic coding 上有了明显进步，Labs 也由此重新看到了这个方向的产品机会。Cherny 随后做出的原型，已经可以直接读取代码库、修改文件、运行命令，并连续完成更完整的软件工程任务。这个原型很快在 Anthropic 内部流行起来，几个月后成为 Claude Code。

这也符合 Mann 一直强调的一种产品思路：做 AI 产品时，不能只看模型今天已经稳定具备什么能力，还要提前判断半年甚至一年后，它可能会进步到什么程度。

他此前谈到这一问题时，引用过冰球名将 Wayne Gretzky 的一句话：“要滑向冰球即将到达的位置。”放在 AI 产品的语境里，就是要提前为下一阶段的模型能力做准备，而不是等某项能力完全成熟之后，再开始考虑产品应该怎么设计。

Claude Code 正是在这种判断下被做出来的。当时主流 AI 编程产品更多集中在代码补全、问答和聊天式编程上，Anthropic 则更早开始尝试让 Agent 直接参与完整的软件工程流程。随着后续 Claude 模型在编程和 Agent 能力上持续提升，这种最初看起来更激进的产品设想，也逐渐变成了真正可用的产品。

下一个方向：科学研究和物理世界

Claude Code 成功之后，Mann 希望 Labs 探索的范围进一步扩大。在此次的采访中，他把团队的一项目标概括为扩大 AI 的 “action space”，也就是让模型能够完成更多现实任务。

产品实验也会反过来影响模型研究，例如 Claude Design 推动了 Anthropic 对视觉输出能力的关注，其他项目也曾带动语音和多语言能力的改进。

Mann 特别提到了生物研究和清洁能源存储，希望 Labs 未来能参与更多基础科学问题。在他看来，如果 AI 能够加快 hard sciences 的研究进程，可能会带来比现有软件工具更广泛的价值。

Anthropic 最近也开始沿着这个方向做一些尝试。除了面向科研人员的产品，公司近期公布的 Model Hardware Standard（MHS）还希望让 Agent 以统一方式连接显微镜、液体工作站和机械臂等设备。目前这套系统仍处于研究预览阶段，需要设备本身提供可编程接口，也仍然依赖人工监督。

（来源：X）

不过，把 AI 从软件带到科学研究和现实设备，并不是 Anthropic 独有的方向。OpenAI 最近发布的 GPT-6 Astra 同样把科学、软件工程、电脑操作等能力列为重点，并展示了模型在复杂专业任务和科学问题上的进一步提升。 两者目前的侧重点有所不同：Astra 更强调模型本身在科学推理、工具使用和电脑操作上的能力提升，Anthropic 则进一步尝试通过 MHS 解决模型如何连接不同实验设备的问题。

因此，现在还很难判断哪一种路径会率先形成类似 Claude Code 的成熟产品。无论是让模型参与科学研究，还是直接操作现实设备，都比软件环境更复杂，也涉及可靠性、安全、设备接口和人工监督等问题。

对 Labs 来说，Mann 想延续的仍然是 Claude Code 背后的那套方法：提前观察模型能力可能跨过的下一道门槛，再用小团队做产品实验。Claude Code 押中了 Agent 开始承担更多软件工程工作的阶段，而 Labs 接下来要寻找的，可能会出现在科学研究、实验自动化，或者其他更接近现实世界的任务中。

1.https://www.businessinsider.com/anthropic-labs-team-ai-innovation-ipo-2026-9

2.https://www.anthropic.com/news/introducing-anthropic-labs

3.https://www.anthropic.com/news/model-hardware-standard-research-preview

运营/排版：何晨龙

注：封面/首图由 AI 辅助生成