1
00:00:30,338 --> 00:00:31,381
这将成为

2
00:00:31,381 --> 00:00:34,967
人类历史上最有前景的技术。

3
00:00:35,134 --> 00:00:40,473
AI 正在掌握认知的核心。2024 和 2025 年，

4
00:00:40,598 --> 00:00:44,477
它已经能编程。现在我们开始看到，

5
00:00:44,477 --> 00:00:48,940
智能体也能端到端地完成其他领域的知识工作。

6
00:00:49,065 --> 00:00:53,486
最近我们更开始看到，它有可能

7
00:00:53,486 --> 00:00:58,491
在生物、数学和物理领域做出基础性发现。

8
00:00:58,699 --> 00:01:03,204
人类可以用 AI 治愈癌症，

9
00:01:03,204 --> 00:01:07,083
恶意使用者也可以用它制造
生物武器或发动网络攻击。

10
00:01:07,542 --> 00:01:11,003
这些风险必须解决，我们才有可能成功。

11
00:01:11,087 --> 00:01:15,925
我们决心把这件事做好。对我来说，

12
00:01:15,967 --> 00:01:19,512
对许多 Anthropic 同事来说，
这正是我们研发这项技术的原因。

13
00:01:26,936 --> 00:01:29,856
智能如今是人类能够构建的东西。

14
00:01:29,856 --> 00:01:32,817
这背后的影响十分深远。

15
00:01:32,817 --> 00:01:36,654
我们相信，它将大幅增强每个人的能力，

16
00:01:36,654 --> 00:01:41,325
扩展全球从事认知工作的能力，
改变各行各业和学科。

17
00:01:41,325 --> 00:01:45,246
如此巨大的经济影响始于前沿智能，

18
00:01:45,496 --> 00:01:48,916
始于 Claude 能做什么。2024 年，

19
00:01:49,000 --> 00:01:53,504
Claude 已能回答问题、检索信息或总结文档。

20
00:01:53,546 --> 00:01:55,423
到了 2025 年底，

21
00:01:55,423 --> 00:01:58,176
Claude 可以做深度研究，完成多步骤项目，

22
00:01:58,176 --> 00:02:00,595
例如重构整套代码库。

23
00:02:00,595 --> 00:02:06,100
这类任务过去需要人工耗
费几小时甚至几天。今天，

24
00:02:06,309 --> 00:02:09,687
Claude 可以接手复杂的开放式项目。

25
00:02:09,687 --> 00:02:13,483
这些项目曾需要多人花数月乃至数年研究、分析

26
00:02:13,483 --> 00:02:17,570
和执行，如今几天就能完成。

27
00:02:17,904 --> 00:02:21,949
在不久的将来，前沿 AI 有望推动

28
00:02:21,949 --> 00:02:26,829
人类实现一些最重大的突破，并开辟全新的市场。

29
00:02:27,163 --> 00:02:31,209
我们走到今天，靠的是五项核心优势。

30
00:02:31,542 --> 00:02:34,962
它们是使命与专注、人才与文化、

31
00:02:35,671 --> 00:02:38,049
前沿研究与安全工作、

32
00:02:38,049 --> 00:02:41,010
算力策略，以及企业业务战略。

33
00:02:41,010 --> 00:02:43,346
一切都始于我们的使命。

34
00:02:43,346 --> 00:02:46,432
负责任地开发和维护先进 AI，

35
00:02:46,432 --> 00:02:49,435
让人类长期受益。

36
00:02:49,685 --> 00:02:53,689
这个使命把团队凝聚起来，让我们专注执行。

37
00:02:53,773 --> 00:02:58,903
算力、人才和研究能力等资源都有限。

38
00:02:59,153 --> 00:03:03,115
使命让团队明确优先事项，

39
00:03:03,115 --> 00:03:07,745
将资源用到最有效的地方。面对艰难抉择时，

40
00:03:08,079 --> 00:03:10,414
使命能帮助我们做出更明确的决定。

41
00:03:10,414 --> 00:03:14,377
它促使我们只向网络安全防
御人员部署 Mythos 等模型。

42
00:03:14,544 --> 00:03:18,256
它也促使我们承诺让 Claude 保持无广告。

43
00:03:18,589 --> 00:03:23,010
这种使命感和专注力持续吸引行业顶尖人才。

44
00:03:23,302 --> 00:03:25,221
从创立之初就是如此。

45
00:03:25,221 --> 00:03:28,266
我们的七位联合创始人中，有人提出了

46
00:03:28,266 --> 00:03:31,477
如今奠定 AI 行业基础的理念。

47
00:03:31,727 --> 00:03:36,607
顶尖人才汇聚在组织的各个层级。

48
00:03:36,816 --> 00:03:40,820
在吸引和留住本领域最优秀的人才方面，

49
00:03:40,820 --> 00:03:41,821
我们处于行业领先地位。

50
00:03:48,869 --> 00:03:51,080
我为什么在 Anthropic 工作？

51
00:03:51,080 --> 00:03:53,874
为什么？我为什么在 Anthropic 工作？为什么？

52
00:03:53,874 --> 00:03:56,752
我为什么在 Anthropic 工作？

53
00:03:56,752 --> 00:03:59,463
因为我是个乐观主义者。

54
00:03:59,463 --> 00:04:01,799
我希望家人和全人类

55
00:04:01,799 --> 00:04:04,802
都能生活在一个更安全、更美好的世界。

56
00:04:05,678 --> 00:04:06,387
三年前，

57
00:04:06,387 --> 00:04:09,432
我哥哥因脑瘤去世，

58
00:04:09,432 --> 00:04:12,810
年仅 42 岁，和我现在一样大。

59
00:04:13,227 --> 00:04:17,815
我坚信，凭借我们的使命和这项技术，

60
00:04:17,815 --> 00:04:21,152
将来像我哥哥这样的人

61
00:04:21,193 --> 00:04:24,155
有望活下来。

62
00:04:24,155 --> 00:04:26,574
总得有人承担把这件事做好的责任。

63
00:04:26,574 --> 00:04:29,577
我真的不想只是站在一旁看。

64
00:04:30,911 --> 00:04:34,373
这里的人先问这件事该不该做，

65
00:04:34,624 --> 00:04:36,876
然后才问能不能做。

66
00:04:38,711 --> 00:04:39,503
这很少见。

67
00:04:39,503 --> 00:04:44,091
这群人既认真对待 AI 能否走上正轨，

68
00:04:44,091 --> 00:04:47,511
也重视专业能力、

69
00:04:47,678 --> 00:04:50,640
协作一致和正直，

70
00:04:50,640 --> 00:04:53,934
这些品质能让组织有效运作。

71
00:04:54,518 --> 00:04:58,564
正是这些机遇与风险、光明与阴影，

72
00:04:58,731 --> 00:05:01,734
让我选择来 Anthropic 工作。

73
00:05:06,614 --> 00:05:08,658
让模型更安全、更可靠的工作，

74
00:05:08,658 --> 00:05:12,161
同样能提升模型能力。

75
00:05:12,328 --> 00:05:16,707
我们重视能派上用场的智能，
关注模型完成实际任务的效果，

76
00:05:16,707 --> 00:05:20,586
以及这给客户带来的价值。

77
00:05:20,795 --> 00:05:24,590
我们一直在追问，Claude 能为我做哪些

78
00:05:24,632 --> 00:05:27,635
其他模型做不到的事？

79
00:05:27,718 --> 00:05:31,055
算力是支撑这些工作的关键基础设施。

80
00:05:31,430 --> 00:05:34,934
我们在这方面建立了独特优势，既体现在如何建设

81
00:05:34,934 --> 00:05:36,143
算力容量，

82
00:05:36,143 --> 00:05:38,354
也体现在如何挖掘算力增效手段，

83
00:05:38,354 --> 00:05:41,023
充分利用已有容量。

84
00:05:41,023 --> 00:05:42,024
我们是一家领先的 AI 实验室，

85
00:05:42,024 --> 00:05:45,653
从第一天起就专注于为企业打造产品。

86
00:05:45,778 --> 00:05:48,739
我们训练前沿模型来处理知识工作。

87
00:05:48,739 --> 00:05:52,952
因此，客户可以兼得强大的能力和良好的性价比。

88
00:05:53,577 --> 00:05:56,205
正是这些客户推动了我们前所未有的增长。

89
00:05:56,205 --> 00:06:00,418
他们遍布金融服务、科技、

90
00:06:00,668 --> 00:06:04,839
制药、医疗、政府、制造等行业。

91
00:06:05,297 --> 00:06:08,801
这也恰好契合我们的公共利益使命

92
00:06:08,801 --> 00:06:12,012
和对安全的重视。企业和我们一样关心

93
00:06:12,012 --> 00:06:15,433
前沿 AI 是否安全、可信、实用。

94
00:06:15,599 --> 00:06:18,144
随着前沿智能越来越强，

95
00:06:18,144 --> 00:06:22,314
专注于安全研究就越发重要。

96
00:06:22,565 --> 00:06:26,402
这对客户至关重要，也是充分发挥

97
00:06:26,444 --> 00:06:28,279
AI 潜力的必要条件。

98
00:06:28,279 --> 00:06:31,449
Anthropic 全力投入，力求把这项工作做到最好。

99
00:06:31,615 --> 00:06:34,493
公共利益使命让我们走到今天，

100
00:06:34,493 --> 00:06:37,788
今后也会继续影响我们的工作，包括公司治理。

101
00:06:37,997 --> 00:06:41,959
除管理层和董事会外，Anthropic 还接受

102
00:06:41,959 --> 00:06:45,212
长期利益信托（LTBT）的指导。该机构独立，

103
00:06:45,212 --> 00:06:48,424
在财务上无利益牵连，负责遴选多数董事。

104
00:06:48,799 --> 00:06:52,386
LTBT 的职责是帮助 Anthropic 在成长过程中

105
00:06:52,428 --> 00:06:54,430
规划和践行公共利益使命。

106
00:06:54,430 --> 00:06:58,642
我们相信，AI 的未来应由民主社会塑造和引领。

107
00:06:58,851 --> 00:07:01,395
我们希望成为政府的可靠伙伴，帮助它们

108
00:07:01,395 --> 00:07:04,648
应对 AI 能力提升带来的变化。

109
00:07:04,899 --> 00:07:08,194
这项工作由公司高管和政策团队推进，

110
00:07:08,235 --> 00:07:11,238
也通过 Anthropic Institute 等机构开展，

111
00:07:11,238 --> 00:07:14,450
分享前沿 AI 如何改变生活的研究。

112
00:07:15,034 --> 00:07:18,913
我们认为，现代人类生活
最深刻的变革才刚刚开始。

113
00:07:18,913 --> 00:07:23,292
它带来的影响涵盖巨大的经济潜力，

114
00:07:23,584 --> 00:07:27,713
以及 AI 有望促进人类发展的各个方面。

115
00:07:28,255 --> 00:07:30,800
从治愈疾病、加快增长，

116
00:07:30,800 --> 00:07:33,761
到让人们过上更充实、更富足的生活。

117
00:07:36,138 --> 00:07:38,599
看看我们的 Claude 模型系列。

118
00:07:38,599 --> 00:07:42,311
我们希望它能满足各种使用目标。

119
00:07:42,478 --> 00:07:45,606
无论你优先考虑成本、速度，

120
00:07:45,606 --> 00:07:48,609
还是智能水平。在最高端，

121
00:07:48,734 --> 00:07:51,737
Mythos 和 Fable 不断推进能力前沿。

122
00:07:51,779 --> 00:07:55,324
我们看到客户用它们加固网络基础设施，

123
00:07:55,366 --> 00:07:58,786
或做出新的科学发现。在另一端，

124
00:07:58,911 --> 00:08:02,957
我们有能力出色、性价比很高的模型。

125
00:08:03,123 --> 00:08:07,670
企业可以大规模用它们处理定义明确的常规任务。

126
00:08:07,962 --> 00:08:10,840
我们考虑的一个关键问题是，

127
00:08:10,840 --> 00:08:13,801
如何让每个人都能从这一整套模型中受益。

128
00:08:13,843 --> 00:08:17,680
即便模型能力呈指数提升，

129
00:08:17,888 --> 00:08:21,600
大多数人使用模型的方式也不会变得那么快。

130
00:08:22,184 --> 00:08:25,187
我们在开发时遵循三个原则。

131
00:08:25,479 --> 00:08:28,440
第一，从客户已有的工作方式出发。

132
00:08:29,108 --> 00:08:31,235
有几种方式可以使用 Claude。

133
00:08:31,235 --> 00:08:34,280
首先是通过我们的应用，例如 Claude Code、

134
00:08:34,280 --> 00:08:36,323
Claude 桌面版或移动版。

135
00:08:36,323 --> 00:08:40,244
在 Word、Excel 等企业应
用中也可以使用 Claude。

136
00:08:40,661 --> 00:08:43,664
我们深入各个垂直行业，试着弄清

137
00:08:43,873 --> 00:08:48,752
领域专家需要什么，才能上手就做出成果。

138
00:08:49,211 --> 00:08:52,882
比如，我们为律师提供 Claude for Legal 套件，

139
00:08:52,882 --> 00:08:55,885
可以直接连接他们需要的工具。

140
00:08:56,051 --> 00:08:59,889
每个领域我们都会考虑这个问题。

141
00:09:00,264 --> 00:09:02,933
我们也为医疗、金融服务、

142
00:09:02,933 --> 00:09:05,936
生命科学等行业提供套件。

143
00:09:06,020 --> 00:09:10,691
第二项原则是并行开发模型和产品。

144
00:09:10,816 --> 00:09:14,778
我们也会为未来的模型提前开发产品。

145
00:09:15,195 --> 00:09:18,908
Claude Code 就是一个很好的例子。

146
00:09:19,325 --> 00:09:22,828
几年前，我们发现尚未发布的模型

147
00:09:22,828 --> 00:09:25,831
越来越擅长理解代码。

148
00:09:25,873 --> 00:09:28,959
当时它还做不到所有事，但趋势已经显现。

149
00:09:29,335 --> 00:09:32,212
我们据此开发了产品。

150
00:09:32,212 --> 00:09:35,090
几个月后，Claude Code 就发布了。

151
00:09:35,090 --> 00:09:39,053
它让人们接触到全新的编程方式，

152
00:09:39,386 --> 00:09:42,056
也改变了人们对 AI 能力的理解。

153
00:09:42,056 --> 00:09:47,186
模型和产品相互促进，
为我们的开发带来持久优势。

154
00:09:47,394 --> 00:09:48,854
模型能力提高后，

155
00:09:48,854 --> 00:09:51,482
我们用这些进步做出新的功能。

156
00:09:51,482 --> 00:09:53,651
随后再训练模型，让它更擅长

157
00:09:53,651 --> 00:09:57,279
用户想完成的任务，整个系统由此得到强化。

158
00:09:57,655 --> 00:10:00,199
编程和其他领域都采用这种做法。

159
00:10:00,199 --> 00:10:01,951
第三个原则是缩小

160
00:10:01,951 --> 00:10:05,371
前沿能力与客户日常工作之间的差距。

161
00:10:05,871 --> 00:10:09,959
多数人仍把 AI 工具当成搜索的替代品

162
00:10:09,959 --> 00:10:13,170
或简单的问答工具。它确实能做这些事。

163
00:10:13,504 --> 00:10:17,049
借助这样的智能，人们实际能做到的事

164
00:10:17,091 --> 00:10:18,759
远远更多。

165
00:10:18,759 --> 00:10:23,639
这就是产品能够显著拉开竞争差距的地方。

166
00:10:23,681 --> 00:10:27,768
如果缺少好用的产品，智能提升的速度

167
00:10:27,768 --> 00:10:30,813
与用户实际用到的能力之间，差距会越来越大。

168
00:10:31,063 --> 00:10:35,192
我们希望将来使用 Claude 尽可能简单、自然，

169
00:10:35,192 --> 00:10:40,030
让世界各地的人都能像与同事合作一样使用它，

170
00:10:40,072 --> 00:10:44,618
每次都得到高质量的产出。

171
00:10:44,910 --> 00:10:50,374
我们认为，这三个原则能让每个人用上前沿智能。

172
00:10:50,708 --> 00:10:54,712
这就是我们说的，让人拥有超出以往的能力。

173
00:10:54,920 --> 00:10:59,842
Claude 先帮助你更快、更好地完成手头工作。

174
00:11:00,009 --> 00:11:01,218
然后它还能接手

175
00:11:01,218 --> 00:11:05,055
那些过去因为太难而根本不会尝试的事。

176
00:11:05,264 --> 00:11:09,852
未来，我们都能做到曾经不可能的事，

177
00:11:10,227 --> 00:11:13,439
从而过上更好、更充实的生活。

178
00:11:16,942 --> 00:11:19,236
当我们发现 AI 的规模定律时，

179
00:11:19,236 --> 00:11:22,906
就意识到 AI 能力可能提升得非常快。

180
00:11:23,157 --> 00:11:26,994
这就是我们创立 Anthropic 的原因。如果 AI 真能

181
00:11:26,994 --> 00:11:30,789
带来重大变革，我们希望它是安全且有益的。

182
00:11:30,873 --> 00:11:35,252
我们最基本的判断是，
AI 会在这个十年取得巨大进步。

183
00:11:35,377 --> 00:11:38,464
正因为它有带来变革的能力，模型研究

184
00:11:38,464 --> 00:11:41,467
和安全研究才必须同步推进。

185
00:11:41,467 --> 00:11:44,803
只有这样，技术的益处才能充分发挥出来。

186
00:11:45,012 --> 00:11:49,850
我们从三个维度评估模型：能力、效率

187
00:11:50,100 --> 00:11:51,477
和安全性。

188
00:11:51,477 --> 00:11:55,189
我们优化模型，让它能够
规划并准确完成复杂工作，

189
00:11:55,230 --> 00:11:58,525
即使任务要持续几小时甚至几天。

190
00:11:59,068 --> 00:12:01,737
Opus 5.5 就是一个例子。

191
00:12:01,737 --> 00:12:05,949
有用户完成了 68 万行代码的迁移，

192
00:12:05,949 --> 00:12:06,950
用时不到一天。

193
00:12:06,950 --> 00:12:10,287
几年前，这还需要一个工程团队花好几周。

194
00:12:10,454 --> 00:12:14,708
我们认为，在准确性至关重要的长周期任务上，

195
00:12:14,708 --> 00:12:15,959
我们的模型表现最好。

196
00:12:15,959 --> 00:12:18,962
这些能力从模型训练阶段开始形成。

197
00:12:19,129 --> 00:12:23,342
在预训练阶段，模型从人类知识中学习。

198
00:12:23,425 --> 00:12:24,051
文本、

199
00:12:24,051 --> 00:12:27,054
图像、科学论文、代码。

200
00:12:27,304 --> 00:12:29,807
在这个阶段，它开始理解

201
00:12:29,807 --> 00:12:32,810
人类的基本概念与思想。

202
00:12:33,185 --> 00:12:35,687
第二阶段是强化学习。

203
00:12:35,687 --> 00:12:38,690
Claude 在这里学习做到有帮助、诚实、无害。

204
00:12:38,857 --> 00:12:41,819
我们在这一阶段发掘它在编程、

205
00:12:41,819 --> 00:12:44,738
知识工作和科学领域的实用能力。

206
00:12:44,738 --> 00:12:48,200
随着模型从对话助手演变为自主智能体，

207
00:12:48,242 --> 00:12:49,827
强化学习已成为

208
00:12:49,827 --> 00:12:52,913
我们投入最多的研究方向之一。

209
00:12:53,080 --> 00:12:55,457
这对客户也很重要。

210
00:12:55,457 --> 00:12:58,127
2021 年，我写过一份内部备忘录，

211
00:12:58,127 --> 00:13:03,215
认为我们最可能做出的产品
是一个对齐的 AI 程序员。

212
00:13:03,340 --> 00:13:07,010
我还写了许多别的判断，这一条后来相当准确。

213
00:13:07,094 --> 00:13:10,347
Claude 的训练过程是 Anthropic 使命的一部分。

214
00:13:10,514 --> 00:13:13,433
我们需要搞清楚如何训练前沿智能，

215
00:13:13,433 --> 00:13:14,768
以及如何保障它的安全。

216
00:13:14,768 --> 00:13:17,271
这样我们才能让 AI 给人们带来实际益处。

217
00:13:24,361 --> 00:13:25,487
我们认为，AI 能帮助我们

218
00:13:25,487 --> 00:13:29,616
将临床试验所需时间缩短 20% 至 30%。

219
00:13:29,658 --> 00:13:33,787
如果一种药能提前两三年上市，

220
00:13:33,871 --> 00:13:37,666
目前无药可用的患者就能
更早获得治疗，甚至治愈。

221
00:13:37,749 --> 00:13:40,127
我们认为，这对患者意义重大。

222
00:13:40,127 --> 00:13:43,130
对百时美施贵宝（BMS）也是如此。

223
00:13:43,380 --> 00:13:45,340
我们选择 Anthropic 有几个原因。

224
00:13:45,340 --> 00:13:48,177
首先，它的企业级能力最成熟。

225
00:13:48,177 --> 00:13:51,180
一个聊天机器人能用是一回事。

226
00:13:51,180 --> 00:13:54,099
真正把它放进企业环境，

227
00:13:54,099 --> 00:13:56,143
让它访问公司的一些高度机密信息，

228
00:13:56,143 --> 00:14:00,397
同时能观测运行情况、管理安全，

229
00:14:00,731 --> 00:14:04,902
细致控制向用户开放的权限，是另一回事。

230
00:14:04,902 --> 00:14:07,362
这些都是企业 IT 部门

231
00:14:07,362 --> 00:14:10,365
很看重的管理功能。

232
00:14:10,449 --> 00:14:13,452
我们向全体 3 万名员工推出了它。

233
00:14:13,744 --> 00:14:14,953
在我们部署过的 AI 工具中，

234
00:14:14,953 --> 00:14:19,249
它的普及速度最快，接受度也最高。

235
00:14:19,333 --> 00:14:22,377
现在你可以问一个非常复杂的问题，

236
00:14:22,544 --> 00:14:23,545
让它去处理。

237
00:14:23,545 --> 00:14:27,132
它会找出可以查询哪个或哪些数据库，

238
00:14:27,132 --> 00:14:30,135
并且能够跨库查询。

239
00:14:30,219 --> 00:14:31,553
然后，它会生成一份

240
00:14:31,553 --> 00:14:34,890
纳入了流行病学背景的报告。

241
00:14:35,015 --> 00:14:39,353
以前即便是简单问题，
也往往要一到两个月才有答案，

242
00:14:39,353 --> 00:14:44,066
现在四到五分钟就能得到。

243
00:14:44,399 --> 00:14:48,654
现在，高通量计算与大语言模型

244
00:14:48,654 --> 00:14:51,740
终于让我们能够扩大

245
00:14:51,740 --> 00:14:55,202
计算和分析规模，跟上生物学问题的复杂性，

246
00:14:55,202 --> 00:14:58,413
为改进诊疗标准提供依据。

247
00:15:02,000 --> 00:15:02,751
想想前沿 AI 实验室

248
00:15:02,751 --> 00:15:05,754
为什么需要高效利用算力。

249
00:15:05,796 --> 00:15:09,258
在研究与模型训练的各个阶段，我们都要用算力。

250
00:15:09,466 --> 00:15:13,470
向客户提供模型、在内部大规模
使用 Claude，也都离不开算力。

251
00:15:13,679 --> 00:15:16,598
通过训练我们认为效率最高的模型，

252
00:15:16,598 --> 00:15:19,476
我们能用同样的算力完成更多这类工作。

253
00:15:19,476 --> 00:15:21,478
这也有助于降低成本，

254
00:15:21,478 --> 00:15:24,731
包括客户的成本和我们自己的底层成本。

255
00:15:24,982 --> 00:15:28,318
我们的研究正在加快效率提升。

256
00:15:28,694 --> 00:15:32,114
我们做出新发现的速度越来越快，

257
00:15:32,114 --> 00:15:33,949
其中很大一部分加速来自 Claude 本身。

258
00:15:33,949 --> 00:15:36,743
部署前沿模型时，安全至关重要。

259
00:15:36,743 --> 00:15:38,161
这个理念把联合创始人聚在一起，

260
00:15:38,161 --> 00:15:41,373
从一开始就是 Anthropic 的根基。

261
00:15:41,623 --> 00:15:45,043
扎实的安全工作有助于管
理组织风险和系统性风险。

262
00:15:45,168 --> 00:15:47,296
它让我们能在编程、医疗等领域

263
00:15:47,296 --> 00:15:50,966
安全地开放前沿能力，这也是客户看重的。

264
00:15:51,174 --> 00:15:54,052
它让客户有信心把重要工作交给 AI。

265
00:15:54,052 --> 00:15:56,513
我们把安全纳入每个阶段。

266
00:15:56,513 --> 00:15:59,224
通过对齐训练，我们让模型遵循用户意图，

267
00:15:59,224 --> 00:16:01,059
避免采取有害行动。

268
00:16:01,059 --> 00:16:04,062
我们也加入相应防护，预防滥用。

269
00:16:04,479 --> 00:16:06,648
我们还开拓了可解释性等研究领域，

270
00:16:06,648 --> 00:16:09,651
帮助我们理解模型内部在发生什么。

271
00:16:09,776 --> 00:16:10,902
在 Anthropic 内部，

272
00:16:10,902 --> 00:16:14,531
我们越来越多地用前沿模型改进自己的流程。

273
00:16:14,656 --> 00:16:16,700
我们称之为形成闭环，

274
00:16:16,700 --> 00:16:19,494
这能推动我们三项研究重点取得进展。

275
00:16:19,494 --> 00:16:22,205
Claude 日益成为与我们并肩工作的伙伴。

276
00:16:22,205 --> 00:16:25,208
Claude 越强，就越能帮助我们做好各项工作。

277
00:16:25,250 --> 00:16:26,668
它能加强安全防护，

278
00:16:26,668 --> 00:16:28,712
提高训练和推理效率，

279
00:16:28,712 --> 00:16:30,255
推进安全研究，

280
00:16:30,255 --> 00:16:33,050
帮我们更快验证更多研究想法，

281
00:16:33,050 --> 00:16:35,469
也让整个组织运作得更有效。

282
00:16:35,469 --> 00:16:38,138
最重要的工作仍在前方。

283
00:16:38,138 --> 00:16:40,724
如果我们继续同步推进模型研究和安全研究，

284
00:16:40,724 --> 00:16:43,602
我们相信，就能帮助人类实现

285
00:16:43,602 --> 00:16:45,103
历史上一些最重大的突破。

286
00:16:51,610 --> 00:16:54,863
取一个数字，翻倍，再翻倍。

287
00:16:54,863 --> 00:16:56,782
然后再翻一倍。

288
00:16:56,782 --> 00:17:00,577
这条曲线正是 Anthropic 工作的核心。

289
00:17:01,870 --> 00:17:05,832
我们很早就注意到，随着算力增加，

290
00:17:05,832 --> 00:17:08,835
模型表现似乎在平稳提升。

291
00:17:10,420 --> 00:17:11,129
我们的判断是，

292
00:17:11,129 --> 00:17:14,466
整个互联网都能提供训练所需的上下文。

293
00:17:15,008 --> 00:17:18,970
如果模型大小不再是限制，会发生什么？

294
00:17:20,639 --> 00:17:23,975
2022 或 2023 年，我们有了聊天机器人。

295
00:17:25,435 --> 00:17:27,771
你可以问它日本武士的历史，

296
00:17:27,771 --> 00:17:30,774
它会回一篇短文。

297
00:17:31,691 --> 00:17:33,026
到了 2024 年，

298
00:17:33,026 --> 00:17:37,656
模型可以编程，但 Claude 遇到难题仍会吃力。

299
00:17:38,782 --> 00:17:43,495
2025 年，模型开始做到一些令人惊讶的事。

300
00:17:43,912 --> 00:17:46,039
编程能力进步很大。

301
00:17:46,039 --> 00:17:49,709
Claude 甚至会玩电子游戏了，虽然玩得很差。

302
00:17:50,919 --> 00:17:52,838
同一年，它发现了 OpenBSD 中的一个漏洞，

303
00:17:52,838 --> 00:17:56,716
这个漏洞 27 年来一直无人发现。

304
00:17:59,636 --> 00:18:02,639
它突然能完成多步骤流程了。

305
00:18:03,223 --> 00:18:05,976
也能做知识工作。

306
00:18:05,976 --> 00:18:10,230
它为一家量子计算公司做出了激光锁定控制器。

307
00:18:10,480 --> 00:18:14,734
这项任务过去要一队博士做一周。

308
00:18:15,068 --> 00:18:17,821
它全程无需人工干预，

309
00:18:17,821 --> 00:18:20,824
一夜就做完了。

310
00:18:20,866 --> 00:18:21,825
我们开始看到

311
00:18:21,825 --> 00:18:24,828
Claude 在数学上做出基础性发现，

312
00:18:25,036 --> 00:18:28,039
也开始参与生命科学前沿研究。

313
00:18:28,540 --> 00:18:31,543
这种加速让人有些目不暇接，

314
00:18:32,210 --> 00:18:35,755
但仍感觉我们刚刚起步。

315
00:18:35,839 --> 00:18:39,259
指数曲线在前方不断上升，

316
00:18:39,759 --> 00:18:42,762
一切才刚开始。

317
00:18:46,600 --> 00:18:48,602
要实现 Anthropic 的使命，

318
00:18:48,602 --> 00:18:52,189
就要留在前沿，而保持领先需要算力。

319
00:18:52,230 --> 00:18:54,691
这套做法源于我和几位联合创始人

320
00:18:54,691 --> 00:18:57,486
对规模定律的研究。

321
00:18:57,486 --> 00:18:59,404
我们发现，只要训练方法得当，

322
00:18:59,404 --> 00:19:03,200
更多算力就能稳定、可预测地带来更强的智能。

323
00:19:03,241 --> 00:19:06,870
后来发现，我们还能不断改进训练方法，

324
00:19:06,953 --> 00:19:10,540
用同样的物理算力得到更强的智能。

325
00:19:10,665 --> 00:19:14,419
所以，2021 年创立 Anthropic 时，
我们已明确两件事。

326
00:19:14,628 --> 00:19:18,507
第一，算力是业务的基础。
第二，充分利用每单位算力，

327
00:19:18,507 --> 00:19:22,552
是做出更智能模型的关键。

328
00:19:22,594 --> 00:19:26,097
这就是我们如此重视效率的原因。我们相信，

329
00:19:26,097 --> 00:19:30,185
Anthropic 在算力上每花一美元，
都能取得比其他前沿实验室更多的成果。

330
00:19:30,268 --> 00:19:32,521
我们通过两种方式取得了这一优势。

331
00:19:32,521 --> 00:19:33,939
先讲第一种。

332
00:19:33,939 --> 00:19:37,359
我们有自己适配和部署芯片的方法。

333
00:19:37,651 --> 00:19:41,613
现在我们在四大芯片系列上训练和运行 Claude。

334
00:19:41,821 --> 00:19:45,492
这要归功于我们早期做了一个不寻常的决定，

335
00:19:45,534 --> 00:19:47,577
采用多芯片策略。

336
00:19:47,577 --> 00:19:51,206
当时许多人认为，在不同芯片上运行 AI 模型

337
00:19:51,206 --> 00:19:52,749
不值得投入精力。

338
00:19:52,749 --> 00:19:56,044
每种芯片都需要专门的软件栈和推理栈，

339
00:19:56,044 --> 00:19:59,047
开发既昂贵又困难。

340
00:19:59,089 --> 00:20:02,551
我们已经做了很多年，对此非常熟练。

341
00:20:02,842 --> 00:20:06,846
这带来两项关键优势。在算力供应紧张时，

342
00:20:06,846 --> 00:20:08,473
多芯片策略让我们

343
00:20:08,473 --> 00:20:12,310
可以跨供应商选择性价比最好的方案。

344
00:20:12,435 --> 00:20:15,438
我们可以让每种芯片做它最擅长的工作。

345
00:20:15,689 --> 00:20:18,441
有的更适合训练，有的更适合推理。

346
00:20:18,441 --> 00:20:22,445
多芯片策略还让我们能把不同
供应商、架构和地点的芯片，

347
00:20:22,445 --> 00:20:27,409
作为一个可灵活调配的算力池来使用。

348
00:20:27,784 --> 00:20:30,787
这也让我们擅长适配新芯片。

349
00:20:30,787 --> 00:20:32,247
举个例子，今年

350
00:20:32,247 --> 00:20:36,293
我们第一次使用 AMD GPU。过去，

351
00:20:36,334 --> 00:20:40,088
接入新芯片平台要几十名工程师花几个月。

352
00:20:40,505 --> 00:20:42,716
这次我们让 Mythos 试试。

353
00:20:42,716 --> 00:20:46,303
它只花三天就让 Claude 跑在 AMD 芯片上，

354
00:20:46,303 --> 00:20:47,846
基本没有人工干预。

355
00:20:47,846 --> 00:20:50,974
近 100% 的计算内核都是 Claude 移植或编写的。

356
00:20:51,266 --> 00:20:54,603
在承载芯片的数据中心上，我们也有独特的做法。

357
00:20:54,936 --> 00:20:57,772
过去我们以云服务的形式采购算力。

358
00:20:57,772 --> 00:21:00,442
现在新增了第二种方式，由我们租赁芯片，

359
00:21:00,442 --> 00:21:03,445
在为我们量身建造的数据中心运行。

360
00:21:03,570 --> 00:21:05,905
我们称之为 Anthropic Direct。

361
00:21:05,905 --> 00:21:08,199
这种做法有几项好处。

362
00:21:08,199 --> 00:21:11,119
它有助于降低算力的总拥有成本，

363
00:21:11,119 --> 00:21:14,873
也让数据中心和芯片可以分别签订采购承诺。

364
00:21:15,290 --> 00:21:18,627
我们的第二项算力优势，

365
00:21:18,627 --> 00:21:20,086
在于发现算力增效方法的速度。

366
00:21:20,086 --> 00:21:24,090
我们关注总有效算力，也就是物理容量

367
00:21:24,090 --> 00:21:27,844
乘以我们发现的算力增效倍数。

368
00:21:28,094 --> 00:21:32,307
每次发现新的增效方法，总有效算力都会扩大。

369
00:21:32,474 --> 00:21:33,308
举个例子，

370
00:21:33,308 --> 00:21:37,020
假设训练出某一智能水平的
模型需要 100 单位算力。

371
00:21:37,270 --> 00:21:40,815
4 倍的算力增效意味着只需 25 单位算力，

372
00:21:40,815 --> 00:21:42,442
就能训练出同样的模型。

373
00:21:42,442 --> 00:21:46,613
或者用原来的 100 单位物理算力，
训练出更强的模型，

374
00:21:46,696 --> 00:21:49,699
而过去这需要 400 单位算力。

375
00:21:49,699 --> 00:21:53,536
算力增效是很难复制的竞争优势。

376
00:21:53,536 --> 00:21:54,788
各种增效方法还能叠加。

377
00:21:54,788 --> 00:21:55,997
每发现一个新的方法，

378
00:21:55,997 --> 00:21:59,918
就能在已有增效的基础上继续放大效果。

379
00:21:59,959 --> 00:22:01,586
我们相信，随着接近递归式自我改进，

380
00:22:01,586 --> 00:22:04,589
这一过程还可能进一步加快。

381
00:22:04,631 --> 00:22:08,176
Claude 将能完全自主地发现算力增效方法，

382
00:22:08,385 --> 00:22:11,888
让这类方法的数量增长得越来越快。

383
00:22:12,180 --> 00:22:14,557
我们相信，审慎的投资、

384
00:22:14,557 --> 00:22:17,560
突破性的研究，以及 Claude 不断提高的能力，

385
00:22:17,602 --> 00:22:20,980
共同让 Anthropic 跻身前沿实验室的领先行列。

386
00:22:26,319 --> 00:22:27,237
AI 是一项

387
00:22:27,237 --> 00:22:31,199
突破性的创新。要实现 AI 承诺的价值，

388
00:22:31,199 --> 00:22:34,869
企业必须重新设计自己的工作方式。

389
00:22:35,078 --> 00:22:38,665
在埃森哲，我们的工作是让技术

390
00:22:38,665 --> 00:22:41,668
真正为客户带来成果。

391
00:22:42,127 --> 00:22:45,463
有人问我们是否在用 Claude，这个问题我很喜欢，

392
00:22:45,463 --> 00:22:49,759
因为我们每天有数万名工程师在用它。

393
00:22:49,884 --> 00:22:53,221
我们在整个软件开发生命周期中都在使用它，

394
00:22:53,304 --> 00:22:54,723
这节省了时间。

395
00:22:54,723 --> 00:22:56,558
工作进展更快了，

396
00:22:56,558 --> 00:23:00,770
工程师也能把更多时间用于解决客户难题、

397
00:23:00,770 --> 00:23:04,566
主导决策和制定战略。

398
00:23:05,316 --> 00:23:10,196
我们帮助数千家客户抵御网络攻击。

399
00:23:10,196 --> 00:23:15,076
我们把 Claude Code 和 Claude 智能体开发套件

400
00:23:15,285 --> 00:23:19,998
接入了保护客户的前沿平台 Cyber.AI。

401
00:23:20,039 --> 00:23:21,958
其中一个成果是，

402
00:23:21,958 --> 00:23:25,670
过去要花几天的扫描，现在不到一小时就能完成。

403
00:23:25,837 --> 00:23:30,842
我们关注客户的成功与安全。借助这项合作，

404
00:23:30,884 --> 00:23:35,805
我们相信客户能更快获得实效。

405
00:23:40,685 --> 00:23:43,062
我们早期就判断，智能

406
00:23:43,062 --> 00:23:46,107
是企业能从 AI 获得的最有价值的资产。

407
00:23:46,524 --> 00:23:49,903
我们相信，前沿智能能解决最难的问题，

408
00:23:49,944 --> 00:23:53,615
因而能带来最大的影响。

409
00:23:53,907 --> 00:23:56,576
AI 能力的提升并不总是渐进的。

410
00:23:56,576 --> 00:24:00,622
当模型跨过某个门槛，就会出现跃升，

411
00:24:00,747 --> 00:24:04,083
一整类工作的做法都会改变。

412
00:24:04,834 --> 00:24:07,712
编程是我们最熟悉的例子。

413
00:24:07,712 --> 00:24:10,006
变化速度相当惊人。

414
00:24:10,006 --> 00:24:13,259
从自动补全几行代码，

415
00:24:13,343 --> 00:24:17,222
到成群智能体昼夜运转，只用了一年。

416
00:24:17,347 --> 00:24:20,350
对乐天这样的企业，
这意味着他们发布新功能的速度

417
00:24:20,350 --> 00:24:24,229
是竞争对手的四到五倍。

418
00:24:24,687 --> 00:24:30,193
编程之后是网络安全。
借助 Mythos 和 Project Glasswing，

419
00:24:30,193 --> 00:24:34,739
Claude 已帮助防御人员大范围发现并修补漏洞。

420
00:24:35,198 --> 00:24:37,408
以 Mozilla 为例。

421
00:24:37,408 --> 00:24:41,120
过去他们每个版本修复 20 多个安全漏洞。

422
00:24:41,371 --> 00:24:46,167
用了 Mythos Preview，
他们发现并修复了 271 个。

423
00:24:46,584 --> 00:24:48,962
知识工作也沿着类似的曲线发展。

424
00:24:48,962 --> 00:24:52,173
科学研究、投资分析、保险核保，

425
00:24:52,173 --> 00:24:55,385
都是各行各业正在发生变化的例子。

426
00:24:55,718 --> 00:25:00,807
Claude 帮助美国国际集团
（AIG）将报价时间缩短了 55%。

427
00:25:00,932 --> 00:25:03,017
在每个领域，我们都先看到能力改善，

428
00:25:03,017 --> 00:25:07,856
随后出现跃升，整类工作便迅速改变。

429
00:25:13,152 --> 00:25:15,280
很难想象，

430
00:25:15,280 --> 00:25:18,241
Anthropic 融入 AIG 内部业务的速度

431
00:25:18,241 --> 00:25:21,244
会有这么快。

432
00:25:21,536 --> 00:25:23,621
它帮助我们提升了核保人员的工作能力。

433
00:25:23,621 --> 00:25:27,917
我们能让他们更经常发挥专业技能，因为我们可以

434
00:25:27,917 --> 00:25:30,920
提取投保申请的信息，并整理成

435
00:25:30,962 --> 00:25:31,921
可以直接用来核保的格式。

436
00:25:31,921 --> 00:25:36,092
我们看到，他们做决策的速度显著提升。

437
00:25:36,175 --> 00:25:37,385
这意味着

438
00:25:37,385 --> 00:25:41,014
我们能用更一致的方式处理更多投保申请。

439
00:25:41,180 --> 00:25:44,183
对客户的响应也能更快。

440
00:25:45,393 --> 00:25:47,478
我认为，Anthropic 和 Claude 的价值主张

441
00:25:47,478 --> 00:25:51,524
与我们的追求很相似，
重视安全性、韧性和技术能力。

442
00:25:51,524 --> 00:25:55,403
我们也与监管机构密切沟通，

443
00:25:55,403 --> 00:26:00,158
说明如何使用 AI，以及如何安排人员参与。

444
00:26:00,158 --> 00:26:02,869
人工监督对我们和监管机构都很重要，

445
00:26:02,869 --> 00:26:05,580
已经纳入流程。

446
00:26:08,625 --> 00:26:10,418
Anthropic 的各项工作，

447
00:26:10,418 --> 00:26:13,463
从研究、产品到市场推广，

448
00:26:13,504 --> 00:26:16,799
最终都汇集到如何服务客户这件事上。

449
00:26:17,091 --> 00:26:22,764
我们与众多《财富》500 强企业
有深度合作，覆盖全部前 10 强。

450
00:26:23,097 --> 00:26:27,727
超过半数《财富》500 强企业在
我们这里的支出超过 10 万美元。

451
00:26:28,019 --> 00:26:31,648
在全球 2000 强中，这个比例超过 30%。

452
00:26:32,190 --> 00:26:35,109
即便在这些客户身上，我们相信，

453
00:26:35,109 --> 00:26:38,279
这场持续数十年的转型也才刚起步。

454
00:26:38,655 --> 00:26:41,866
这些《财富》500 强客户平均在我们这里的支出，

455
00:26:41,866 --> 00:26:44,911
还不到其总支出的 0.1%。

456
00:26:45,203 --> 00:26:49,958
即便是前 10 强，这也不到其总支出的 1%。

457
00:26:50,333 --> 00:26:51,000
来看看

458
00:26:51,000 --> 00:26:55,546
一位典型客户如何使用我们的产品。
最初只有一个用例。

459
00:26:55,838 --> 00:26:57,256
往往是让开发人员和工程师使用 Claude Code，

460
00:26:57,256 --> 00:27:01,094
很快便扩展到相关岗位。

461
00:27:01,177 --> 00:27:04,639
知识工作者开始用 Claude 做价值最高的工作。

462
00:27:04,639 --> 00:27:07,600
随后，团队将更多业务流程自动化，

463
00:27:07,600 --> 00:27:10,353
把 AI 纳入核心基础设施。

464
00:27:10,353 --> 00:27:15,066
最终，Claude 被嵌入全新的产品和服务。

465
00:27:15,233 --> 00:27:18,903
这个过程很快，所以我们看到了前所未有的

466
00:27:18,903 --> 00:27:22,782
净收入留存率，约为 900%。

467
00:27:23,074 --> 00:27:25,827
让我兴奋的是，最有意思、

468
00:27:25,827 --> 00:27:28,830
最具变革性的应用还在前方。

469
00:27:28,997 --> 00:27:33,084
在编程和网络安全中见到的变化，

470
00:27:33,084 --> 00:27:37,672
开始出现在几乎所有职能、企业和行业。

471
00:27:37,714 --> 00:27:41,676
他们愿意与 Anthropic 合作，
是因为相信我们能帮助他们

472
00:27:41,718 --> 00:27:45,221
提早看见变化、保持在前沿，

473
00:27:45,304 --> 00:27:47,598
并成功完成转型。

474
00:27:53,938 --> 00:27:54,647
当 Claude 带来的发现

475
00:27:54,647 --> 00:27:59,986
进入现实世界，甚至走向地球之外，

476
00:28:00,403 --> 00:28:03,364
一些令人兴奋的事就会发生。

477
00:28:03,364 --> 00:28:05,074
2025 年 12 月，

478
00:28:05,074 --> 00:28:08,286
Claude 帮助规划了毅力号火星车的行驶路线。

479
00:28:09,412 --> 00:28:12,457
它用火星车自己的标记语言编写了代码。

480
00:28:13,207 --> 00:28:16,502
指令发出前，工程师检查了所有内容。

481
00:28:17,045 --> 00:28:19,422
火星车行驶了 400 米。

482
00:28:19,422 --> 00:28:22,425
任务完成。

483
00:28:22,884 --> 00:28:25,720
Claude 处理海量数据的能力，

484
00:28:25,720 --> 00:28:28,931
在 2026 年夏天再次发挥作用。

485
00:28:29,515 --> 00:28:33,311
约 950 个 Claude 智能体用了 21 小时，

486
00:28:33,436 --> 00:28:36,773
筛查了 19 亿个蛋白质簇。

487
00:28:36,981 --> 00:28:41,694
其中一个发现了异常模式：
一个带有类似 CRISPR 重复阵列的系统。

488
00:28:42,153 --> 00:28:45,406
我们的科学家在实验室检验了 Claude 的发现。

489
00:28:45,656 --> 00:28:49,077
这种新阵列从未公开发表过。

490
00:28:49,077 --> 00:28:52,080
这是真正的新发现。

491
00:28:54,457 --> 00:28:55,208
在资源有限的地方，

492
00:28:55,208 --> 00:28:59,879
快速理解新信息的能力尤为重要。

493
00:29:02,048 --> 00:29:03,132
2026 年 9 月，

494
00:29:03,132 --> 00:29:07,553
应对刚果东部埃博拉疫情的团队，

495
00:29:07,678 --> 00:29:12,517
能在一小时内处理各地区的每日报告，

496
00:29:13,226 --> 00:29:15,770
从而更清楚地掌握疫情，

497
00:29:15,770 --> 00:29:18,773
腾出更多时间照护患者。

498
00:29:20,066 --> 00:29:21,359
AI 越能影响现实世界，

499
00:29:21,359 --> 00:29:24,320
安全就越重要。

500
00:29:24,904 --> 00:29:27,573
因此，Claude 的完整生物学能力

501
00:29:27,573 --> 00:29:30,576
只向我们核验过的组织开放。

502
00:29:32,537 --> 00:29:35,540
因此，Claude 也有一部行为宪章。

503
00:29:36,040 --> 00:29:40,336
它帮助 Claude 在从未遇到的情境中

504
00:29:40,336 --> 00:29:42,380
作出判断。

505
00:29:42,380 --> 00:29:47,135
我们也因此投入大量精力研究可解释性与对齐，

506
00:29:47,343 --> 00:29:51,681
让人们反复依赖 Claude 时，

507
00:29:52,807 --> 00:29:53,808
它的行为依然可以被审视和追责。

508
00:29:53,808 --> 00:29:56,435
我们发现，安全工作没有妨碍进步。

509
00:29:56,435 --> 00:29:59,480
恰恰因为我们可以信任 Claude 的工作，

510
00:29:59,564 --> 00:30:03,109
才能把它的发现应用到现实世界，

511
00:30:04,235 --> 00:30:07,238
让所有人都能受益。

512
00:30:11,325 --> 00:30:14,370
我们相信，AI 带来的全球经济转型，

513
00:30:14,412 --> 00:30:17,540
是历史上最大的经济机遇。

514
00:30:17,665 --> 00:30:20,376
Anthropic 具备把握这个机遇的独特条件。

515
00:30:20,376 --> 00:30:23,462
我们在 AI 前沿处于领先地位。
我们预计，更多价值会集中到这里。

516
00:30:23,504 --> 00:30:26,507
我们的商业模式足够稳健，

517
00:30:26,549 --> 00:30:29,510
让我们可以持续投资、推进能力前沿，

518
00:30:29,510 --> 00:30:33,639
同时为客户创造更多价值，为股东带来更高回报。

519
00:30:33,639 --> 00:30:36,642
财务结果是最直接的证据。

520
00:30:36,684 --> 00:30:39,896
第三季度，我们实现了近 170 亿美元的营收，

521
00:30:39,896 --> 00:30:43,065
是上年同期约 12 倍。年初至今，

522
00:30:43,107 --> 00:30:46,027
我们的算力利润率为 43%，

523
00:30:46,027 --> 00:30:48,070
毛利率为 85%，

524
00:30:48,070 --> 00:30:51,949
调整后经营利润率为 12%，自由现金流为正。

525
00:30:52,491 --> 00:30:55,328
这些成绩来自我们在前沿的领先地位，

526
00:30:55,328 --> 00:30:58,456
也让我们有能力加大投入，扩大优势。

527
00:30:58,456 --> 00:31:02,418
因此，尽管盈利表现强劲，

528
00:31:02,418 --> 00:31:05,546
为了长期发展，我们仍在积极投资。

529
00:31:05,755 --> 00:31:09,133
Anthropic 的商业模式有五项不同之处。

530
00:31:09,175 --> 00:31:13,221
第一，我们开发的模型提供实用性很强的智能。

531
00:31:13,346 --> 00:31:14,680
随着我们不断推进能力前沿，

532
00:31:14,680 --> 00:31:17,516
客户为 Claude 找到了价值更高的工作，

533
00:31:17,516 --> 00:31:19,477
我们的收入也随之增长。

534
00:31:19,477 --> 00:31:21,479
我们称之为模型驱动的增长。

535
00:31:21,479 --> 00:31:23,981
业务发展轨迹说明了这一点。

536
00:31:23,981 --> 00:31:28,694
季度营收从 2025 年第一季度的 3.76 亿美元，

537
00:31:29,070 --> 00:31:32,490
增至 2026 年第三季度的近 170 亿美元。

538
00:31:32,865 --> 00:31:36,410
同期，模型处理编程流程

539
00:31:36,410 --> 00:31:40,414
和现实任务的能力显著提高。

540
00:31:40,748 --> 00:31:44,543
处在能力前沿，使我们能
开辟新用例、提供新能力。

541
00:31:44,585 --> 00:31:48,673
对多数客户工作负载，我们逐步接近帕累托优势，

542
00:31:48,798 --> 00:31:52,969
即在给定成本下提供能力最强的模型。

543
00:31:53,094 --> 00:31:56,055
这是因为，更智能的模型也更高效。

544
00:31:56,055 --> 00:32:00,476
它们可以用更少的推理量完成任务，
消耗更少的 token。

545
00:32:00,643 --> 00:32:04,814
我们还把大型模型的前沿能力

546
00:32:04,897 --> 00:32:06,482
迁移到小型模型，

547
00:32:06,482 --> 00:32:10,695
从而覆盖不同成本、能力和速度的需求。

548
00:32:11,070 --> 00:32:13,781
每一代模型都在推进这项工作。

549
00:32:13,781 --> 00:32:16,701
相比几个月前发布的 Claude 5 系列，

550
00:32:16,701 --> 00:32:20,162
最新的 Claude 5.5 系列

551
00:32:20,204 --> 00:32:22,123
能力明显提升。

552
00:32:22,123 --> 00:32:25,334
按单任务成本衡量，它也便宜得多。

553
00:32:25,459 --> 00:32:28,337
这就是在能力前沿开发的优势。

554
00:32:28,337 --> 00:32:32,008
我们相信，我们能以最低
成本提供价值最高的智能，

555
00:32:32,133 --> 00:32:34,969
从而高效服务整个市场。

556
00:32:34,969 --> 00:32:38,931
我们在多数基准测试中领先，真正衡量成效的

557
00:32:39,432 --> 00:32:40,599
是客户。

558
00:32:40,599 --> 00:32:43,602
这就谈到第二项差异。

559
00:32:44,020 --> 00:32:46,981
我们打造领先的平台与产品，

560
00:32:46,981 --> 00:32:49,984
让客户用得上前沿智能。

561
00:32:50,151 --> 00:32:53,654
平台解决方案是业务的基础。

562
00:32:53,988 --> 00:32:57,700
客户可以利用我们的 API 和 SDK 构建产品，

563
00:32:57,700 --> 00:33:01,412
重新设计业务流程，这方面的机会很大。

564
00:33:01,829 --> 00:33:06,042
与此同时，自有产品已成为推动 AI 普及的关键。

565
00:33:06,208 --> 00:33:07,168
举个例子。

566
00:33:07,168 --> 00:33:11,714
Claude Code 的基本判断是，
模型能力会呈指数进步。

567
00:33:11,839 --> 00:33:15,760
先把它交到客户手中，

568
00:33:15,760 --> 00:33:19,221
让我们能把握智能体编程
能力快速提升带来的机会。

569
00:33:19,430 --> 00:33:23,309
我们在 Claude Cowork 上采用了同样
的做法。自去年推出研究预览版以来，

570
00:33:23,309 --> 00:33:26,312
它在相同发展阶段的采用程度

571
00:33:26,312 --> 00:33:28,522
已经超过了 Claude Code。

572
00:33:28,522 --> 00:33:33,319
产品与平台一起满足客户的需求。

573
00:33:33,486 --> 00:33:37,656
如今，多数企业客户同时使用我们的平台

574
00:33:37,698 --> 00:33:42,536
和至少一项产品，而 2025 年
第四季度这一比例为 30%。

575
00:33:42,703 --> 00:33:47,375
随着内部更广泛地使用 Claude，
我们推出产品的速度也在加快。

576
00:33:47,458 --> 00:33:51,295
每名工程师每日平均贡献的代码量，

577
00:33:51,295 --> 00:33:54,423
是 2024 年平均水平的 45 倍。

578
00:33:54,423 --> 00:33:58,469
这体现在发布数量上。2026 年前九个月，

579
00:33:58,594 --> 00:34:02,056
我们发布了 250 项模型、产品和功能。

580
00:34:02,348 --> 00:34:06,310
在公司内部，Claude 带来的
提速也覆盖工程团队之外。

581
00:34:06,435 --> 00:34:10,272
2026 年 1 月至 9 月，

582
00:34:10,314 --> 00:34:13,317
员工使用 Claude 的量增至 250 倍以上。

583
00:34:13,359 --> 00:34:17,238
这些因素有助于解释为什么我们的人均营收

584
00:34:17,238 --> 00:34:22,076
从 2025 年第三季度的 140 万美元，

585
00:34:22,201 --> 00:34:25,955
增至 2026 年第三季度的逾 660
万美元，是原来的 4.5 倍以上。

586
00:34:25,996 --> 00:34:30,668
第三项差异是，我们能非常高效地使用算力。

587
00:34:30,751 --> 00:34:34,755
我们将算力视作一个可灵活调
配的资源池，用于服务客户、

588
00:34:34,839 --> 00:34:38,092
训练模型，也用于内部使用 Claude。

589
00:34:38,217 --> 00:34:41,387
我们专注于充分利用每一单位算力，

590
00:34:42,138 --> 00:34:45,558
因而在服务成本和再投资能力上有优势。

591
00:34:45,850 --> 00:34:49,186
正如 Tom 所说，效率来自两方面。

592
00:34:49,728 --> 00:34:53,107
第一是多芯片策略，
让我们能买到性价比最高的芯片，

593
00:34:53,107 --> 00:34:57,111
并将它们合并为一个可灵活调配的算力池。

594
00:34:57,194 --> 00:35:01,824
第二是算力增效方法不断叠加，使总有效算力

595
00:35:01,824 --> 00:35:05,744
增长远快于物理容量。

596
00:35:06,287 --> 00:35:09,915
过去六个季度的财务结果体现了这一点。

597
00:35:09,999 --> 00:35:14,086
营收增至 45 倍以上，而算力基础设施成本

598
00:35:14,086 --> 00:35:17,423
只增至约 10 倍。每一美元算力支出对应的营收

599
00:35:17,423 --> 00:35:20,426
提升到了 4 倍以上。今年迄今，

600
00:35:20,551 --> 00:35:23,679
我们的毛利率已超过 85%，

601
00:35:23,929 --> 00:35:27,266
高于 2025 年同期的 29%。

602
00:35:27,349 --> 00:35:31,270
我们把节省下来的资源视作可重新分配的资金。

603
00:35:31,479 --> 00:35:35,357
有时我们通过降价把收益让给客户，

604
00:35:35,399 --> 00:35:38,527
推动 Claude 在客户内部进一步普及。

605
00:35:38,736 --> 00:35:42,072
有时我们保留利润，并把它再投入更多算力，

606
00:35:42,072 --> 00:35:45,784
让这一优势不断积累。

607
00:35:45,910 --> 00:35:50,456
下一项差异是，我们始终专注于为企业打造产品。

608
00:35:50,748 --> 00:35:54,710
我们很早就认识到，企业会是 AI 最大、

609
00:35:54,710 --> 00:35:55,669
也最优质的客户群体。

610
00:35:55,669 --> 00:35:59,298
自 2023 年第一季度正式商业化以来，

611
00:35:59,298 --> 00:36:02,885
我们一直服务于这个市场，

612
00:36:02,885 --> 00:36:05,888
并看到客户快速采用。截至 2026 年第三季度，

613
00:36:05,930 --> 00:36:09,725
我们有超过 11,900 家企业客户，

614
00:36:09,725 --> 00:36:11,810
是年初的近 8 倍。

615
00:36:11,810 --> 00:36:15,105
作为首家在三大云平台上
都提供服务的前沿实验室，

616
00:36:15,397 --> 00:36:18,359
我们让企业能在现有环境中

617
00:36:18,359 --> 00:36:19,610
部署 Claude。

618
00:36:19,610 --> 00:36:22,530
我们继续与终端客户保持直接关系，

619
00:36:22,530 --> 00:36:24,406
包括保留定价权。

620
00:36:24,406 --> 00:36:27,535
我们相信，这些合作让我们能够更高效地

621
00:36:27,535 --> 00:36:30,162
开展市场拓展，效率超过行业同行。

622
00:36:30,162 --> 00:36:33,874
实际上，我们全部非算力支出，包括销售与营销、

623
00:36:33,874 --> 00:36:37,628
人员及其他运营费用，

624
00:36:37,628 --> 00:36:40,589
占营收的比例低于处于行业中位数的企业软件公司

625
00:36:40,589 --> 00:36:43,592
单是销售与营销费用所占的比例。

626
00:36:43,592 --> 00:36:47,054
我们预计将加大市场拓展投入，以支撑增长，

627
00:36:47,388 --> 00:36:51,267
同时保持获取客户和扩大客户合作的效率。

628
00:36:51,350 --> 00:36:54,520
最后一项差异是，市场机会不断扩大。

629
00:36:55,229 --> 00:36:58,566
我们相信，各行各业的每一家公司

630
00:36:58,774 --> 00:37:01,318
都会被强大的 AI 改变。

631
00:37:01,318 --> 00:37:03,737
变化始于编程，并正扩展到知识工作。

632
00:37:03,737 --> 00:37:07,908
这是一个 40 万亿美元的市场，我们才刚刚进入。

633
00:37:08,325 --> 00:37:12,830
全球规模最大、业务最复杂的
一批企业已经是我们的客户，

634
00:37:13,038 --> 00:37:18,002
包括超过半数《财富》500 强企业
和超过 30% 的全球 2000 强企业。

635
00:37:18,043 --> 00:37:23,465
正如 Paul 所说，《财富》500
强客户在 Claude 上的支出

636
00:37:23,549 --> 00:37:27,761
不到其总支出的 0.1%。随着 AI 能力继续提升，

637
00:37:28,012 --> 00:37:31,181
我们预计，它会开辟全新的业务领域。

638
00:37:31,348 --> 00:37:34,643
网络安全已出现这一变化。我们预计，未来几年

639
00:37:34,643 --> 00:37:37,980
生命科学和机器人领域也会如此。

640
00:37:38,230 --> 00:37:42,526
考虑到我们看到的市场机会和业务实力，

641
00:37:43,152 --> 00:37:46,739
我们在三个方面积极投资：算力、

642
00:37:47,323 --> 00:37:50,326
客户价值，以及安全与对齐。

643
00:37:50,492 --> 00:37:53,495
算力是推动增长的关键。

644
00:37:53,537 --> 00:37:57,708
它支撑研发，也让我们能
满足不断扩大的客户需求。

645
00:37:57,958 --> 00:38:01,378
考虑到预期回报，我们计划
在未来几年大力投入算力。

646
00:38:01,462 --> 00:38:05,090
这包括短期和多年期的云服务协议，

647
00:38:05,090 --> 00:38:09,595
也包括我们直接租赁的数据中心和芯片。

648
00:38:09,637 --> 00:38:12,931
我们把后一部分称为 Anthropic
Direct。预计未来几年，

649
00:38:12,931 --> 00:38:16,226
它在总算力中的占比会越来越高。

650
00:38:16,685 --> 00:38:19,688
第二个投资领域是客户价值。

651
00:38:19,813 --> 00:38:22,858
我们始终努力确保客户

652
00:38:22,858 --> 00:38:25,861
能从花在 Claude 上的每一
笔钱获得尽可能高的回报。

653
00:38:25,986 --> 00:38:30,783
我们开发能力强、符合对齐目标而且实用的模型，

654
00:38:30,949 --> 00:38:34,578
同时通过提升模型效率，降低客户成本。

655
00:38:34,662 --> 00:38:39,124
例如，9 月的 Opus 5.5 显著提高了模型能力，

656
00:38:39,124 --> 00:38:42,795
并让客户成本降低了 40%。

657
00:38:42,878 --> 00:38:46,590
这次降成本对我们的利润率没有影响，

658
00:38:46,632 --> 00:38:48,592
因为提供 Opus 5.5 服务的成本低了很多。

659
00:38:48,592 --> 00:38:52,221
降低客户成本会牺牲一部分短期收入。

660
00:38:52,429 --> 00:38:55,808
但根据我们的经验，营收很快就会得到带动，

661
00:38:55,891 --> 00:39:00,020
因为使用智能的成本更低，
Claude 就会被更广泛、更频繁地使用。

662
00:39:00,396 --> 00:39:03,232
第三个投资领域是安全与对齐。

663
00:39:03,232 --> 00:39:06,068
安全是 Anthropic 运作的核心。

664
00:39:06,068 --> 00:39:09,113
自公司成立以来，我们一直在这方面投入。

665
00:39:09,196 --> 00:39:11,615
随着模型能力快速进步，

666
00:39:11,615 --> 00:39:14,743
我们正投入更多人员、流程资源和算力，

667
00:39:14,743 --> 00:39:17,746
支撑安全与对齐工作。

668
00:39:17,830 --> 00:39:22,710
总体而言，我们预计重视
安全将继续带来商业优势，

669
00:39:22,876 --> 00:39:26,463
因为客户与开发者都希望使用可信的模型和产品。

670
00:39:26,588 --> 00:39:30,968
对算力、客户价值以及安全与对齐的投入，

671
00:39:30,968 --> 00:39:35,097
将长期增强我们的业务，并扩大市场机会。

672
00:39:35,347 --> 00:39:40,102
我们相信，Anthropic 有望实现
超过 35% 的调整后经营利润率。

673
00:39:40,144 --> 00:39:43,689
这依赖于效率继续提升、
Anthropic Direct 的算力占比提高，

674
00:39:43,689 --> 00:39:47,359
以及更多算力用于推理。

675
00:39:47,401 --> 00:39:50,404
我们认为，算力与基础设施开支占营收的比例

676
00:39:50,404 --> 00:39:53,782
有望逐步走向约 45% 至 50%。

677
00:39:54,366 --> 00:39:57,619
其次，我们预计销售、营销和合作伙伴成本

678
00:39:57,619 --> 00:40:00,038
将逐步走向营收的 7% 至 10%。

679
00:40:00,038 --> 00:40:03,208
随着规模扩大，付给合作伙伴的费用占比会下降。

680
00:40:03,625 --> 00:40:07,296
第三，我们预计人员及其他经营开支合计

681
00:40:07,296 --> 00:40:10,466
将逐步走向营收的 7% 至 10%。

682
00:40:10,549 --> 00:40:14,803
Claude 会提升团队生产力，
我们也能更高效地扩充人员。

683
00:40:14,845 --> 00:40:18,098
我们相信自己拥有最好的财务模式。
这有赖于领先的算力效率、

684
00:40:18,098 --> 00:40:21,643
高度集中的优秀人才，以及一种公司文化，

685
00:40:21,643 --> 00:40:25,522
让我们专注于能为企业创造最大价值的地方。

686
00:40:25,773 --> 00:40:30,194
AI 对全球经济的改造有可能
成为历史上最大的经济机遇。

687
00:40:30,194 --> 00:40:34,031
而我们今天还只是刚刚起步。

688
00:40:38,035 --> 00:40:39,411
想想我们现在面临的

689
00:40:39,411 --> 00:40:43,832
癌症、阿尔茨海默病、心脏病、

690
00:40:44,249 --> 00:40:48,879
精神疾病，我认为再过不到十年，

691
00:40:49,087 --> 00:40:52,049
这些疾病就会成为过去。

692
00:40:52,049 --> 00:40:55,636
我相信，能妥善应对风险的公司，

693
00:40:55,677 --> 00:40:59,848
才能赢得社会对其经营的认可。

694
00:40:59,848 --> 00:41:04,853
社会会信任它，相信它能
以恰当的方式让人们受益。

695
00:41:05,437 --> 00:41:09,733
我认为，如果我们把这件事做好，
就能迎来一个创造奇迹的时代，

696
00:41:09,733 --> 00:41:14,321
人类将能解决

697
00:41:14,488 --> 00:41:17,699
困扰我们数千年的问题。

698
00:41:17,950 --> 00:41:21,495
我们必须把所有风险都考虑进去。

699
00:41:21,703 --> 00:41:24,706
这项技术可能出问题的每一种方式，

700
00:41:24,706 --> 00:41:27,876
都要非常审慎地应对。

701
00:41:28,085 --> 00:41:32,005
与此同时，我们要让人们受益，
并经营一家能够持续发展的企业。

702
00:41:32,089 --> 00:41:36,218
我邀请各位与我们一起踏上下一段旅程。
