Anthropic的中国门徒

7月17日凌晨，Kimi K3正式发布。48小时内，全球开发者的请求如潮水般涌入月之暗面服务器，用户量几乎瞬间逼近算力集群的承载极限。7月19日晚，月之暗面不得不暂停C端新用户订阅，因为"收获了远超预期的支持，但也面临始料未及的算力挑战"。

Kimi K3的爆火，让市场不得不重新审视对月之暗面的判断。过去一年，字节、阿里、腾讯等大厂加速投入，DeepSeek持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一个需要向资本自证价值的尴尬位置。但随着Kimi K2.6和K3.0的接连发布，这家公司又成了国产大模型阵营里最炙手可热的那一个。

只不过，这次月之暗面也把关注点转向了Coding和Agent，并明确表态：不做娱乐性场景，也不做生图、生视频，而是聚焦Coding、金融、法律、科研等生产力场景，靠基础模型的能力进化，推动产品在这些场景中渗透。

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，那些被大厂和DeepSeek不断挤压生存空间的国产大模型公司，看到了一条有效的突围路线——不是先争夺最大的用户规模，再围绕超级应用搭生态，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。

这远不止是模仿。它更像是一种门徒式的理解与吸收：如何找到足够锋利的能力尖峰，如何建立成熟的商业逻辑，如何形成AI时代的组织能力。不仅是月之暗面，国内大厂的AI业务操盘手、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，不在于给中国公司提供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，依然可以靠能力尖峰、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，其实不是什么新鲜话题，但梳理清楚这套逻辑，是理解那些"门徒"的前提。

首先，它用愿景锚定了长期方向。

这个愿景很大程度上来自创始人Dario Amodei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。这位1983年出生的创始人，无视了移动互联网的红利，很早就把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"，而是要做在更多事情上比人做得更好的助手产品。这种判断，比围绕市场找机会要更长线、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。它在招聘时会设置专门的文化面试，刻意把价值观设计得有张力，尽早筛掉不适合共同工作的人。公司的领导者也会把相当一部分时间和精力花在维护公司文化上，让顶尖研究者在长期不确定的技术探索中能保持协作。

这一点很关键——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，每天都会发布由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2024年的一份内部文件中，Anthropic的联合创始人就写过，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。

当然，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，把愿景、技术、组织文化和商业模式完美串联了起来。

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：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的这套模板并不能被中国的模型公司直接照搬，但它意味着，他们不必只在"做一个中国版ChatGPT"和"转型做应用"之间二选一，而是有了另一条已经被阶段性验证过的前进方向。

所以，建设新的能力尖峰，成了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。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，就是不断拉升模型的Coding能力。如果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，都验证了这个判断。

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。

我们也能看到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，并且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，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之外仍然存在另一种可能，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。

第一重压力：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稳定下来之前，谁也建不起一劳永逸的城池。

第二重压力：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上。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，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：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发效率和人才吸引力？

另一方面，无论是大厂的AI团队，还是模型创业公司，驱动技术进步的一个关键点，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。