Anthropic CEO 最新访谈:AI 正在让软件变便宜,真正的护城河要换了

图源：Bloomberg Originals《The Circuit》访谈画面

这场访谈最有意思的地方，不在那些宏大的 AI 判断里，而在一个很小的生活细节里。

主持人 Emily Chang 说，自己的孩子想借 Claude Cowork 账号，她马上拒绝：不行，我还需要我的 tokens。

这句话放在几年前很难理解。一个办公软件账号，有什么好抢的？但在 AI 时代，token 已经开始像一种新的生产资料。它代表算力，代表时间，也代表一个人能不能把写代码、整理资料、生成报告这些工作交给 AI 去处理。

从这个细节开始，Dario Amodei 这场访谈真正要讨论的问题就浮出来了：当 AI 让软件生产越来越便宜，过去那些靠代码、功能和复杂系统建立起来的护城河，还能守多久？

很多人第一次使用 AI，是让它改一段文案、翻译一封邮件，或者解释一段看不懂的代码。这个阶段的 AI，像一个随叫随到的助手，能提高效率，但还没有真正改变工作组织方式。

Dario 在这场访谈里谈到 Claude Code 和 Claude Cowork，重点已经不只是模型能不能回答问题，而是 AI 能不能进入真实工作流。它不再停留在聊天框里等人提问，而是开始读取文件、整理资料、生成报告、处理任务，并围绕一个目标推进工作。

这件事和普通人的关系很直接。以前写周报，你可能要翻会议记录、查邮件、找数据、做表格、最后再组织语言；以前准备一个项目汇报，你要在多个文档之间来回切换；以前看一份合同或研究报告，你要先花很长时间找到重点。AI agent 的方向，就是把这些零散动作重新串起来。

图示：AI 正在从聊天框走向真实工作流

这就是为什么 token 会变得重要。它不只是一次对话的消耗，也可能是一段工作时间的替代。对写代码的人来说，它可能意味着少花几个小时排查问题；对分析师来说，它可能意味着更快读完十几份资料；对企业管理者来说，它可能意味着一个团队的日常文档、会议纪要和信息检索方式都要调整。

Dario 在访谈里说，他整个职业生涯都在观察一种“平滑的指数曲线”。指数曲线最容易让人误判的地方，是它在很长一段时间里看起来变化不大，随后突然让人觉得一切都来得太快。

这并不只是 AI 公司内部的感受。普通职场人也能感受到类似变化。去年还只是让 AI 写邮件，今年已经有人用它写代码、做方案、整理会议纪要、生成销售材料；以前 AI 像一个可有可无的小工具，现在很多人一天不用它，就会觉得工作速度慢了一截。

Dario 用了一个很生动的比喻：Anthropic 像坐在一艘以相对论速度远离地球的飞船里。你睡一觉醒来，地球上已经过去两天；再睡一觉，地球上可能又过去三天、四天。这个比喻背后，是 AI 公司内部被压缩的时间感：模型、产品、客户、竞争、算力、监管和社会影响，都在同时加速。

这也是为什么 Dario 的表达一直保持谨慎。他没有把 AI 讲成简单的商业狂欢，也没有把它讲成单纯的灾难。他更强调一种高压下的冷静：不能假装风险不存在，也不能每天在恐慌里做决策。越是在指数曲线里，越需要知道哪些东西正在变，哪些东西仍然重要。

主持人问 Dario，为什么 Anthropic 押注 coding 和 enterprise，而不是更热闹、更容易传播的消费应用。这个问题很关键，因为它决定了 AI 最先深入改造的是哪类场景。

Dario 的回答里有一个底层逻辑：如果要开发昂贵的大模型，公司必须有商业模式；但商业模式不能和价值观严重冲突。消费互联网里的很多产品，会天然追逐停留时长、上瘾机制和注意力最大化。AI 视频、低质量内容和广告模式叠加在一起，会带来更复杂的问题。

企业市场虽然没有那么热闹，但它更接近 Dario 眼中 AI 应该产生正向价值的地方。想用 AI 治疗过去无法治疗的疾病，需要和 biotech、药企、学术研究机构合作；想让能源更便宜、更高效，需要进入企业和产业系统；想改善教育、发展中国家的健康问题和经济增长，也需要组织承接。

这段话也把“企业 AI”和普通人生活连接起来。我们在医院看病、在银行办业务、在学校上课、在公司写报告、在政务系统里提交材料，背后都有复杂组织和流程。AI 如果只停留在个人聊天工具里，它能帮我们做一部分事；一旦进入这些组织系统，它改变的就是服务效率、工作分配和行业成本。

访谈里，主持人提到一个市场上已经在使用的词：SaaSpocalypse。她说 Claude Cowork 推出后，传统软件公司的市值在一夜之间大幅蒸发，交易员把这种冲击称为 SaaSpocalypse。

这个词听上去有些夸张，但它说明投资者已经开始重新思考一个问题：如果 AI 可以直接完成越来越多工作，过去那些按功能、按席位收费的软件，还能保持多高的价值？

举个普通公司的例子。过去一个销售团队可能要买 CRM，一个法务团队要买合同管理系统，一个财务团队要买报表软件，一个研发团队要买项目管理和代码工具。每个软件都有自己的界面、权限和流程，员工每天在这些系统之间来回切换。

如果 AI agent 能直接读客户记录、整理合同重点、生成财务摘要、追踪项目进度，并把结果汇总成可执行的报告，企业自然会重新评估：到底是继续买更多功能模块，还是让 AI 把多个工具背后的工作串起来？

图示：企业买软件的逻辑，正从“功能模块”转向“工作结果”

这就是传统 SaaS 公司压力的来源。过去，功能越多、系统越复杂，越容易形成壁垒；现在，AI 让生成和改造软件的成本下降，客户会更看重最终结果，而不是某一个软件模块本身。

面对 SaaSpocalypse，Dario 没有给出一个简单的“传统软件公司会消失”的判断。他说，传统软件公司有很多护城河，其中一些会消失，一些会留下，还有一些新的护城河会出现。

最容易被削弱的，是“快速写出复杂软件”的能力。过去，一个公司能写出别人写不出来的系统，就可以形成技术壁垒；但当 AI 可以更快写代码、改代码、生成原型、完成测试，这部分壁垒自然会变薄。

可是，软件公司并不只靠代码生存。Dario 特别提到，客户关系、行业 know-how、独特的 domain knowledge，可能会变得更重要。

这句话对很多普通岗位也有提醒意义。未来被重新定价的，可能不只是软件公司，也包括个人能力。单纯会做某个标准动作，价值会下降；真正理解业务、客户、流程和责任边界的人，反而更可能和 AI 形成互补。

比如，一个人会写周报，这件事很容易被 AI 替代；但他知道哪些信息重要、哪些风险不能漏、哪些判断会影响管理层决策，这部分经验仍然有价值。一个人会整理合同条款，AI 可以帮他提速；但他知道哪些条款在真实谈判中最敏感，哪些风险客户一定会追问，这种行业经验不会因为模型变强就自动消失。

软件公司也是同样逻辑。代码会便宜，客户理解会变贵；功能会便宜，业务流程会变贵；工具会便宜，能承担结果责任的系统会变贵。

这场访谈里，Dario 没有展开具体疾病，也没有讲药物研发细节，所以医疗部分不能写成“AI 将如何治疗癌症”这类外延判断。但他在解释企业市场时，把医疗放在了很靠前的位置，这一点本身就很重要。

他的意思是，如果想用 AI 治疗过去无法治疗的疾病，就需要和 biotech、药企、学术研究机构合作。发展中国家的健康问题也是类似逻辑，虽然里面会有非营利机构参与，但最终仍然要通过组织系统来落地。

这句话和每个人的生活都有关系。我们去医院看病时，真正影响体验的，常常不只是医生水平，还有挂号、检查、病历、影像、化验、医保、随访和转诊这些系统。医疗不是一个简单 App 能解决的问题，它背后是一整套机构协作。

图示：医疗 AI 的关键，不只是问答能力，而是能否进入真实机构和流程

这也是为什么医疗能很好地说明“软件护城河换位置”。如果 AI 要进入医疗，就不能只会回答医学问题，还要进入研究机构、药企、医院和公共卫生系统；要处理数据、流程、验证、责任和信任。真正的壁垒不在“做一个医疗问答功能”，而在能否被专业机构长期使用，并在真实流程里产生可靠结果。

对普通人来说，医疗 AI 最重要的意义也许不是马上出现一个无所不能的“AI 医生”，而是未来医院、药企、研究机构和公共健康系统的效率可能被重新组织。挂号之后的信息流转、检查报告的整理、临床研究的推进、公共卫生资源的配置，都可能受到影响。

访谈后半段，主持人问到服务器负担、稳定性问题和 token 短缺。Dario 解释说，从合理标准看，Anthropic 并不是买少了算力。他们原本按照年化 10 倍的算力增长来规划，这已经是很激进的增速。

但 2026 年第一季度出现了更极端的情况：收入在一个季度里增长超过 3 倍，如果简单年化，相当于大约 80 倍的增长速度。公司不可能按照 80 倍增长去提前准备算力，因为如果最后只增长 10 倍，就会造成巨大浪费。

这段话把 AI 行业的另一个现实问题说清楚了。用户看到的是服务繁忙、额度紧张、token 不够用；公司看到的是需求突然爆发，基础设施很难同步扩张。

图示：AI 的瓶颈，正在从模型能力延伸到基础设施

回到开头那个“抢 token”的细节，它就不再只是一个玩笑。AI 进入真实工作流之后，算力会变成新的稀缺资源。公司要分配，个人也会感受到限制。未来很多企业内部，可能也会像今天分配预算、分配账号、分配服务器资源一样，分配 AI 使用额度。

Dario Amodei 这场访谈给软件行业的提醒很清楚：AI 正在让软件生产成本下降，过去靠代码复杂度和功能堆叠形成的一部分护城河，会被削弱。

但对普通人来说，真正值得关心的，不只是“AI 会不会替代我的岗位”。更现实的问题是：我现在的能力，究竟是在重复某个标准动作，还是在理解一个真实场景？

如果一个人的价值主要来自复制、整理、转写、汇总，AI 会越来越快地接近这些工作；如果一个人的价值来自理解客户、判断风险、协调组织、把复杂问题拆成可执行方案，那么 AI 更可能成为他的放大器。

过去，软件公司的护城河更多写在代码里。以后，护城河会更多长在真实场景里。

这对公司是挑战，对个人也是提醒：不要只问 AI 能替你做什么，更要问自己还理解哪些 AI 暂时无法独立承担责任的真实问题。