夜雨聆风👇关注公众号后设🌟标，掌握第一手AI新动态
本文内容整理自 Anthropic Claude Code 负责人 Boris Cherny 在 Alex Kantrowitz 的《Big Technology》播客频道上的专访，公开发表于2026年05月21日。原始内容参考：https://www.youtube.com/watch?v=Z6IT4gjrcPE
内容提要：Boris Cherny 在《Big Technology》的专访
AI 产品的爆发式增长： Anthropic 的产品（如 Claude Code 和 Cowork）正处于指数级增长阶段，需求量同比增长约 80 倍。即便在内部开发阶段，它们就已经展现出了远超传统初创公司的惊人动能。 AI 智能体（Agent）时代的到来： AI 已从简单的“自动补全工具”进化为“能够熟练使用工具的智能体”。它们能直接接入互联网、操作电脑、编辑文件、预订行程，甚至自主管理复杂的生产流程——这标志着 AI 应用场景实现了根本性的跨越。 生产力的质变： Claude 编码能力的引入显著提升了工程效率，Anthropic 内部工程师的代码产出量激增了约 250%。更重要的是，这种提升正在向各行各业的非技术人员扩散，让原本不懂代码的人也能通过自然语言轻松构建软件。 关于“Token 最大化（Token Maxxing）”的看法： 尽管业内存在个别公司为了刷数据而强制员工消耗 Token 的现象，但 Boris 认为这绝非主流。真正的生产力飞跃，源于为员工提供充分、安全的实验空间，而非盲目追逐指标竞赛。 模型性能的非线性提升： AI 模型的智能水平正以“月”为单位发生质变。这要求用户保持“空杯心态”，不断重塑对模型能力边界的认知，放手让 AI 去挑战以往看似不可能完成的任务。 解决 AI 效率与安全问题： 针对模型执行任务时容易“陷入死循环”或效率低下的痛点，Anthropic 推出了“努力程度（Effort）”调节功能与“自动模式（Auto Mode）”。后者通过多层安全检查以及多个 AI 实例的并行交互，在大幅提升任务执行力的同时，牢牢守住了安全底线。 软件护城河的重塑： 在 AI 时代，传统软件依靠“转换成本”建立的护城河正在不断贬值，而网络效应与基础设施规模经济的价值将愈发凸显。AI 将彻底重塑业务流程的构建方式，未来的核心竞争力，在于能否围绕 AI 构建出“指数级放大个人杠杆率”的系统。 AI 自我演化的潜力： 从“依赖人类提示”跨越到“具备自主构思与进化能力”，AI 的自我演化已不再是遥不可及的科幻情节——这也是 Anthropic 始终将“安全”视为研发核心基石的根本动因。
访谈全文
鲍里斯·切尔尼： “我从未见过如此陡峭的增长曲线，它正以疯狂的指数级不断狂飙。Claude Code 100% 由 Claude Code 编写，Cowork 100% 由 Claude Code 编写。在 Anthropic 的产品矩阵中，越来越多功能的底层代码完全出自 Claude Code 之手。”
主持人亚历克斯： 我想听听你对“Token 最大化(Token Maxing)”的看法，你是否认为这在你们构建的产品使用量中占了很大一部分？
鲍里斯·切尔尼： “我不再亲手写代码，我只向 Claude 发送提示词(Prompt)。事实上，我现在日常的操作是：让一个 Claude 去指挥其他的 Claude。我甚至都不需要亲自和 Claude 对话，我手下的 Claude 会去和我的其他 Claude 进行交流。”
Claude Code 的爆发式增长
主持人亚历克斯： 让我们和 Claude Code 负责人 Boris Cherney 一起聊聊这款产品的爆发式增长、路线图的下一阶段，以及这种疯狂的增长是否具有可持续性。精彩内容马上开始。
欢迎收看《Big Technology 播客》，这是一档用理性和细腻的视角探讨科技世界及更广阔领域的访谈节目。今天我们为大家准备了非常精彩的内容，Claude Code 负责人 Boris Cherney 亲临了我们的演播室。我们将深入探讨这款产品、它的崛起过程、未来的发展规划，当然，还有它是否具备可持续性。我们将涵盖 Token 最大化、Token 低效使用以及知识工作的未来等硬核话题。今天的讨论绝对干货满满。Boris，很高兴见到你，欢迎来到我们的节目。
鲍里斯·切尔尼： 很高兴能来到这里，感谢邀请。
主持人亚历克斯： 那么，我们先来谈谈 Claude Code 的增长情况。它的增长非常惊人，对吧？我记得在最近的一次活动中，Anthropic 的首席执行官 Dario Amodei 提到，对 Anthropic 产品的需求量同比增长了约 80 倍。我记得去年这个时候和他交谈时，他对 Anthropic 达到 40 亿美元的年度经常性收入(ARR)感到非常振奋。但现在看来，那个数字似乎显得有些微不足道了。今天的数据显示，营收可能已经达到了 450 亿美元。这意味着收入增长了 10 倍，需求增长了 80 倍。现在的问题是，公司满足这种需求的速度能有多快？你能谈谈 Claude Code 在这股需求中占比多少吗？以及你在该工具的用户增长方面看到了什么趋势？
鲍里斯·切尔尼： 对于全球越来越多的人来说，他们使用智能体(Agent)和 AI 的方式正在发生演变。尽管 Anthropic 提供了多种多样的产品——包括 Claude AI 聊天机器人、Claude Design、Cowork 以及各类 API 服务——但不可否认，Claude Code 已经成为许多用户的核心首选入口。这款产品的增长简直令人感到疯狂；甚至在公开发布之前，它在公司内部的需求就已经呈爆炸式增长，这让我们很早就意识到它绝对会成为一个超级爆款。
当我们在去年 5 月发布 Claude 3.5 Sonnet 和 Opus 时，增长彻底变成了指数级。我从未见过如此陡峭的增长曲线，而且随着后续每一次的版本迭代，增长势头都在不断加速：去年 11 月发布了 Claude 3.5 Opus，紧接着今年 2 月推出了 4.6 版本，随后又是 4.7 版本。这种动能不断迎来增长拐点，每一次更新都在不断刷新极限，将势能推向新的巅峰。
我们团队里很多人在科技行业摸爬滚打多年，经历过各种超高速增长的产品和“独角兽”初创公司。然而，即便是对这支身经百战的团队来说，我们也从未见过如此夸张的增长速度。因此，我们目前的挑战在于：如何确保每个人都能持续获得顺畅的体验。我们正在积极摸索如何保持这种增长节奏——并在实现服务规模化(Scaling)的同时，为未来更陡峭的增长轨迹做好准备。
主持人亚历克斯： 一年前，情况还很明显：Anthropic AI 模型的大部分使用量都来源于 API。比如一家咨询公司在一家银行内部署应用，银行利用它来汇总一些计算结果——这只是我随口举的一个例子。与 Claude 聊天机器人相比，API 显然占据了使用量和收入的绝大份额。今天的情况依然如此吗？还是 Claude Code 已经实现了赶超？
鲍里斯·切尔尼： 至于是否赶超，现在的业务呈现出一种混合态势。但不可否认，相比一年前，自有产品对 Anthropic 发挥着重要得多的作用。产品本身的增长在飞速加速，同时我们的 API 也在快速增长。对我们来说，这两手我们都在抓。
我们必须成为一家产品公司，因为一家研究实验室去开发产品是有很多核心理由的。这一点在早期其实并不明确。在 Anthropic 历史的极早期——在我加入之前——内部曾有过激烈的辩论：我们到底应不应该做产品？这真的是一件有价值的事情吗？
事实证明，做产品对占领用户心智(Mind share)非常有用，而且对提升模型安全性也同样关键。从根本上说，我们存在的使命是研究 AI 安全，而亲自下场开发产品，为我们提供了更好的工具来实现这一目标。
然而，我们毕竟是一个小团队，世界上有太多东西我们没精力去亲自构建。这就是为什么我们必须提供一个平台。通过我们的托管智能体(Managed Agents)、API 和 SDK，我们赋能人们在我们的技术底座之上进行开发，而成千上万的企业也正是这么做的。
主持人亚历克斯： 听到你用“混合态势”来回答这个问题确实很有趣。我猜你现在是不打算透露哪块业务的体量更大了，也许现在还不是时候。
什么是 Claude Code？
但这恰恰说明，API 占据绝对主导的局面已不再那么绝对——或许 API 仍然更大，或许两者正在融合，就像你说的“混合态势”。这足以证明 Anthropic 自研自营的产品正在经历极其庞大的增长。我们已经确定了产品正呈指数级增长的事实，显然 Anthropic 的收入也随之呈指数级飙升。
这是由你亲自构思、构建并负责运营的产品。我想可能有一些正在观看节目的观众还在好奇，Claude Code 到底是什么。我们大多数观众显然都知道它，但我刚才一直在想，我该如何用简单的一句话来给它下个定义？我之前写的是：“这是一种用大白话(Plain English)编写网站和软件的方法。”但在来演播室的路上，我觉得这么说多少有点把它看扁了。换作是你，你会如何描述它？
鲍里斯·切尔尼： 我觉得那个描述其实挺好的。没问题，我们就用这个说法。
很多人一提到 AI，脑海中浮现的就是聊天机器人(Chatbots)。对于工程师来说，在大约一年半前我们开始做 Claude Code 之前，AI 大概也就是那个样子。那是大多数人对 AI 的刻板印象。
但在某个时刻我们意识到，模型在编写代码方面实际上已经变得极其强大，而且它越来越擅长使用工具(Using tools)。这些能力是我们一直以来重点训练模型去掌握的，也是我们长久以来的研究方向。大约在一年半前，这些能力开始真正具备了巨大的商业价值。
所以对于 Claude Code，我们毫不犹豫地押注了这条赛道。我们彻底颠覆了当时所有人的代码编写方式，因为那时全世界写代码的人，本质上都只是在使用一个高级文本编辑器而已。我们当时就想，也许我们可以做得远比这更好，做出一款与以往截然不同的划时代产品。
这绝对是一场豪赌。于是我们推出了 Claude Code。Claude Code 与当时聊天机器人最大的区别就在于：Claude Code 可以使用工具。
“这就是分水岭。这就是根本的区别。使用聊天机器人，你只是在和它来回闲聊；但面对一个智能体(Agent)——比如 Claude Code——它能直接接管并操控你的工具。”
主持人亚历克斯： 简单定义一下“工具”。所谓工具可以是任何东西，如果我说得不对请纠正我。比如从使用浏览器，到登录 Cloudflare 并以这种方式设置一些智能体（Agent），这些都算，对吧？所以，现在的重点不再是“这个产品本身能做什么”，而变成了“这个产品能登录哪些系统，并且如何串联多种产品来协同工作”。
鲍里斯·切尔尼： 没错，完全正确。它可以连接你所有不同的工具，可以使用你的浏览器，甚至控制你的电脑。哪怕是像在电脑上编辑文件这么简单的事，一年半前，还没有任何一款 AI 产品能真正做到。但这是 Claude Code 能够实现的首个功能：它能直接在你的桌面上编辑文件。如果你的桌面有一堆文件，它还能帮你整理。只要你愿意授权，Claude Code 和 Claude Cowork 就能获取这些权限来为你代劳。这真的很神奇，这个微小的跃升，不仅彻底颠覆了人机交互的方式，更重塑了产品赋能个体的边界。
主持人亚历克斯： 我认为，如果深入探究其核心，AI 似乎已经从单纯的“擅长自动补全”实现了进化。因为在最底层，AI 过去仅仅是在做“预测下一步”的工作——无论是在庞大的数据集上运用机器学习来预测你是否会拖欠房贷，还是预测句子中的下一个单词，抑或是预测代码序列中的下一段代码。我认为那是第一代 AI（Gen 1）。
使用 AI 智能体 (AI Agents) 预订航班
但你现在所描绘的是：当你给出一段自然语言指令后，机器实际上能够自主编写代码、调用工具，并替你完成任务。如果我理解有误请纠正，应用场景已经从“开发者接入 AI 并使用 Claude Code 等工具写代码”实现了全面进化。
我们看到了一场主要由开发者驱动的爆发，紧随其后的是一股不可忽视的次生力量：非技术人员。像我这样的人，也能通过指挥 AI 智能体——比如 Claude Code——来构建一款工作流软件、一个网站，或者通过类似 Claude Cowork 的工具接管电脑。它就像是一个门槛更低的姊妹产品；你向它开放浏览器权限，它了解你偏好的航班类型，当你告诉它“几周后我需要在印度”时，它就能直接帮你把机票订好。
鲍里斯·切尔尼： 没错，正是如此。我最近刚用 Cowork 订了一堆机票。这个月我要飞很多地方，比如我们要在伦敦和东京举办“与 Claude 一起编程”(Code with Claude) 活动，沿途还有其他几个站点。我跟 Cowork 反复沟通，告诉它：“好的，我需要在这些时间点抵达这些地方。”那是一趟包含五个站点的行程，跨越了很多城市。我给了它一个粗略的时间表，让它：“翻阅我的邮件和日历仔细核对，确保我没有遗漏任何安排。”结果，它不仅找出了我漏掉的两个站点，还发现了我给错的几个日期。
它仅仅是在接到我的指令后，通过查阅邮件就发现了这些纰漏。随后我让它去预订机票，自己则跑去写代码、忙工作了。一个小时后我回来时，它已经订好了 8 趟航班和 5 家酒店。
其中有一家酒店订得不太对，位置偏了。我让它重新预订并修改，它立马就改好了。就是这么简单。
其实，我每次都会用 Cowork 和 Claude Code 做这类测试。我设定了一些标准的测试用例，都是我日常会做的琐事，然后随着模型的迭代，不断用新模型去重新跑这些测试。
这是我迄今为止得到的最惊艳的结果。Cowork 与 Opus 4.7 模型的结合，似乎产生了一种奇妙的化学反应，让它具备了这种惊人的能力。
我认为对我来说最困难的一点是：随着模型的进化，你必须不断打破并重塑对它能力的认知边界。
如果你去问那些一年前用过模型、之后就再没碰过的人（尤其是工程师），他们可能会说：“哦，它写代码不行”，或者“我不放心让它一次写几行以上的代码”。那是因为一年前的模型确实如此，当时它还不够强大。
然而，如果把时间快进到今天，让同一批人来体验新模型——现在越来越多的工程师正是这么做的——那将是截然不同的体验。它的能力早已今非昔比。
我想，这是我使用过的第一项每个月都能实现能力阶跃式进化的技术。作为用户，这其实是一个不小的挑战，因为你必须不断重新训练自己的思维，不断去试错。你永远需要保持“空杯心态”去重新审视这项技术，敢于把它用在以前它搞砸过的任务上，因为下一个版本的模型可能就会把它做得完美无瑕。
刷量 (Tokenmaxxing) 与真实需求
主持人亚历克斯： 这就是未来的愿景。按照你的勾勒，情况实际上是这样的：过去，当我们使用技术时，必须受限于产品界面。软件公司为了追求规模效应而打造产品，塞给你一堆可能根本用不上的功能。每当你试图预订些什么，即便你心里很清楚自己想要什么，也得在一堆花里胡哨的操作中摸爬滚打，而且网站也记不住你的偏好。
现在，范式发生了转移。正如前面所说，它变成了智能体；它是一个能主动出击、替你执行任务的得力助手，并能按照你的心意重塑你的在线体验。我认为这正是人们趋之若鹜的原因，也是为什么我们——或者说你们——能看到这种爆炸性增长的内核所在。
但现在，我想对这个论断做一点“压力测试”，提几个让我好奇的问题：这其中有多少是真实的刚需？又有多少只是对未来潜力的狂热盲从？我们也许该进行一次现实检验了。首先，虽然现在的需求大得惊人，但问题是：纯粹的真实需求和被“游戏化”催生出的虚假需求，各自占了多大比例？
在硅谷内外，目前正流行一种叫做“刷量 (Tokenmaxxing)”的做法。我确信你听说过。
有些公司会下达硬性指标，要求员工尽可能多地运行 AI 智能体，从而消耗大量的 AI 词元 (Token)。那些消耗 Token 最多的人会登上排行榜获得奖励，或者借此完成规定的“AI 交互动作指标”，以此来替代传统的人工操作。
我想听听你对 Tokenmaxxing 的看法，你认为这种刷量行为在你们产品的使用量中占了很大比例吗？
鲍里斯·切尔尼： 我不认为 Tokenmaxxing 占了很大比例。我是这么看的：在加入 Anthropic 之前，我曾在一家大型科技公司工作。（正如你所知，我当时在 Facebook，这家公司也正是市场上大力推崇 AI 运用最大化的公司之一）。我当时的职责之一，就是负责 Meta 旗下所有应用（包括 Facebook、Instagram 和 WhatsApp）的代码健康度。我们之所以如此重视代码健康度（本质上就是代码质量），是因为高质量的代码能让工程师的生产力大幅跃升。
当时有一个庞大的团队专门负责提升生产力。在 AI 模型和 Claude 出现之前，你可能要辛苦奋斗一整年，才能让每个工程师的生产力提升 1% 到 3%。在当时，这已经被视为非常了不起的进步了，但这背后是极大的心血；你必须试错无数种方案，最后才可能碰巧找到一种能带来微弱提升的方法。
但 Claude 带来的改变是颠覆性的。现在，许多公司（包括 Anthropic 自身以及我们最大的客户）所报告的生产力提升幅度，是以百分之几百来计算的。我们对外公布的最新数据是：自从引入 Claude 的编程能力后，Anthropic 工程师人均编写的代码量激增了大约 250%。
更重要的是，这种进步是在确保代码质量、系统可靠性等各项指标稳如泰山的前提下实现的。在质量没有任何倒退的情况下，代码产量迎来了井喷。
这种量级的生产力冲击是前所未有的，我认为大家仍在摸索如何驾驭这股力量。很多公司都在问如何才能复现这样的红利，因为有些公司已经尝到了甜头，而另一些还在原地打转。
我的建议几乎始终如一。第一，把 Token 的使用权下放给每一个人，让大家放手去试。我不一定推崇“盲目刷量”，但我强烈建议赋予员工实验的自由，让他们不必为了消耗每一个 Token 去走繁琐的审批流程。
第二，赋予员工充足的“心理安全感”。很多时候，当人们在尝试创新、开发工具以追求更高产能时，他们实际上是在打破并重塑自己的工作流。他们会冒出各种天马行空的想法，有的会搞砸，有的能成。你必须营造这种心理安全感，让他们能够毫无心理负担地去试错，去摸索出全新的工作范式。
最后，许多公司会惊讶地发现：那些带来生产力飞跃和突破性创新的，往往是你意想不到的人。在过去，大家都能轻易指认出“这些是我手头最高产的工程师”。但到了今天，我发现大量惊艳的效率跃升，正不断涌现自那些你过去从未寄予厚望的群体之中。
这可能是组织里某个角落的会计，以工程师从未设想过的方式实现了财务自动化；也可能是某位营销人员，以你完全预想不到的方式实现了营销自动化；又或者是一位刚毕业的软件工程师，做出了令人惊叹的产品。这些都是过去绝无可能发生的事情。
挑战在于，你无法提前锁定这些人。你不知道他们是谁，而他们几乎总能给你带来惊喜。因此，最好的策略是放手让员工去尝试，并给予他们安全的容错空间。只有当某个应用场景开始规模化(Scale up)时，才去考虑优化。千万不要过早优化。
如果某些公司基于自身文化采取竞争机制，我觉得挺好。如果其他公司更愿意为工程师创造安全的实验空间——正如我们在 Anthropic 所做的那样——我也觉得很好。这完全取决于公司自身的基因。
主持人亚历克斯： 我得说，我消耗了大量的 Token(词元)。我经常使用这些工具。我认为 Claude Code 和 Claude Cowork 对我的业务大有裨益。我是个单打独斗的创业者，尽管这么说有点低估了我的团队，因为我身后还有一群人主要以兼职的形式在协助我，但这又是另一个话题了。
但我确实会想，当我读到那些报道时，大企业在这些 AI 预算中占据了很大比重。而且说到激励机制——就像我在节目开头提到的——这种模式到底有多可持续？在某些地方，激励机制其实是扭曲的。
最近《金融时报》的一篇报道提到：“亚马逊员工利用 AI 工具执行不必要的任务，以刷高使用率数据。” 一些员工透露，同事们正在使用软件自动化执行额外且毫无必要的 AI 活动，仅仅是为了增加 Token 的消耗量。他们表示，这反映了亚马逊在制定了“每周必须有超过 80% 的开发者使用 AI”的目标后，员工感受到了强制采用该技术的巨大压力。我向一位亚马逊员工核实了此事，他回答：“没错，确实如此。” 他告诉我：“为了达成这些指标，我设置了一个每天运行数小时然后自动删除的自动化脚本。”
你之前说过，你不认为这种“狂刷 Token”的做法构成了需求的主体。从你这边的视角来看，有什么迹象能证明这仅仅是个例，而不是行业的常态吗？
鲍里斯·切尔尼： 我不确定究竟有多少公司在搞这种“狂刷 Token”的操作。我确实稍微听说过这种趋势。但如果你看看 Claude 的客户群体，我们的客户基数极其庞大。因此，并不存在某一家单一公司在推高整体使用量的情况，绝非如此。
我想退一步，思考一下这种变局是如何发生的。因为我认为这些公司的真正目的——当然我不想替他们代言，建议你直接去问他们——很可能是为了推动组织变革(Organizational Change)和业务流程变革(Business Process Change)。
如何让你的公司从 AI 中真正获益？这一点通常并不明朗，而且极度依赖于公司本身。因为每家企业都有着不同的文化、组织架构和行事风格。
90年代《哈佛商业评论》有一篇老文章我非常喜欢。我忘了具体标题，但大意是：“计算机已经来了，为什么没人看到生产力的提升？”
这在当时是个大问题。对现在的我们来说，计算机能提高生产力是显而易见的常识。但在 90 年代，这并非共识。当时正值个人电脑普及，它们开始取代大型主机，并且价格变得亲民。普通的初创企业都能买得起，再也不用砸几百万美元去买一台大型主机了。
但这引发了一个挑战和悖论：企业虽然用上了计算机，却没有看到生产力的提升。到底发生了什么？
AI 智能体 (AI Agents) 是否效率太低？
《哈佛商业评论》的那篇文章提出，为了真正从计算机中获益，你必须围绕它们重构整个业务流程。计算机必须成为你工作方式的核心。如果你仍然依赖纸质档案柜、装满纸质文件的抽屉和纸笔工作流，仅仅把计算机摆在角落作为边缘辅助，那么你注定无法从中受益。
反之，如果你扔掉档案柜，清空办公桌抽屉，将计算机置于运营的中心，使其成为业务流程的核心，你就能看到惊人的成效。当时企业之间出现了明显的分水岭：一些企业经历了这种阵痛并蓬勃发展，而另一些则被淘汰。
我认为今天 AI 面临着同样的处境。许多公司都在试图弄清楚如何激发 AI 的生产力。目前有大量的实验正在进行，每个人都在尝试不同的路径以求从中获益。我不认为存在所谓的“唯一正确解”。
主持人亚历克斯： 我认为，当我们看到 Claude 和 Anthropic 能够以如此惊人的速度增长时，能和你深入探讨这些问题并听取你的观点，是非常有价值的。
刚才我们聊了“狂刷 Token”。Token 本质上是模型的输入输出单元——即模型输出和接收的字词或片段。这也是各家 AI 公司的计费方式，Token 用得越多，你需要的数据中心就越多。随着模型变得越来越强大，我有时会怀疑它们是否达到了最佳效率。大模型能执行繁重的任务，消耗大量 Token；即使输出结果很棒，大家也会质疑：这会不会是把一个本可以很简单的流程复杂化，仅仅为了推高 Token 的需求？模型消耗了海量 Token，却未能以最高效的方式达成目标。
举个例子。我最近一直在用 Claude 制作 PPT，它在这方面真的很棒。我用的是 Opus 4.7模型，有好几次我跟它说：“好了，你正在处理这个任务，把它导出为 PDF 吧。” 结果它就像“失控”了一样，开始陷入死循环，疯狂调用尽可能多的工具，似乎根本无法生成文件。最后我只能一遍遍地纠正它：“不对，你正在做这个 PPT；你知道文件在哪儿，直接导出。” 它这才反应过来：“非常抱歉。我钻进了牛角尖，在担心一个实际上并不存在的约束条件；文件就在这里。” 然后才把文件发给我。
你能谈谈这些模型的效率问题吗？我们所看到的增长中，有一部分是否正是由像 Opus 4.7 这样的模型在执行基础任务时陷入死循环所推动的？这种担忧合理吗？
鲍里斯·切尔尼： 通常我们在评估模型时，会考量几个不同的维度：一是模型的智能程度，二是响应速度，三是运行效率。总体而言，我们致力于让这三者齐头并进。
在这三者中，我认为应当将智能排在首位，因为它是最核心的要素。哪怕一个模型效率稍低，只要它足够聪明、能帮你完成更复杂的任务，它就依然极具价值。效率优化完全可以放在后面；当我们把模型变得更加智能后，再去集中精力提升它的效率。从这个意义上说，我们将其视为一个循序渐进的过程。
我们一直在做大量实验，试图把这些因素的控制权交还给用户，因为我们很难为所有场景预设一个完美的默认值。很多时候，用户比我们更清楚自己的需求。为此，我们推出的一种机制就是“模型选择”——你可以根据需求在 Opus、Sonnet 或 Haiku 之间进行切换，这本质上代表了模型参数规模的大小。
除了模型选择，我们还在探索“努力程度(Effort)”的概念。这个词非常直白：它代表了你希望模型在这个任务上投入多少算力。虽然我们会提供建议值——例如，为了彻底发挥 Opus 的智能，你会选择“极高(Extra high)”或“最大(Maximum)”的努力程度——但如果你想节省 Token，完全可以选择“中等(Medium)”或“低(Low)”。归根结底，我们希望将掌控权交到你的手中。
主持人亚历克斯： 我最近在节目里聊过这个话题，当时有位听众留言提出了不同意见。我原本认为，大模型总能找到提升效率的方法，比如处理导出 PDF 这样的任务。
然而，那位听众写道：“Alex，他们解决不了 PDF 这种问题。这是大语言模型(LLM)技术固有的缺陷，也是代理式 AI (Agentic AI) 真正走向实用、实现大规模普及的最大障碍。”
我想稍微转述一下他的意思。就像我们之前聊过的那样，大模型的本质是基于概率的预测(Probabilistic)。它根本上是在预测下一个词；你永远无法从 AI 代理那里得到两次完全一样的答案。
因此，这类问题是其运行机制带来的特性(Feature)，而非可以被修复的漏洞。你对此怎么看？
鲍里斯·切尔尼： 我不认同这个观点。让我们把视角拉远一点来看。工程师是第一批尝鲜者，对吧？大约一年半前，工程师们就开始使用 Claude Code 了。那时候，非技术人员还没有真正意义上开始使用 AI 代理，这甚至早于我们的计算机使用(Computer Use)等功能问世。回想一年半前的 Claude Code，它的表现其实并不好。
当时我只能用它写点零碎的代码，但如果我真的放手让它去构建一个完整的功能或产品，结果往往不尽如人意。它会陷入死循环，代码质量很差，要么写出来的代码一塌糊涂，要么根本跑不起来。但在某个节点，它突然开窍了。随着模型本身和 Claude Code 的不断进化，生成的结果越来越好。快进到今天，Claude Code 100% 的代码都是由 Claude Code 自己写的，我们的计算机使用(Computer Use)功能 100% 的代码也是由它写的。
在 Anthropic 内部以及我们的各项产品中，越来越多的功能完全是由 Claude Code 编写的。我们也从客户那里听到了同样的反馈。昨天我在创业孵化器 Y Combinator 做分享时，做了一个举手调查。现场所有人都已经在使用 Claude Code。我问：“如果你们今天 100% 的代码都是用 Claude Code 写的，请举手”，大约有一半的人举起了手。接着我问：“如果你们完全没有用 AI 写代码，也就是 0%，请举手”，在几百人的会场里，只有一个人举手。真是位勇士（向那个人致敬）！
显然，这其中还有很大的增长空间。大多数人处于中间地带——他们绝大部分的代码由 Claude Code 编写，但并非全部。这就是模型目前所达到的高度。一年前它还做不到，那时候它的能力还不足以胜任这些工作。
这正是目前计算机使用(Computer Use)功能正在上演的发展轨迹。它还处于早期阶段，我们几个月前才刚刚发布。随着产品和模型的双重迭代，它会持续进化。
可以说，我们仍处于非常早期的阶段。我相信，今天体验计算机使用(Computer Use)功能的每一个人都是早期尝鲜者(Early Adopter)。事实上，今天所有使用 AI 的人都是早期尝鲜者。世界上有庞大的人口基数，但大多数人还没有真正在有意义的层面上体验过 AI。这里面还有着难以估量的提升空间。
主持人亚历克斯： 是的，我们 6 月 18 日要在旧金山举办一场活动，其中大量的营销物料都是我用 AI 代理赶出来的。当然，我会来回调整，不会让它一次性直接定稿(One-shot)，我会仔细把关文案。但我会把播客的下载统计数据喂给它，用来展示我们节目的增长趋势；再把演讲嘉宾的名字给它，它在生成活动企划书方面的表现堪称惊艳。它能清晰地规划出：活动内容是什么、受众画像是谁、谁来演讲、你为什么应该参加，以及如何联系我们。
鲍里斯·切尔尼： 太不可思议了，这真的非常棒。你第一次使用它，第一次亲眼看到 AI 代理自动操作你的工具时，是什么感觉？
主持人亚历克斯： 显而易见，我已经给它开放了所有权限。我想这也是很多人的共同心路历程：Claude 有一个浏览器插件，你很快就会意识到，只有彻底放权，让 Claude 接管浏览器并替你执行操作，你才能榨干它的最大价值。
这种体验和我第一次坐 Waymo 无人驾驶汽车几乎一模一样。在最初的几个转弯处，我紧张得手心出汗，死死盯着周围的一切，心里不停地盘算：“我该批准它这步操作吗？”但渐渐地，你开始建立信任，然后你就会发现自己变成了无情的点头机器，不断点击“批准、批准、批准”。
坐 Waymo 也是如此；你一开始会想：“好吧，看样子它不会谋杀我。”结果五分钟后，AI 在前面辛勤干活，你已经低头刷起手机了。这就是我使用 Claude Code 和计算机使用(Computer Use)代理时最真实的写照。
鲍里斯·切尔尼： 这和我的亲身体验完全吻合。我认为它就像历史上任何一次技术革新一样。我一直在观察我的一位朋友学习使用计算机使用(Computer Use)功能的过程。她不是工程师，前几天她遇到了一个关于笔记本电脑语言输入法设置的问题，自己捣鼓了半天也不知道怎么弄。
如果是以前，她的本能反应肯定是去 Google 搜教程。但这一次，她直接向 AI 求助。AI 回复说：“好的，让我看看。我能使用你的电脑吗？”在获得授权后，它直接接管了电脑。屏幕边缘泛起一阵淡淡的橙色光晕（注：Claude 接管电脑时的 UI 提示），她眼睁睁看着 AI 自动打开设置，精准定位到语言选择器的问题，进行诊断并修复了它。
速率限制与用户痛点 (Rate Limits And User Frustration)
在整个过程中，你始终牢牢掌握着方向盘（掌控全局）；你可以实时监控眼前发生的一切，而不是让它在后台像黑盒一样悄悄运行。这简直太神奇了。就连我自己遇到问题时，有时还是会本能地想去搜 Google，所以她能第一时间想到使用 AI 代理接管电脑，这让我觉得非常有意思。
我经常有这种感触。那些伴随这些产品一路走来、对旧版本了如指掌的人，在使用时反而可能缺乏一些想象力和野心。相反，对于那些刚刚接触这些工具的新手，我经常看到他们用 Claude Code 和计算机使用(Computer Use)功能去完成我连想都没想过的任务。这真的极具创造力且令人惊叹，我每次看他们操作都能学到很多。
主持人亚历克斯： 没错。要说目前最大的槽点，我也看到你经常在 X（原 Twitter）上回复网友，那就是速率限制(Rate Limits)。比如，每当我看到有人说：“我试过 Claude Code 了，但不想再用了”，往往是因为他们耗尽了分配的 Token（令牌）额度。可能只用了一个小时就到了上限，然后被迫苦等四个小时才能再次使用，于是他们转头去寻找替代方案。
你认为速率限制对产品的增长潜力造成了什么影响？如果未来想让用户摆脱这些限制，你们有什么具体的规划吗？
鲍里斯·切尔尼： 关于速率限制？这正是我们目前在积极攻克的问题。但令人惊讶的真相是：实际上只有极少部分人真正触及了速率上限。Pro 用户的触顶比例稍微高一点，而在 Mac 用户中，这个比例其实相当低。
当大家在讨论这个问题时，我认为有几个背景因素。首先，我们确实在短期内下调过峰值速率限制，导致部分用户遇到了卡脖子的问题；但现在我们已经撤回了那项调整，并且实际上将速率限制翻了一倍，以提供更充裕的容量。
第二个因素是，Claude Code 具备极强的扩展性；大家在大量使用插件和各种集成工具，但其中部分工具消耗 Token 的方式非常低效。我们正在努力将这些消耗数据透明化，这样用户就可以根据特定插件吃掉的 Token 比例，来权衡是否继续使用它。
最后一点，越来越多的用户正在进化为重度极客玩家(Power Users)。当我们刚发布 Claude Code 时，你可能一次只运行一个 Claude 实例。但如今，我的电脑上经常同时跑着四五个任务，在大多数深夜里，我甚至会并行运行成百上千个 Claude 实例。放在一年前，这绝对是我不敢想象的画面。
随着越来越多人摸索出这些“吃 Token 狂魔”级别的新型工作流，他们开始触及标准 Max 订阅计划的天花板。这正是我们提供 API 计费选项的原因；如果你需要无上限的 Token，完全可以走 API 这条路，这也是目前很多企业客户的常规做法。
主持人亚历克斯： 不久前，Anthropic 的首席执行官 Dario 还在谈论 OpenAI，并探讨了在基础设施建设上的巨额开支。他后来也多次提到这一点，表示尽管仍在为支撑这些 AI 能力所需的数据中心投入数十亿美元，但他正努力在支出上保持严谨克制。
他将这种做法与其他人——我们推测他指的可能是 OpenAI ——进行了对比，形容他们的策略是“盲目投入”（YOLOing）。然而，OpenAI 现在正在Codex采取类似的策略。你可以称之为“盲目投入”，但他们确实成功建成了相当庞大的数据中心算力规模。
你对此怎么看？当用户在某个平台遇到速率限制（Rate Limits）时，他们可能会直接切换到竞争对手 Codex那边。这是一个竞争极其激烈的时期。你如何看待这种动态？Anthropic 内部又是如何考量的？外界有一种声音认为，你们在数据中心建设上过于严谨的策略，可能会导致你们在这场目前最关键的产品战役中流失用户。
鲍里斯·切尔尼： 首先，我们现在的增长速度前所未有。对于 Claude Code来说，增长还在不断加速。
我认为，因为大多数用户其实并不经常触及速率限制的上限，所以这并不是一个大问题。但对于那些确实受到限制的用户，我们正全神贯注于改善他们的体验。我们将五小时内的速率限制翻了一倍，并且今天我们正式宣布，将进一步提高每周的速率限制。当然，我们还宣布了新上线的Colossus 的算力，专门用来服务所有这些新用户。
这种爆发式的增长是所有人都始料未及的；它完全超出了我们最乐观的预测。对我们而言，最核心的任务就是必须服务好我们的用户。我们希望确保用户真正满意，并且我们正在竭尽全力去实现这一点。
主持人亚历克斯： 你对 Codex的崛起感到惊讶吗？你如何看待这个竞争对手？
超越编程 (Beyond Coding)
鲍里斯·切尔尼： 我认为市场上永远不乏模仿者与竞争对手。对我而言，这是一种变相的赞美，它会倒逼我们所有人做得更好。因此，我最看重的，就是尽己所能把服务用户的工作做到极致。我们鼓励团队中的每一个人每天都去跟用户交流，坚持每天把产品打磨得更好一点。这才是我的心之所向。
主持人亚历克斯： 我想先休息一下，但我们还有很多硬核话题要聊。我想探讨一下这如何超越代码的范畴、聊天机器人的未来，然后再聊聊我们接下来的议程。我们真的需要两个小时才够聊，所以不如先休息片刻，稍后回来尽可能多地涵盖这些话题。
欢迎回到《大科技播客》（Big Technology Podcast），我们今天的嘉宾是 Anthropic 旗下 Claude Code 的负责人鲍里斯·切尔尼（Boris Cherney）。鲍里斯，很高兴你能来。正如我所说，我每天都在高频使用你们的产品，所以能和你探讨它真的非常有趣。
我们刚才简短提到了这一点，但我认为非常值得强调的是：AI 的能力将远远超越聊天机器人本身的范畴。我们提到了预订航班和制作营销演示文稿。就在我们交谈的这周，你们推出了一个新的应用场景，让 Claude 可以帮助小型企业接管 QuickBooks 并处理财务记账工作。
这一切将走向何方？我的意思是，你认为更宏观的路线图是怎样的？它将把你们带向哪里？
鲍里斯·切尔尼： 我们正在为 Claude Code 和Cowork规划几个核心方向。首先是提升智能化水平（Improving Intelligence），我认为这几乎完全由模型能力来驱动。随着模型的升级，我们可以胜任越来越宏大的任务。在编程领域，过去它只能一次写一行代码；而现在，它能为你构建整个功能甚至打造完整的产品。至于最近才推出的“计算机控制”功能，以前它可能只能帮你新建一个文档，现在却能预订航班、串联多种工具，甚至管理你的 QuickBooks 账本。这个前沿领域正在以极快的速度演进。
我们也在思考如何处理耗时更长的复杂任务。对于 Claude Code，我们最近发布了一项名为“自动模式”（Auto Mode）的新功能。自动模式本质上是为了取代此前的权限提示（Permission Prompts）。以前，每当模型要调用工具时，Claude 都会询问用户是否允许继续。通常用户只会点“是”，久而久之，他们对反复确认感到厌烦，往往就直接默认选择“始终允许”。
然而，从安全角度来看，用户对这些权限保持审慎其实至关重要。我们意识到，与其指望用户对每一次弹窗都深思熟虑，不如承认无休止的对话请求只会带来“决策疲劳”，导致他们盲目地点击“是”或“始终允许”。自动模式正是为了解决这个痛点而生，它是一种全新的工具调用路由机制。
它的运作机制是：每当 Claude 想要调用工具时，它会去询问另一个 Claude 实例这样做是否安全。这个充当“安全员”的 Claude 掌握部分而非全部的上下文信息，并且整个过程涉及多层安全检查。我们花了几个月的时间进行迭代，以确保这套机制坚如磐石。我们使用了数千种不同的基准测试和评估手段来验证其安全性。结果表明，无论是在实验室环境还是在当前的实际应用场景中，这种新机制都比我们之前的方法更加安全可靠。
对用户而言，这是一个巨大的体验飞跃，因为你再也不必干坐在屏幕前一遍遍地确认操作了。更重要的是，最终的安全防线反而更加牢固。如果 Claude 准备执行的一长串任务清单中暗藏了某条危险指令，这种机制能更敏锐地将其精准拦截。
作为人类，你可能会在疲惫中不小心点了“同意”；但如果是自动模式下充当审核员的第二个 Claude 被问及，它绝对会严词拒绝。所以，这是我们在安全上的一项重大投入。
第三大重点方向，或许就是让更多的 Claude 实例并行运作。Claude 有一个非常酷的特点——我们在早期的 Claude Code 用户身上就察觉到了这一点——如今几乎很少有人一次只跑一个 Claude Code 任务了。绝大多数人会同时运行许许多多的 Claude Code，少则几个，多则成千上万。
在“计算机控制”（Computer Use）功能上，我们也开始看到如出一辙的趋势。当你越来越放心地让它自动运行后，你会启动第一个任务，接着开启第二个任务，然后继续并行处理更多的工作。我认为，这里蕴藏着巨大的机会去优化这种体验，让用户更直观地明白：如何进行多任务并行，以及何时去使用它。
主持人亚历克斯： 这或许也会改变我们使用聊天机器人的固有方式，对吧？这很有意思，因为 Anthropic 与聊天机器人的关系一直很微妙。你们起初是一家技术优先的公司，后来决定研发聊天机器人，推出了 Claude，接着似乎又更多地转向了企业级市场。过去如果你看各类榜单，Claude 的使用率总是在底部徘徊，但现在，你可以清晰地看到 Claude 的使用量正在强劲攀升。
我有一个想法，想听听你的看法：聊天机器人的未来不再局限于“我问你答”的简单模式。取而代之的是，我向你抛出一个问题，或者和你探讨一个痛点，而聊天机器人会主动建议它可以代我执行的一系列操作。
举个例子，最近我一直在念叨去印度旅行的事。我想象中未来的交互体验会是——正如你所描绘的——它省去了我自己去订机票这个繁琐的中间步骤。未来的聊天机器人会更加主动出击，它会对我说：“好的，这件事就包在我身上了。” 这是正确的演进方向吗？我的理解对吗？
鲍里斯·切尔尼： 我能预见到这一点。智能体(Agents)就是未来。我们正在进行各种各样的实验，确实在尝试一些类似方向的工作。
Claude提示其他Claude (Claude Prompting Other Claudes)
主持人亚历克斯： 但这项技术的能力是有极限的，对吧？人们在讨论并行运行成千上万个Claude的极限时，有一个有趣的视角：看看Anthropic正在招什么人。我最喜欢Anthropic官网上的一个招聘职位，是你们在招聘Salesforce管理员。你们也在雇佣顾问，来帮助企业部署这项技术。许多人将此视为一种变相承认，即这项技术的能力是有边界的。沃顿商学院教授Ethan Mollick(伊森·莫里克)对此发表了看法，他说：
“当AI实验室解散他们新成立的咨询部门——抱歉，是‘前沿部署工程组(forward-deployed engineering groups)’时，你就会知道他们是真的相信超级人工智能(ASI)的到来了。只要还需要人类去琢磨如何让AI发挥作用，去推进组织变革和系统集成，人类的工作就依然固若金汤。”你对此怎么看？
鲍里斯·切尔尼： 确实。看看我现在的工程工作，我根本不写代码，我只给Claude写提示词(prompt)。实际上，现在我大部分时间都是让一个Claude去提示其他的Claude。我甚至都不直接和Claude对话了，我有一个专属的Claude去和其他Claude沟通。我认为在工程领域，个体所拥有的杠杆效能(leverage)正在呈爆炸式增长。核心问题变成了：一个人能建立多大规模的业务？一个人能支持多少款产品？现在在Anthropic，一个工程师所掌握的杠杆效能简直不可思议。
我认为我们开始在其他领域也看到了这种趋势。营销人员正在利用Claude来完成工作；前沿部署工程师正在使用Claude Code(Claude代码助手)来执行项目落地。我们的销售团队也是如此，实际上在Anthropic，负责市场拓展(go-to-market)的团队一半人在用Claude Code，另一半人在用Claude Core(核心模型)。每个人都在使用这些产品。我们看到最明显的变化是：个人的杠杆效能正在不断攀升。
然而，我们的瓶颈依然是优秀人才的数量。因此，即使每个人的杠杆效能提升了，你依然无法招到足够多的优秀人才，因为市场需求太过疯狂，有太多的东西需要去构建。所以，人才仍然是我们面临的最大瓶颈。
主持人亚历克斯： 但人们可能会反驳说，如果这东西真的如此强大，你完全可以对它说：“看看我的销售团队是如何运作的，然后用一句提示词把Salesforce配置好。”大家常举的另一个例子是：如果Anthropic让AI去处理IPO（首次公开募股）的全部文书工作，而不再聘请投资银行，那我才相信他们的AI足够强大。你认为这些对AI来说是不公平的测试吗？
鲍里斯·切尔尼： 其实，我们团队里已经有人在用Claude来报税了。我未必会推荐大家这么做，但我确实用Claude算过我的税务，并与我会计师的结果进行了比对，发现结果非常接近。
主持人亚历克斯： 对，我也干过同样的事。不过各位听众，我们可不建议大家这么做哈。
SaaS末日 (The Saaspocalypse)
鲍里斯·切尔尼： 我不是建议大家这么做，但它确实是个有趣的用例。但在关于AI能力的讨论中，人们从根本上忽略了一点：最终，必须得有一个“人”去和Claude沟通，去要求Claude完成这些任务。所以，即使Salesforce是自动配置的，不需要人去点击那些按钮，执行操作的是Claude，但也得有人去给Claude下达指令。
如果你需要以各种复杂的方式配置Salesforce，那么“让Claude来做这件事”本身可能就会变成一份全职工作。在未来的某个阶段，Claude会变得非常擅长“指挥另一个Claude做事”。到那时，人类的工作就是去指挥那个“发号施令的Claude”。这条指挥链会变得越来越深，但最终，你依然需要人类来掌舵(piloting)。也许在未来，人类的工作仅仅是问出一个问题，但你可以想象，问出正确的问题会产生多么巨大的杠杆效能。
主持人亚历克斯： 说得对，这是个极好的观点。既然提到了Salesforce，我们就不得不聊聊“SaaS末日(SaaSpocalypse)”了。随着编程自动化程度越来越高，关于哪些类型的软件公司能够安然无恙，哪些可能陷入困境，你有一些非常有趣的见解。你之前也谈到过现有的各种“护城河(Moats)”，哪些更重要，哪些变得不再重要。能简要分享一下吗？
鲍里斯·切尔尼： 说到这个，有个非常经典的框架叫“七种力量(Seven Powers)”，专门用来讨论商业中的护城河(Moats)。类似框架有很多，这是我最喜欢的一个。我在大学学的是经济学而不是计算机，所以我依然习惯用这种框架来思考。商业中存在许多不同的护城河，有些公司只有一种，有些则有几种，形成了一个护城河组合。
护城河有很多种。一是规模经济(Scale Economies)：随着生产规模扩大，规模回报会递增。二是网络效应(Network Effects)，比如社交应用：用的人越多，对单个用户的价值就越大。其他的护城河还包括转换成本(Switching Costs)和流程优势(Process Power)。
我认为大多数护城河依然会发挥作用，但相对而言，在未来一年里，有些护城河的重要性会上升，而另一些则会下降。
我认为重要性会攀升的是网络效应。因为无论代码是谁写的，无论你产品的核心是智能体(Agent)还是内置了AI，只要产品具备网络效应，它就依然不可替代。而有些护城河的重要性则会被削弱，例如转换成本。因为如果你想从供应商A切换到供应商B，你只需让Claude去处理就行了，而且随着时间的推移，Claude做这类事情会越来越得心应手。因此，作为一家公司，你必须思考：你的护城河究竟是什么？大多数顶级巨头往往拥有许多道护城河，绝不只靠单一优势。因为随着时间推移，实现规模化并建立防御性业务的唯一途径，就是不断积累这些护城河。你需要建立一个护城河矩阵。所以，你真的需要审视一下，在未来一年里，什么会升值，什么会贬值。
主持人亚历克斯： 但是，当你审视这些不同的软件公司时，如果你在使用Claude Code，所有的护城河会不会就此消融？因为你可能只需要置身于一个单一的应用程序中，由它来与所有其他软件进行交互。这意味着，最终世界上可能只剩下一家软件公司。
鲍里斯·切尔尼： 这确实有无数种可能的演变路径。这种大一统的设想并非不可能，但在我看来还有些遥远。举个例子，假设我在使用一款社交应用，我如何决定用哪一款？我肯定会用我朋友们都在用的那一款，因为这样我才能联系到他们。所以，哪怕我能为自己量身定制一款极其出色的应用——其实我现在就能做到，用Claude Code几小时就能写出一个极佳的社交应用——它依然毫无用处，因为它无法与我的朋友们联通。
主持人亚历克斯： 确实是这个例子。你可以去核实一下，未来你的消息应用中将会内置一个智能体(Agent)，它会在朋友给你发信息时主动通知你。我知道你经常在 iPhone 上使用 Claude，对吧？到时候你只需看一眼通知，直接通过语音回复即可。只要各大公司愿意合作，你所有的通信都有望实现集中化管理。
鲍里斯·切尔尼： 最终它可能确实会演变成智能体的形式，但通信在底层到底是如何发生的呢？举个例子，看看像 Signal 这样的消息应用，它使用的是特定的通信协议。我可以开发一个使用相同协议的应用，但它很可能无法给 Signal 上的用户发消息。不过，我可以拥有一个智能体，让它操作我的应用，通过支持该协议的现有平台来发送消息。因此，尽管目前人们通常是混合使用应用和智能体，但未来的发展走向还不太明朗。
自我进化的 AI (Self-Improving AI)
从根本上说，我相信随着时间的推移，许多模型的价值仍会不断攀升。以台积电(TSMC)或其他芯片制造商为例。当你考虑到他们为研发工艺所投入的巨大精力——这是一种成本随规模扩大而降低的过程——你看到的就是一种根本性的经济规律。
许多公司，尤其是制造业，成本会随着规模的扩大而下降。对于科技公司而言，基础设施也是如此。如果你构建了卓越的基础设施，就能支持更多用户，并且每个用户的边际成本(Marginal Cost)会随着时间的推移而降低。即使任何人都能开发应用，这种规模效应(Scaling Effect)依然是一种强大的竞争优势。我坚信这两种力量都在发挥作用。
主持人亚历克斯： 我们还有 10 分钟，还剩三个话题，看看能不能全部聊完。Anthropic 的联合创始人之一 Jack Clark 最近表示，他认为到 2028 年，这些模型有大约 60% 的概率开始实现自我改进。这个数字或时间可能会有微小的偏差，但大方向是准确的。你们现在正在运行能够自主编写代码的应用，你同意 Jack 的看法吗？
鲍里斯·切尔尼： 当我审视 Claude Code 的代码编写方式时，发现它 100% 都是由 Claude Code 自己编写的。我想自去年 11 月，即 Opus 4.5 发布以来就一直是这样。这就是所谓的智能快速爆发(Fast Takeoff)场景。你可能会问，我们预料到这种爆发了吗？确实有这个可能。
这正是 Anthropic 存在的意义。如果你问任何一位工程师或研究员为什么加入 Anthropic，他们都会告诉你：为了 AI 安全。对我们来说，当展望未来的几年时，确保这项技术安全可控、向善发展，是我们能留给子孙后代最重要的礼物，因为这是完全可以实现的美好图景。
我认为目前我们还没有完全到达彻底自我进化的阶段。眼下，虽然 Claude Code 能够编写自身的代码，但仍然需要人类来提供提示词(Prompting)。Claude 已经开始自主构思接下来要开发什么，但这些想法不一定都好，绝大多数的核心创意依然由我来提出。但在未来的某个节点，这种情况将发生逆转：模型会不断进化，最终形成一个更加强大的自我强化循环(Self-reinforcing Loop)。
主持人亚历克斯： 我非常想听听你对“世界模型(World Model)”这一争议的看法。支持世界模型的人认为，大语言模型对行动后果毫无概念，你必须为它内置一个世界模型，才能打造出真正有效的智能体。
AI 智能体需要世界模型吗？
Yann LeCun 曾提出过一个观点。他认为，如果没有世界模型，就不可能构建出可靠的智能体系统(Agentic System)。大语言模型没有世界模型；它们在采取行动前无法预测后果。在 Yann 看来，它们只是单纯地执行动作，至于接下来发生什么，它们概不负责。
我最近和 OpenAI 的 Greg Brockman 聊过，他基本不认同这个观点。他认为大语言模型就是康庄大道——这些文本模型本身就是通往通用人工智能(AGI)的必由之路。
你站在哪一边？你是坚信必须将世界模型的智能内置其中，还是认为单靠大语言模型就已经足够了？
鲍里斯·切尔尼： 单靠大语言模型就足够了。我想向 Yann 发出邀请，如果他愿意坐下来一起花一个小时写写 Claude Code，我很乐意向他展示它的能力。我更坚定地专注于产品端，所以对这种底层理论，我其实没有太多先入为主的绝对看法。
主持人亚历克斯： 你们确实该在节目里安排这么一场对决！我也很好奇听完后他会作何感想，也许他会改变主意，也许不会。不过，回到你的观点上，既然你提到专注于产品端，如果不介意的话，让我再深挖一点点。我听很多人提出过这样的观点：如果没有世界模型那种对世界运作法则的认知，大语言模型就无法理解世界的运行规律和行为后果。你用 Claude 预订了多少趟航班？八趟航班和几家酒店对吧？你心里一定认定它对“后果”是有认知的，否则你绝不会把信用卡交给它，我猜你已经这么做了。所以，对此你怎么看？
鲍里斯·切尔尼： 就这个特定的论点而言，根据我在 Anthropic 阅读的研究团队报告，这些模型所展现出的智能程度是令人惊叹的。因为正如你一开始所说，它们最底层的逻辑，不过是在预测下一个词元(Token)罢了。
鲍里斯·切尔尼： 所以你会觉得，这听起来有点蠢，怎么可能仅凭这个就涌现出智能呢？但实际上，我们已经发表了大量研究，证明这些模型具备规划能力，能够进行真正的推理。它们展现出了各种令人震撼的行径，你根本无法想象这些是仅靠预测下一个 Token 的模型所能做到的。所以我认为，绝不应该低估它们的潜力。
主持人亚历克斯： 我最喜欢的是它们写诗的时候。Anthropic 的研究表明，当模型在写第一句时，你能从内部观察到，它们已经在构思下一句了。
鲍里斯·切尔尼： 没错，这简直不可思议对吧？这也是我的看法。如果让我来写诗，我也会这么构思。这太疯狂了：你仅仅是在教这个机器预测下一个词，但奇妙的是，如果预测下一个词的难度足够高，它就必须学会深谋远虑，必须学会掌握所有这些高阶能力。
这是未来，还是黄粱一梦？
主持人亚历克斯： 好了，最后一个问题。每当我看到正在发生的科技巨变时，我总会心生好奇；在报道这些科技趋势的职业生涯中，我见过许多成功的变革，也见过许多失败的案例。我总是不得不问自己：我们怎么确信这就是未来，而不是一场狂热的黄粱一梦？当然，我认为数据已经表明这是切实存在的大趋势。
然而，我也会怀疑，对于它将如何继续发展，我们在多大程度上能够准确推演未来。那种认为这只是一场“黄粱一梦”的观点暗示：也许人们想要的仅仅是简单的界面，并不介意像往常一样点击屏幕来完成操作。
此外，通过代码进行交互听起来还是太技术向了；它可能无法像在开发者群体中那样，在普通用户中也掀起同样的热潮。对于这种质疑，你会如何回应？
鲍里斯·切尔尼： 我们最近举办了 Opus 4.7 的黑客松，其中一位获奖者是一名医生，他开发了一款应用程序。参赛者中还有电工和木匠，他们中很多人以前根本没有编程经验，却用 Claude 做出了非常实用的产品。甚至还有人因为参加了我们举办的这场黑客松，顺势创立并成功出售了一家初创公司。
毫无疑问，我们最初打造 Claude 时是完全面向工程师的，工程师们也很快摸索出了门道。但没过多久，非技术背景的人也学会了如何利用它来创造切实的经济价值。事实上，如果你看看如今的广泛应用，就会发现用户群体早已远不止工程师了。
它对人们来说实在太好用了，以至于大家宁愿费尽周折、哪怕跨越重重障碍也要用上它。甚至在 Co-work 功能推出之前，人们就已经在终端(Terminal)里安装 Claude 了。对许多人来说，那是他们人生中第一次使用终端。当然，现在的 Claude 已经有了桌面端、iOS 端和 Slack 插件，交互方式多种多样。但即便在当时，人们也心甘情愿为之费尽心思，只因为它真的太有价值了。
作为一名产品人，我认为这是对产品最极致的市场检验(Ultimate Market Test)：这东西真的有用吗？是否有一大批人每天都在用，并且持续不断地用下去？答案是肯定的，不仅用户规模庞大，而且还在不断增长。人们使用它的花样之多，总能不断给我带来惊喜。
主持人亚历克斯： 是的，我得说，连我自己使用这些工具的方式都让我感到惊讶。未来还会涌现出什么，我们拭目以待。非常期待能继续使用它，也很荣幸能有机会与你交流。希望我们还能再次对谈。
鲍里斯·切尔尼： 感谢邀请我来做客。
主持人亚历克斯： 好的，谢谢你，Boris。很高兴与你交谈。
好了各位，非常感谢大家的收听与观看，我们下期《Big Technology Podcast》再见。
参考资料: https://www.youtube.com/watch?v=Z6IT4gjrcPE，公开发表于2026年05月21日
关注公众号后设🌟标，掌握第一手AI新动态
btw：如果您对AI一线动态、AI产品构建及转型感兴趣，并愿意和小伙伴们分享互动，欢迎加入瓜哥交流学习群参与讨论（联系瓜哥wx： southmelon，注明：所在行业、申请入群原因），群内定期分享瓜哥手搓Agent整理的全球AI动态内参～
访问ima瓜哥AI知识库，一键查询AI业界大佬观点：点击瓜哥公众号头像->“服务”菜单->知识库。加入后在腾讯ima.copilot APP可随时@查询。
