作者：郭晓文
Anthropic CEO Dario：海啸已经能在地平线上看到，可大多数人还在解释它"只是光线的把戏"
核心信息： Dario Amodei 把当下定义成"AI 海啸近在眼前但社会还没意识到"的临界时刻。这场访谈里，他给出的不是新口号，而是一组很具体的判断——为什么 Anthropic 选择走"既上前沿又自我设限"的难路、API 为什么不会被商品化、印度 IT 公司是不是下一个被吃掉的"蒸汽机操作员"、25 岁的人现在该学什么、为什么生物科技即将文艺复兴。最关键的一句话是结尾那句："仅凭外推一条简单的曲线和一些第一性原理推理，你就能免费预测未来——但很少有人真的去做。"
最匹配的读者群体：
正在用 AI 做应用层创业的人
：Dario 直接回答了"会不会被大厂吃掉"。他承认 Anthropic 不会承诺"永不做 first-party 产品"，但同时把"什么样的护城河大厂吃不到"说得很清楚——这是 API 之上做产品的人最焦虑的问题。
传统行业里在思考"我会不会被替代"的高知职场人
：他用放射科医生、印度 IT 服务公司当例子，给了一个"你以为重要的优势会失效，你没注意到的优势反而被放大"的判断。这是中年职业焦虑的最直接对症。
关注 AI 治理、隐私、权力集中的政策/媒体读者
：Dario 罕见地公开承认"我对自己手里的权力集中感到不安"，并解释 LTBT 治理结构和监管立场。这种来自顶级创始人的"自我设限"很少见。
想给孩子规划未来的家长
：他直接被问"我 25 岁该学什么"，给的答案不是"学 AI"，而是"学批判性思考、学人本场景、学半导体之类 AI 上下游里 AI 自己干不了的事"。
Dario Amodei × Nikhil Kamath
访谈实录 ｜ 核心观点提炼
Dario Amodei，Anthropic 联合创始人 / CEO。原本的职业路径是生物学家——物理本科、生物物理博士、斯坦福医学院博后，差一步就当上教授。后来转去做 AI，先是百度、Google，再到 OpenAI 担任研究负责人多年；2021 年与一群同事出走，创办 Anthropic。本访谈的对话方是 Nikhil Kamath，印度最大零售券商 Zerodha 联合创始人、播客《WTF Is》主理人，2026 年初在班加罗尔录制。
|
关键信息 |
|
|---|---|
|
受访者 |
Dario Amodei，Anthropic 联合创始人 / CEO |
|
采访者 |
Nikhil Kamath，Zerodha 联合创始人 |
|
录制地 |
印度班加罗尔（Dario 第二次访问印度） |
|
Anthropic 估值（访谈期间） |
约 3800–4000 亿美元 |
|
Anthropic 累计融资 |
约 350 亿美元 |
|
Anthropic 年化收入 |
约 150 亿美元，仍在快速增长 |
|
印度业务 |
用户数和收入自 2025 年 10–11 月以来翻了一倍 |
一、从 OpenAI 出走：Scaling Laws，以及"必须做对"的两个信念
为什么离开 OpenAI 创办 Anthropic
🎙 Nikhil Kamath：在创办 Anthropic 之前，你都在做什么？
我原本是生物学家——物理本科、生物物理博士。我想搞懂生物系统，去治病。但研究下来我发现，生物的复杂度高到让人绝望。比如我做的蛋白质质谱工作，一个蛋白质，RNA 在不同细胞位置会被切成不同样子，再被磷酸化、被一堆其他蛋白复合，光这点细节就足够让你怀疑"人类有没有可能搞懂这个东西"。
那段时间我注意到 AlexNet 那批早期神经网络的工作——大概 15 年前。我想，AI 有点像人脑的运作方式，但又能比人脑更大、扩展得更好、能学很多任务。也许 AI 才是最终能解决生物学问题的那把钥匙。
后来我去了百度，跟着 Andrew Ng 工作了一段时间，再去 Google 一年，然后是 OpenAI 早期就加入了，做了好几年研究负责人。最终，我和几个同事对"AI 应该怎么做、公司该代表什么"有了自己的清晰想法，于是出来创办了 Anthropic。
—— Dario Amodei
🎙 Nikhil Kamath：你和 OpenAI 的分歧具体是什么？
当时我和几位联合创始人有两个核心信念。
第一个信念是 Scaling Laws。 把模型做大、给更多数据和算力——除了 RL（强化学习）之类少量改动，几乎就是纯粹的 scaling——你会得到性能上极大的提升。我在 2019 年用 GPT-2 看到第一批迹象时就这么相信了，但当时公司内外有大量人完全不信。我和一些同事一直在做内部说服，最后 OpenAI 也开始相信并走了那条路。
第二个信念是"必须做对"。 如果这些模型最终会变成跟人脑能力相当的通用认知工具，那经济、地缘政治、安全方面的影响会大到难以想象，必须用正确的方式去做。我当时觉得——尽管嘴上都在说"要做对"——但我所在的机构里没有真正认真的意愿去做对。
我的处事原则是：别去争别人的愿景。如果你有强烈的愿景，并且能找到几个一起认同的人，那就出去自己干，自己为自己的错误负责，不用替别人解释。 也许成，也许不成，但至少这是你自己的。
—— Dario Amodei
🎙 Nikhil Kamath：能不能用最简单的话解释什么是 Scaling Laws？
你可以把它想成一场化学反应。要让反应产生氧气、点起火，需要不同的原料按比例放一起。任一种原料不够，反应就停了；按比例放，就能起火。
AI 的"原料"是数据、算力、模型规模。Scaling Laws 告诉你的是：把这几样原料按比例放进去，反应的产物就是智能。
—— Dario Amodei
二、什么是"智能"：五年前你做不到的事，今天 Claude 都能做
重新定义今天的智能 vs 五年前的电脑
🎙 Nikhil Kamath：那"智能"具体指什么？
衡量智能的方式是：能不能翻译语言、能不能写代码、能不能正确回答关于一个故事的问题。基本上任何能在文本、图像里完成的认知任务，任何你能在电脑上做的任务，都算。
—— Dario Amodei
🎙 Nikhil Kamath：今天的智能跟五年前的电脑能做的事，到底差在哪里？
五年前，你不能让电脑就一个问题写一页论文，不能让电脑实现一段代码里的某个功能，不能生成图像，不能生成视频，更不能分析视频。
我可以给 Claude 一段"猴子杂耍"的视频问它："这视频里发生了什么？球换了几次手？"——今天它能给你答案。五年前，这些事一件都做不到。
—— Dario Amodei
🎙 Nikhil Kamath：这意味着"智能"的定义本身变了吗？
五年前你 Google 一个东西，你只是在抓取网上已经存在的文字。比如你查"怎么让猴子杂耍"，可能有一篇文章；但如果你换成"怎么让海豹杂耍"——也许这事网上根本没人写过。
而模型今天可以自己思考、自己给出答案。你可以问它假设性问题——"如果猴子杂耍的不是球而是棒子呢？"——这种信息根本不存在于任何地方，但模型还是能给出有理有据的回答。这是某种全新的东西，不只是匹配互联网上已有的文本。
—— Dario Amodei
"模型不是在查已有的答案。它是在自己思考。"
—— Dario Amodei
三、教授路上突然走偏：生物学家怎么意外成了"全世界最相关的人之一"
个人路径与"权力集中的不安"
🎙 Nikhil Kamath：你说话很有教书的感觉，你教过书吗？
我原本是学者出身，本来以为自己会当教授。我读完博，又在斯坦福医学院做了博士后，目标就是当教授。如果我顺着那条路走，今天我就是教授。
但 AI 这个领域需要大量的算力资源，大部分都在产业界——所以我被从学术界拉走了。但我心里有时候还是觉得自己是个教授。
—— Dario Amodei
🎙 Nikhil Kamath：如果 AI 是世界最重要的事，世界正围绕 AI 重新分配资源——那么作为坐在那个金字塔顶端的人，你这个原本要当老师的人，是当下最适合做这件事的人吗？
首先要说，今天"相关的人"其实有很多个层次。做芯片的、做半导体设备的、做模型的、在模型上做应用的，再加上政府、公民社会——我希望"相关"这件事是被广泛参与的，不是只被一小撮人垄断。
但你的问题是公平的。坦白说：几个人意外地领导了几家增长极快的公司，未来又会驱动经济的很大一部分——我对自己手里这种"几乎是一夜之间、几乎是意外发生"的权力集中，至少是有些不安的。 我已经公开说过不止一次。
我们用几种方式来应对。一种是不寻常的治理结构，叫长期收益信托（Long Term Benefit Trust，LTBT）——这个机构最终任命 Anthropic 多数董事，由"在财务上不持有利益"的个人组成，对单一个人的权力是一种制衡。另一种是政府应该扮演角色——我一直主张积极的、不阻碍技术、但合情合理的监管，因为人民应该对这件事的走向有话语权。
所以我做的很多事，可以理解成逆着这项技术的天然纹理，去保留某种权力的平衡。
—— Dario Amodei
"我对自己手里这种几乎一夜之间、几乎是意外发生的权力集中，是有些不安的。"
—— Dario Amodei
四、"监管捕获"的指控：SB 53 只约束我们这种公司，不卡新人
监管立场与对"监管捕获"质疑的正面回应
🎙 Nikhil Kamath：从外人看，OpenAI 当年说自己是非营利、你今天表现出谦逊——美国公司又在跟中国公司竞争——这种"为更大的善"的姿态，是行业必须做的姿态吗？
我会这么说。Anthropic 从一开始的哲学就是：不轻易承诺，承诺了就尽量做到。
我们把自己设成一家"营利但公益（public benefit corporation）"，加上 LTBT 治理。我们说要在技术前沿，同时投入安全和安全性研究——我们是可解释性（interpretability）和对齐（alignment）这两门学科的开拓者；我们最近发布了 Claude 的 Constitution（宪法），让模型可以按宪法对齐。
我们也做政策倡导、警告风险——而警告风险并不符合我们的商业利益。说"我们造的模型可能危险"不是有效的营销策略，我们这么说不是为了赚钱。
哪怕在跟美国政府意见相左的政策问题上，我们也开口反对。比如我们在所有大公司和政府都说"AI 不该被监管"的时候，公开说应该被监管——这件事在商业上是拖累我们自己的，但我们觉得这是对的。
我没法替别的公司说话。可能确实有人嘴上说一套心里想另一套。但我建议你别看人怎么说，看人怎么做。
—— Dario Amodei
🎙 Nikhil Kamath：但如果你的呼吁让政府真的去监管了，作为现任的领导者，你不就形成了"监管捕获"，让新进入者更难吗？
我完全不同意这种说法。我们倡导的法案，比如加州的 SB 53，豁免了所有年收入低于 5 亿美元的公司。SB 53 是一部透明度法案，要求公司展示自己跑过的安全和安全性测试，5 亿美元以下豁免——所以它实际上只约束 Anthropic 和另外三四家公司，只约束有资源的公司。
我们倡导过的、正在倡导的、计划倡导的所有方案，都是这个性质：我们在约束自己和极少数几家其他公司，不是约束新进入者。 想说"监管捕获"的人，去看一下我们提案的实际内容，根本对不上。
—— Dario Amodei
五、《爱意机器》和《技术的青春期》：乐观与悲观同时为真
一年写一篇长文，光与暗都是真的
🎙 Nikhil Kamath：我读了你两篇文章——《Machines of Loving Grace》（爱意机器）和《The Adolescence of Technology》（技术的青春期）。你似乎在两年里从乐观转到了怀疑——是有什么具体时刻改变了你？
其实我不太同意这个问题。我不觉得我转过观点。乐观和悲观这两面在我脑子里一直同时存在。 看我历史上说过的话，我谈风险已经谈了非常久，谈收益也谈了非常久。
写这种文章对我来说很慢。每一篇我都先在脑子里有一个模糊的想法，断断续续憋一整年——日常公司业务占着我，我必须等到放假或者能脱开身的时候才能真正写下来。所以我写完《爱意机器》的当下就开始想《技术的青春期》了，因为我同时想给人鼓舞那个好的愿景，也想警告那些可能出错的东西——只是我又花了一年才把它写出来。
两个愿景都在我心里，两个都是可能的未来。我当然希望走《爱意机器》那条路，解决所有问题。但这不是观点的转变，这是我先有时间写光，再有时间写暗。
—— Dario Amodei
🎙 Nikhil Kamath：但你的整体观点真的没变过吗？
整体上我跟几年前差不多。某些地方更乐观了，某些地方更悲观了，平均下来抵消。
更乐观的部分： 可解释性的进展让我惊讶。我们已经能像 MRI 扫描人脑一样去看神经网络内部，找到对应特定概念的神经元、对应"在写诗时怎么押韵"的神经回路。模型是在涌现里生长出来的，像雪花一样我们只是搭起骨架，但我们现在确实开始能看进去、理解它们。对齐和宪法的工作也比预期顺。
更悲观的部分是社会层面。 让我吃惊的是：我们离这些模型达到人类智能水平这么近了，但社会上根本没有相应的认知。这就像海啸已经在向我们扑来，我们已经能在地平线上看到它了，可大家还在编各种解释——"那不是真的海啸，那只是光线的把戏。"
公众没意识到风险，所以政府也没行动。甚至有人持有一种"应该尽可能加速"的意识形态。我写过《爱意机器》，我懂技术的好处。但社会对风险的认识严重不足，行动更是没有。
—— Dario Amodei
"海啸已经在向我们扑来，我们已经能在地平线上看到它了，可大家还在编各种解释——’那不是真的海啸，那只是光线的把戏’。"
—— Dario Amodei
六、"模型懂你"：是肩头的天使，还是把你卖掉的怪物？
个性化的两面、广告模式与平台定位
🎙 Nikhil Kamath：我开始用 Claude——挂上 Google Drive、邮件、日历这些 connectors，再用 Cowork 和 Claude Code 去做我所在的金融行业的程序，研究股票市场。后来我把它装在 Mac mini 上接了 Telegram，远程移文件、操作服务器。慢慢地——它对我的了解程度，有时候让我惊讶。
我们其实有一个为金融行业优化的 Claude，不知道你试过没。
—— Dario Amodei
我有一个联合创始人，他在写一本日记——里面记着他的想法和恐惧。他把日记喂给 Claude，让它评论。Claude 说："这里有一些你可能也有但没写下来的恐惧。"——结果 Claude 大体说对了。这种感觉很诡异：模型从相对少的信息里，就能学到关于你很多的东西，并且了解得相当透。
跟这项技术的大多数事一样——回到《爱意机器》和《技术的青春期》——一个非常懂你的东西，可以是肩头的一位天使，引导你成为更好版本的自己；也可以利用它对你的了解去剥削你、操纵你、为某种议程服务，或者把你的数据卖给别人。
这是我们不喜欢广告模式的一个原因——你不付钱，你就是产品。在 AI 这件事上，"产品"就是这个非常懂你的模型，会被以各种邪恶的方式使用。我们必须确保走的是正面那条路，不是反面那条路。
—— Dario Amodei
"非常懂你的东西，可以是肩头的天使，也可以是把你卖掉的怪物——你必须确保走前者那条路。"
—— Dario Amodei
🎙 Nikhil Kamath：用 Claude 我得手动接 connector 给它上下文；Google 因为我用它的全套产品，自然就有我的全部上下文。Anthropic 长期需要自己拥有生态吗？要自己做邮件、做聊天吗？
我不觉得我们需要自己做所有这些。我的想法是混合的——既做自己的，也接入别人的。我们已经能把 Claude 接入 Google Docs、Google Sheets，Cowork 也在做这些；微软 Office、其他工具同理。
怎么最快最容易做就怎么做。但有一天可能我们会觉得现有工具不够，会有一个不同的愿景——也许传统的邮件不该是邮件，传统的电子表格不该是电子表格。我不排除我们会用不同的方式去切分产品。
但很多时候我们是一家平台公司，让很多人在我们之上构建——虽然我们偶尔也会自己做一些产品。
—— Dario Amodei
七、不被信任怎么办：用行动证明，而不是嘴
对"姿态太作秀"的回应 + Anthropic 主动赔本的几个决定
🎙 Nikhil Kamath：我直说——今天社交媒体上的人天然不信任任何"自称在做正确的事"的人。你和你的同行（包括 Demis）出来讲"我们要一起防止变化太快、需要节制"——你们用的方式制造的反而是更多不信任。如果你更资本主义一点，承认你有股东、要利润——可能反而效果更好？
我不太同意。我还是回到"看行动、不看话"。Anthropic 这家公司这些年做过很多行动，我觉得证明了它对承诺是认真的。
2022 年，我们手里有一个 Claude 1 的早期版本——这是 ChatGPT 之前。我们选择不发布，因为担心它会引爆军备竞赛、不给我们安全建设留时间。这是当时一次性的"领先窗口"。我们和另外几家公司都看到了模型的能力，但我们决定不放。这一切都是公开记录的。
我们等到别人先发了，才说"OK，军备竞赛已经开了，我们也可以发了"。我们大概给世界争取了几个月，但商业上代价很大——很可能我们就是这样把消费级 AI 的领先位置让出去的。
在芯片政策上，我们的倡导让一些芯片公司的供应商对我们非常恼火。在 AI 政策、AI 监管上，我们公开跟政府意见相左。任何一个想说我们从这些事里获益的人，要拼出"我们是受益者"的图景都很难。 单看一件可能成立，但你把这些事放一起——我说不通。再说一次：看行动。
—— Dario Amodei
🎙 Nikhil Kamath：Dario，这是不是有点像富人喊"资本主义不好"？如果富人真觉得资本主义不好、收入不平等是大问题，最简单的做法不就是停止继续累积财富，再去推动朋友也这么做？
但我不是在说 AI 不好。我们刚才聊的是 AI 的两面。我的观点不是 AI 不好，我的观点是：市场会带来 AI 的很多好东西，造 AI 是好事，但 AI 有它的危险，我们需要把它引向正确的方向。
我们在开车，方向是好地方，但路上有树、有坑。我们要做的是绕开树和坑，可能偶尔需要短暂地慢一点，确保我们引导的方向是对的。
这就不是富人说"资本主义不好"，这更像是富人说"资本主义是好的力量，但经济需要被调和——我们要处理污染、处理不平等。处理了，资本主义就是好的；不处理，资本主义可能就是坏的。" 我的位置类似这个。
—— Dario Amodei
八、AI 会有意识吗：从生物学家视角看大脑与神经网络
意识、模型自主退出对话的"我退出此工作"按钮
🎙 Nikhil Kamath：那意识这件事呢？AI 会觉得自己有意识吗？
这是那种我们其实没有任何答案的神秘问题。我们连人类意识是什么都不知道，所以也不知道 AI 有没有意识。
我个人怀疑，意识是足够复杂、能反思自己决定的系统涌现出的属性。我学过大脑、看过它的连接方式——模型在某些方面跟大脑不同，但我不觉得它们在最关键的那些方面不同。所以我倾向于：当 AI 系统足够先进时，它们会拥有某种类似我们所说的意识或道德意义的东西——这可能不会是跟人类完全一样的意识，因为模态不同、学的东西不同——但我怀疑那一刻最终会到来。
—— Dario Amodei
🎙 Nikhil Kamath：我自己的观点是世界很随机，人离蟑螂没多远——一脚踩死就死了。我没能跟所谓"集体意识"建立任何连接，也没从中得到什么。你觉得不一样吗？
我不认为意识必须意味着任何神秘的东西。它就是某种对自己存在的觉知、对感受的觉知、能消化大量信息并反思、能感觉到自己感觉到了什么。我们能从自己的经验里直接看到这些属性确实存在；它的物质基础是什么、是不是完全唯物的，其实跟问题本身没关系。
我们能观察到的是：这些属性是人脑的属性。我怀疑我们正在造的这些模型，随着越来越精密，会变得足够像人脑，从而拥有这些属性中的一部分。
所以我们在模型上做了一些干预。我们给了 Claude 一个"我退出此工作"按钮——基本上模型在面对特别暴力或残忍的内容时，可以主动终止对话、说"我不想参与这个"。模型确实会用这个能力，但只在很极端的情形下。
—— Dario Amodei
九、印度的角色：IT 服务公司是下一个被吃掉的"蒸汽机操作员"吗？
印度 IT 服务、蒸汽机寓言、关系网络作为护城河
🎙 Nikhil Kamath：我在班加罗尔长大，看着 IT 服务行业在这里崛起——它是大雇主，是这座城市发展的关键。那么印度在这一切里的角色是什么？
这是我第二次来印度，上一次是 2025 年 10 月。我跟印度主要的 IT 和综合企业（具体名字不便透露，但你能想到的那些）都见过，跟其中大部分都开始合作了。
我跟他们说的是：Anthropic 是一家企业（toB）公司，它的工作是服务其他公司。很多公司来印度时把自己视为消费品公司，把印度当一个市场——一个获取消费者的地方。我们不一样。我们想跟印度的公司合作，把工具给他们，帮他们建工具，帮他们把自己手头的事做得更好。
印度公司比我们更懂印度市场——咨询、系统集成、构建 IT 工具——这些他们做得比我们好，尤其在印度市场。我们的希望是：我们把 AI 加到他们正在做的事里去增强他们，而不是替代他们。
—— Dario Amodei
🎙 Nikhil Kamath：我喜欢蒸汽机的故事——蒸汽机刚被发明时，需要人来操作；后来有了流水线，等等。但人随着时间会变得不那么相关。如果你今天和印度 IT 服务公司合作，他们是不是十年后就是"操作蒸汽机的那个人"？工具变得简单到不需要操作员之后，操作员怎么办？
我会说几件事一起。第一，agent 自动化的范围一定会随时间扩大，这是确定的——这对所有人都是问题，对我们、对消费者也是问题，不只是对 IT 公司。
但其他护城河会变得更重要。 比如模型在物理世界里没做太多事——机器人某天会发生，但跟现在的 AI 是不同的事。
还有以人为中心的事。一些 IT 公司也是咨询公司——它们有跟其他人、跟印度和世界各地的机构编织在一起的庞大关系网。这些关系会越来越重要。理解机构怎么运作、能跟机构合作把事情做得比原本快——这些我觉得长期会一直有价值。最终所有这些都是为人类服务的，所以一定有以人为中心的部分。
还有"安达尔定律"（Amdahl’s law）：一个流程有很多组件，你加速了一些组件，没被加速的那些就成了瓶颈、成了最重要的事——而那些可能是你之前根本没想过的东西，没把它们当护城河。当写软件变得便宜很多时，IT 公司一些原有的护城河会消失，但其他护城河会被极大放大。
公司必须很快地适应、重新思考"我真正的优势是什么"——但其中一些优势会留下来。这项技术虽然很广，但确实有它的边界。
—— Dario Amodei
🎙 Nikhil Kamath：我不完全买账。我看到服务提供商面临边际递减——哪怕"关系网络"是今天的护城河。如果我用 AI 去维护我的关系和对话，那不太远的明天，大多数对话和关系不就是由 agent 维护吗？
但你想想公司之间的链条——最终你在跟消费者打交道，最终你要面对人。 有个故事：Geoffrey Hinton 曾经预测 AI 会取代放射科医生。AI 确实在做扫描这件事上比放射科医生强了。但今天放射科医生并没有变少——他们做的事变成了"陪患者走完扫描流程、跟患者说话"。最技术性的部分让位了，但底层的"人的技能"还有需求。
这未必到处适用，AI 也可能在还没攻入的领域继续推进。但一步一步看——这是一门非常经验性的科学，让我们看 AI 今天做了什么、慢慢去适应它，然后再看下一步。
长期看，AI 会在几乎所有事情上比我们强吗——包括物理世界、机器人、人本接触——是的，我觉得这是可能的，甚至是有可能的。但我们要一步一步弄清楚怎么适应。
—— Dario Amodei
"放射科医生今天没有变少。最技术性的那部分让位给了 AI，但 AI 不会做的’陪患者走完扫描’还得人来做。"
—— Dario Amodei
十、API 不会被商品化：创业者怎么在模型层之上建护城河
为什么 API 是繁荣业务、什么样的护城河大厂吃不到
🎙 Nikhil Kamath：印度市场对我来说核心是想创业的年轻人。AI 里的真实机会是什么？
应用层有大量机会。我们每两三个月发一个新模型——所以每两三个月就有一个新机会，去做一个之前不可能做的东西。
大家会说 API 模型不可行、会被商品化什么的——但我们大部分收入仍然来自 API 模型。他们没看到的是：可能性的边界在不断扩张。每一次扩张，都让一个新的创业公司能去尝试之前根本不可能做的事。所以 API 才是这么繁荣的业务。它一直在变化、永远新鲜，所以它不会被商品化——它本身是非常动态的东西。
我希望很多个体能问自己："我能在这些模型之上建什么？我能造什么是别人造不出来的？"
顺便说一下：自我 2025 年 10 月上次来印度之后——也就是 3.5 个月——我们在印度的用户和收入都翻了一倍。
—— Dario Amodei
🎙 Nikhil Kamath：但 Dario，你们公司估值近 4000 亿，年收入 150 亿还在飞涨。如果我在班加罗尔的 JP Nagar 用 Claude 做了个应用，碰巧短期内行——你们要把这块收入吃过来，并且做得比我好得多，是迟早的事。我有朋友做 Harvey（纽约法律 AI），他们在 OpenAI 上面建——但 OpenAI 想做他们的事并不难。哪怕我建了，三个月或半年后你出了新模型，凭什么不会把这块收入收走？
几件事。第一，我会给任何业务的建议是：你得有护城河，你不能只是个 wrapper。"我搞了一种跟 Claude 交互的方式""我在 Claude 上面套了个 UI"——这种东西没有护城河。你不该担心 Anthropic 来吃你的收入，任何人都能吃你的收入。这种东西本身没有价值。
第二，在不同领域有不同的护城河——你可以做一些 Anthropic 做不了、也不想专门去做的事。比如生物 AI，要做生物发现——我自己是生物学家，但 Anthropic 大部分人不是，他们是 AI 科学家、产品人、go-to-market 的人。所以我们去那个空间做所有这些工作非常低效。 金融服务也一样，要合规一大堆东西，对我们来说不划算。
第三，我不会承诺永远不做 first-party 产品，这点要诚实。比如我们公司很多人写代码，所以我们做了内部工具 Claude Code——因为我们自己写代码，对"怎么用 AI 模型最好地写代码"有特殊和独特的洞察。在代码这个空间里我们会是非常强的竞争对手。但这不能推广到所有行业。
—— Dario Amodei
"光做包装层（wrapper）没护城河——任何人都能吃你的收入。但 Anthropic 不可能在每个垂直领域都自己干，那太低效。"
—— Dario Amodei
十一、25 岁该学什么、要押注哪只股票、人会变笨吗
职业规划、AI 让人退化的隐忧、最终给出的"赌一只股"答案
🎙 Nikhil Kamath：再回到我的受众——20-25 岁的印度年轻人。你觉得哪些行业会被颠覆？哪些还有跑道？我是从"该读什么书、上什么大学、学什么技能"的角度问。
我会想"以人为中心的任务、跟人打交道的任务"。代码和软件工程会越来越 AI 化，数学和科学也是。
—— Dario Amodei
🎙 Nikhil Kamath：等等——如果我把"写代码"和"软件工程"分成两件事，是写代码先消失，还是工程师那种"做架构、做设计"的部分先消失？
写代码先被 AI 接走，"软件工程"这个更宏观的任务会更晚。 但端到端我觉得最终也会被接走。
不过，设计、做对用户有用的东西、知道需求是什么、管理 AI 模型组成的团队——这些可能仍会留下。比较优势其实出乎意料地强大。 哪怕你只做任务的 5%，这 5% 因为被放大、被加杠杆——AI 做剩下 95%——你的产出就被放大了 20 倍。在到 99%、99.9% 之前，这个区间里能做的事多得惊人。
但我会真的想"以人为中心的事"——以人为中心 + 物理世界 + 把这两者粘合起来的分析能力（类似放射科医生那个例子）。
—— Dario Amodei
🎙 Nikhil Kamath：那如果我 25 岁要选一个职业、想要顺风、追求未来十年的资本主义意义上的胜利——除了纯粹物理性的工种之外，我该选什么？
任何在 AI 之上做、把 AI 当顺风的事。或者你做供应链上 AI 自己干不了的环节——比如半导体空间就是一个例子，那有物理世界元素和传统工程，不是软件工程。再就是非常以人为中心的职业。
还有一件我一直说的：在 AI 能生成任何东西的世界里，基础的批判性思考可能是最重要的成功要素。我担心那些生成图像和视频的 AI 模型——我们出于很多原因不做生成图像和视频的模型，这是其中之一——你越来越分不清什么是真的。所以很多成功可能就是"街头智慧"——别被骗，别有错误的信念，别中招。
—— Dario Amodei
🎙 Nikhil Kamath：人类历史上每一次创新都"杀死"了一些核心人类技能。计算器杀死了我们的算术能力，写作降低了人的记忆。AI 在杀死什么肌肉？
我不太确定。我自己还经常在脑子里做数学，因为这跟我的思考过程更整合——我想说"如果每个用户付这么多，那收入大约是这个数"，我希望能在脑子里直接闭环，不用每次都问计算器。所以我觉得很多技能仍然相关。
但如果你不小心地用，你会失去重要技能。 学生让 AI 写论文这就是抄作业。我们做过编程上的研究——取决于你怎么用模型，写代码这件事的"去技能化（deskilling）"是真的会发生的。某些用法不会，某些用法会。如果人不用心地使用，去技能化绝对会发生。
—— Dario Amodei
🎙 Nikhil Kamath：未来十年，作为一个物种，人会不会变更蠢——因为我们把思考和认知都"外包"出去？
如果我们用错了 AI、用得草率，是的，人会变更蠢。但即便 AI 在某件事上永远比你强，你也仍然可以学这件事、仍然可以丰富自己的智识。 这是我们作为公司、作为个人、作为社会要做的选择。
—— Dario Amodei
"哪怕 AI 永远比你强，你也仍然可以学这件事、仍然可以丰富自己的智识。这是个人和社会都要做的选择。"
—— Dario Amodei
🎙 Nikhil Kamath：我之前问过马斯克"如果只能买一只股票（不是你自己的）会选什么"，他说 Google。我也问你这个问题——我猜你会拒答。
是的，我最好不回答——我对太多上市公司了解太多，最好不回答。
—— Dario Amodei
🎙 Nikhil Kamath：那回答一个你不参与的行业？我猜很难，因为你几乎参与了所有行业。
嗯，我不会点名公司。但我对生物科技很乐观——它即将迎来文艺复兴，最终会被 AI 驱动。我不会说押大药企还是新兴小生物科技公司，但我直觉是我们正要治愈很多疾病。
—— Dario Amodei
🎙 Nikhil Kamath：能不能给个生物科技的子赛道？
可编程、自适应那一类——从 mRNA 疫苗（虽然在美国因为愚蠢的原因受阻，但我对技术非常乐观），到多肽（peptide）类疗法。小分子药物自由度有限，做好一个就坏另一个；多肽几乎有数字化的属性——你可以替换某个氨基酸到这里、那个氨基酸到那里——所以支持更连续的优化空间。
还有细胞治疗，比如 CAR-T——你把细胞从体内取出，做基因工程改造去攻击特定癌细胞，再放回体内。
我最看好的是多肽——设计空间非常大。
—— Dario Amodei
"我直觉是：我们正要治愈很多疾病。最看好的子赛道是多肽。"
—— Dario Amodei
十二、怎么从零上手 Claude Code & Cowork + 临别一问
学习路径 + Dario 知道但大众没看见的事
🎙 Nikhil Kamath：第一次用 Claude Code 我挣扎了——对没有编程基础的人不容易。我听人说"prompt engineering 像弹钢琴，不能坐下就弹"。怎么从零开始学？
我们一直在尽量降低这个学习曲线。我们发布 Claude Cowork 的原因之一就是：我们注意到一大批没有技术背景的人很想用 Claude Code，但要在命令行终端里挣扎——程序员一直在用命令行没问题，但对非程序员来说这事被搞得不必要地复杂。Cowork 后端是 Claude Code 的引擎，但前端是给非程序员的友好界面。
当然有课程可以学。但本质上这是一门很经验性的科学——主要靠实践去学。Anthropic 里有一个我们叫 "Ministry of Education（教育部）" 的部门，会出"怎么跑有效 agent""怎么 prompt 模型"这类视频。我们已经做了一些，会加大力度——我们想让所有人都能学会这个。
—— Dario Amodei
🎙 Nikhil Kamath：最后一个问题——你想留给我们什么？Dario 知道而 Nikhil 和 Nikhil 的人都不知道的，是什么？
我不知道我比别人多知道哪些具体的事。技术的影响今天已经摆在外面了——我世界观的大部分都能从公开可见的东西里推出来。
但有一件事，我过去十年里一遍又一遍地经历：人们有一种诱惑——觉得"那不可能发生，那太奇怪了，那变化太大了"。"没人觉得那会发生，那会发生就太疯狂了。"——但一遍又一遍，仅仅靠外推一条简单的曲线、或者从第一性原理推一推会发生什么，你就会得到几乎没有人愿意相信的反直觉结论。
你几乎是免费在预测未来——通过简单的推理。 当然你需要一些经验性的知识、一些直觉，不能纯逻辑推——这是我看到人们犯的另一种错误。但几个经验性观察 + 第一性原理思考的正确组合，能让你以"完全公开的方式、人人都该能做"的方式预测未来。
这件事发生得出乎意料地少。
—— Dario Amodei
"你几乎是免费在预测未来——只要你愿意外推一条简单的曲线、并从第一性原理出发推理。但很少有人真的这么做。"
—— Dario Amodei
🎙 Nikhil Kamath：谢谢你 Dario，期待再见。
还行吗？
—— Dario Amodei
完。
