Anthropic增长奇迹：从10亿到190亿的14个月
Anthropic's $1B to $19B growth run: how Claude became the fastest-growing AI product in history
本报告由 AI 深度分析生成，基于视频完整字幕。
导读
Lenny's Podcast 是硅谷最具影响力的产品与增长类播客之一，听众主要是产品经理、增长负责人和创业者。本期节目的嘉宾 Amol Avasare 是 Anthropic 的增长负责人（Head of Growth），在加入 Anthropic 之前，他曾在 Mercury（创业银行）和 MasterClass 的增长团队工作，更早之前还做过创业者和投资银行家。
这个人为什么重要？ 因为他正在领导人类商业史上最疯狂的增长曲线——Anthropic 的 ARR（年度经常性收入）在 14 个月内从 10 亿美元飙升至 190 亿美元，年同比增速稳定在 10 倍。作为对比，Atlassian 和 Snowflake 花了 15-20 年才达到 45-60 亿美元的 ARR，而 Anthropic 几乎每隔几个月就新增这个数字。
核心论点：AI 产品的增长逻辑与传统产品根本不同。 当你的产品价值每两年增长 1000 倍（而非 30-50%），增长团队的工作方式必须彻底重构——从微观优化转向大胆押注，从手动实验转向 AI 自动化增长，从工程师主导转向 PM 回归高杠杆。
一、冷邮件拿到不存在的工作：Amol 如何进入 Anthropic
Amol 加入 Anthropic 的方式本身就是一个增长案例。当时 Anthropic 根本没有增长团队，也没有相关的招聘信息。作为一个 Claude 的重度用户，Amol 直接给 Anthropic 的首席产品官 Mike Krieger（Instagram 联合创始人）发了一封冷邮件，说："I think you guys badly need a growth team. Want to chat?"（我觉得你们急需一个增长团队，聊聊？）
他在入职培训时发现，新员工的渠道来源分为推荐、网站申请和主动寻源三类——他不属于任何一类。Mike Krieger 说他是唯一一个通过冷邮件被录用的 PM。
Amol 的冷邮件方法论（他说具体文案是秘密，但分享了框架）：
- 第一层：打开率。 邮件标题用他多年测试过的高打开率文案
- 第二层：找到差异化渠道。 别人都在 LinkedIn 和工作邮箱发消息，他找到了对方的个人邮箱——竞争更少、打开率更高
- 第三层：正文极简。 只写三样东西：我是谁、为什么我是最佳人选、我们应该聊聊
- 第四层：持续跟进。 他的原则是"keep reaching out until they tell me to stop"（一直跟进，直到对方明确叫停）
Lenny 评价：一个优秀的增长负责人擅长冷邮件，这本身就像是面试的一部分——能让对方想打开的邮件，就说明你懂增长。
二、史上最疯狂的增长曲线：10x 年复合
增长数字令人窒息：
| 时间 | ARR |
|---|---|
| 2023年 | 0 → 1亿美元 |
| 2024年 | 1亿 → 10亿美元 |
| 2025年初 | 10亿美元 |
| 2025年中 | 40亿美元 |
| 2025年底 | 约100亿美元 |
| 2026年2月 | 190亿美元（且"已经过时了"） |
Amol 透露了一个有意思的内部文化细节：在 Anthropic，线性图表"不酷"。 没人看线性图表，所有人都用对数尺度（log-linear scale）看数据——因为在线性图上，一切都是一条近乎垂直的线，毫无信息量。
"我们在挂着安全带狂奔。"（"We're hanging on by the seat of our pants."）他坦言这是他职业生涯中最难的工作。一个反直觉的现象是：所有图表都是绿色向上的，但团队的情绪压力反而很大，因为增长太快意味着一切都在"成功性崩溃"——新问题永远比你解决旧问题的速度更快。
三、"成功性灾难"：增长太快时到底会发什么
Amol 引入了一个精彩概念——"Success Disasters"（成功性灾难） 。这指的是"因为做得太好，所以其他东西开始崩塌"的状态。他估计自己 70% 的时间都花在救火式处理这类问题上，只有 30% 用于传统的主动增长工作。
"If you think about each of those categories on acquisition, on activation, on monetization, there's just a ton of firefighting jumping from like one urgent thing to another." （在获客、激活、变现每一个环节，都有大量的紧急事件要处理，你不停地从一个火场跳到另一个火场。）
这对其他快速增长的公司有什么启示？ 任何经历过高速增长的人——Facebook、Uber、DoorDash 早期团队——都会对此产生共鸣。增长不只是"让数字变大"，还要"在数字变大的同时不让一切碎掉"。
四、激活（Activation）：AI 产品增长的最大挑战
核心洞察：AI 产品面临的最大增长瓶颈不是获客，而是激活。
Amol 认为整个 AI 行业面临一个巨大的"能力悬崖"（capability overhang）——模型能做的事情远超用户知道它能做的事情。 即使你拥有一个接近 AGI 的模型，如果用户的第一反应是问"旧金山天气怎样"，他们永远不会体验到产品的真正价值。
更棘手的是，这个问题在不断加剧：每次发布新模型（比如从 Opus 4 到 Opus 4.5 再到 Opus 4.6），都会解锁一批全新的能力。增长团队刚为上一代模型的能力设计好引导流程，下一代模型就来了，之前所有的实验学习都过时了。
"You may have AGI or some model that can do all sorts of crazy things, but if people's instinct is to come there and be like, 'Hey, what's the weather in SF?' Then they're not going to get the most out of the product." （你可能已经有了 AGI 级别的模型，但如果用户的本能反应是来问旧金山天气，他们就永远不会充分利用产品。）
五、反直觉的增长法则：好的摩擦 > 无摩擦
Amol 分享了一个在 Mercury、MasterClass 和 Anthropic 都反复验证过的增长原则：增加"正确的摩擦"通常比消除一切摩擦效果更好。
传统观点认为：尽可能缩短"注册到价值"的路径，砍掉所有步骤，让用户最快进入产品。但 Amol 说这在大多数情况下不奏效。
正确的做法是：通过增加步骤来更好地理解用户是谁，然后推荐最适合他们的功能/产品。
具体案例：
- Mercury：银行注册流程极其复杂（合规要求），增长团队花了一整个季度专注于提升注册流程的质量（而非速度），结果注册完成率显著提升。他们还尝试把一个有5-6个输入框的页面拆成两个页面——减少认知负荷，反而提升了转化率。
- MasterClass：购买流程中有一个看似多余的"兴趣问卷"，但经过彻底测试后发现，这个问卷是显著的收入驱动器——因为它帮助用户感觉"这个产品是为我设计的"。
- Anthropic/Claude：注册流程中会问用户是谁、兴趣领域是什么，然后据此推荐不同产品和功能。很多人批评这个流程"太长了、摩擦太多"，但数据显示它表现良好。
关键区分：
- ❌ 坏摩擦：不增加价值的烦人步骤（比如让用户反复输入同一信息）
- ✅ 好摩擦：帮助产品理解用户是谁，从而提供更精准的体验
"Cut friction when it doesn't add to the experience of helping a user understand why the product is for them." （只有当摩擦不能帮助用户理解产品为什么适合他们时，才应该消除。）
而且这种"理解用户"的收益是复合的——不仅帮助激活，还帮助生命周期营销、广告定向（即使用户流失了，你也知道如何用相似受众重新触达）。
六、增长团队架构：40 人如何驱动 190 亿 ARR
Anthropic 的增长团队约 40 人，结构是传统的 PM + 工程师 + 设计师 + 数据分析师组合。但组织方式有两个维度：
横向： 增长平台、变现——跨越所有产品的通用能力 纵向： 按受众分的增长小组（Pod）——Claude Code 增长、B2B 增长、知识工作者增长、API 增长
这种结构的关键词是聚焦。当你有多个截然不同的产品（Claude Code、Cowork、API 等），一个"统一的激活团队"无法深入理解每个产品的独特受众。所以他们让每个 Pod 与对应产品团队紧密协作，保持深度。
七、大赌注 vs 微优化：AI 公司的增长策略翻转
这可能是整期播客中最有战略价值的洞察。
传统增长团队的时间分配：60-70% 在中小型优化（A/B 测试、漏斗微调），20-30% 在大型项目。
Anthropic 完全翻转了这个比例：70% 大赌注，30% 微优化。
为什么？Amol 给出了一个精妙的框架——产品价值增长率决定增长策略：
- 传统产品（比如外卖 App）：两年后的产品价值比今天高 30-50%。在这种情况下，增长团队通过微优化就能捕获相当比例的价值增量。
- AI 产品（比如 Claude）：两年后的产品价值可能是今天的 100-1000 倍。在这种情况下，微优化捕获的只是一个 1000 倍增量中的零头——你必须去抓住那些大的结构性机会。
"The product value that we will deliver in 2 years time is probably like a 1000x what it is today." （两年后我们能交付的产品价值，大概是今天的 1000 倍。）
具体例子：Chrome 扩展——这是一个非常"产品化"的大项目，涉及大量研究和 AI 工程，通常不是增长团队会做的事。但他们看到机会后果断下注，现在这个扩展已成为 Cowork 和 Claude Code 多个用例的底层基础设施。
对其他公司的建议： 如果你的核心产品价值主要由 AI 驱动（像 Cursor、Lovable 这类 AI-first 产品），就应该偏向大赌注。如果 AI 只是产品的辅助功能而非核心，则传统的微优化策略仍然适用。
八、CASH：用 Claude 自动化增长实验
Anthropic 内部有一个增长自动化项目叫 CASH——"Claude Accelerates Sustainable Hypergrowth"（Amol 自己也承认这个名字有点"cringey"）。
CASH 做什么？ 用 Claude 自动化整个增长实验流程的四个环节：
| 环节 | Claude 目前的能力 | 人类的角色 |
|---|---|---|
| ① 发现机会 | 分析趋势，识别增长机会 | 审批 |
| ② 构建功能 | 编写代码，生成 UI 变更 | 质量审查 |
| ③ 测试上线 | 确保符合质量和品牌标准 | 品牌守护 |
| ④ 分析结果 | 收集数据，提炼学习 | 决策 |
目前的状态： 仍然很早期（只启动了几个月），主要处理文案变更和小型 UI 调整。人类仍在审批环节中。
关键评价： Amol 说 CASH 的实验胜率大约相当于一个 2-3 年经验的初级 PM——还达不到资深 PM 的水平。但他强调，这个能力在几个月前根本不存在——Opus 4.5 之前做不到，Opus 4.6 才开始真正可用。按照指数增长曲线，距离高级 PM 水平可能只有几个月。
"It ultimately prints money... the win rate is like I would expect a junior PM 2-3 years in." （它确实能赚钱……胜率大约是一个2-3年经验的初级PM水平。）
Lenny 的洞察： AI 在产品开发过程中的扩展方向是"从中间向两端"——先是帮你写代码，然后审查代码，现在开始告诉你该做什么。增长领域因为数据驱动、循环闭合，最适合率先被自动化。
但有一个环节 AI 短期内替代不了：跨团队协调。 当项目涉及多个团队的利益和优先级时，仍然需要人类大脑来导航复杂的组织政治。Amol 和设计负责人 Joel 的一句笑话完美概括了这一点：
"Amal, we will have AGI and it will still be impossible to get six people in a room to get aligned." （Amal，即使有了 AGI，让6个人在一间屋子里达成共识仍然是不可能的。）
九、PM 与工程师的角色翻转：你可能需要更多 PM
Amol 提出了一个反主流的观点：AI 时代可能需要更多的 PM，而不是更少。
逻辑链条：
- Claude Code 等工具让每个工程师的产出提高了 2-3 倍
- 一个 5 人工程团队现在等于 15-20 人的产出
- 但 PM 和设计师并没有获得同等比例的效率提升
- 结果：PM 和设计师被"压扁了"——他们要管理的工程产出远超承载能力
Anthropic 的应对方式（两条路）：
路径 A：授权工程师当"迷你 PM"
- 规则：如果一个项目的工程时间在 2 周以内，工程师直接担任 PM 角色（包括与法务、安全等跨部门沟通）
- PM 退到顾问角色，只在项目严重偏离时才介入
- 如果超过 2 周，PM 仍然全权负责
路径 B：大量招聘 PM
- Amol 直言团队正在"desperately"（迫切地）招聘增长 PM
最有趣的洞察： 当工程产出被 AI 放大后，PM 的最高杠杆不是自己去写代码（成为第21个工程师），而是提升整个团队在"做什么"和"为什么做"上的判断质量。如果你能让团队的方向判断提升 5%，在 20 个工程师的放大效应下，这比你自己写10个 PR 产生的价值大得多。
十、每天早上让 AI 帮你看 25 张图表
Amol 分享了他个人的 AI 工作流，堪称"活在未来"的范本：
① 每日图表监控
他在 Cowork 上设置了定时任务，每天早上自动查看 20-25 张关键指标图表（通过 Chrome 扩展和 MCP 访问 Hex 仪表板），然后生成摘要：哪些指标需要关注、哪些有异常、哪些值得深挖。
② Slack 对齐监控
定时让 Claude 扫描团队 Slack 频道，找出潜在的团队对齐问题——比如两个小组在做重叠的工作，或者某个决策存在分歧。这个能力他说6个月前还不可能实现。
③ AI 扮演你的上司给你反馈
这是最炸裂的用法——Amol 让 Claude 基于他上司 Ami Vora（一位在产品领域广泛发表过文章的资深产品负责人）的公开写作和内部讨论记录，模拟 Ami 的视角，每周给他反馈："基于你这周做的和没做的事情，你的上司会怎么评价？"
他的评价：像是"一个有时候会喝醉的教练"——偶尔说出让你翻白眼的话，但也有让你醍醐灌顶的洞察。
④ 生活杂务全部外包给 Claude
预订会议室、处理报销（自动登录 Brex 和 Ben Pass）、邮件初步分拣——所有"life admin"（生活行政事务）都交给 Cowork 处理。
十一、编程优先：Anthropic 增长飞轮的核心
Lenny 指出，Anthropic 之所以成功，一个关键原因是极度聚焦——主攻 B2B 和编程场景。某个竞争对手（暗指 OpenAI）现在也开始转向类似策略。
Amol 透露了一个令人惊讶的事实：Anthropic 联合创始人 Ben Mann 在 2021 年——公司成立仅几个月后——就写了一份文档，阐述"为什么应该全力聚焦 AI 编程"。这比整个行业意识到 AI 编程的市场机会早了整整 5 年。
编程聚焦的双重飞轮：
- 商业飞轮：AI 编程市场巨大且增长迅速，agentic coding（智能体编程）的出现让这个市场比之前的 AI 辅助编码大了一个量级
- 研究飞轮：更好的编程模型 → 加速 Anthropic 自己的研究人员 → 更快产出更好的模型 → 编程能力进一步提升
Dario Amodei（CEO）很早就看到了这个循环：如果你的模型是编程最强的，你的研究团队就能用它来更快地做出更好的模型。这是一个自我加速的正反馈循环。
十二、安全不是负担，是竞争优势
当 Lenny 问到增长与安全之间的张力时，Amol 给出了一个意想不到的回答：安全正在成为 Anthropic 的竞争优势，而不是阻碍。
他把增长决策分为两类：
- 红线（Bucket 1） ：无论数据多好看都不会做的事——AI 安全就属于这类。"That's why we exist."（这就是我们存在的意义。）
- 灰区（Bucket 2） ：不太喜欢但不是红线的事——可以测试，但如果"cringe 程度"很高，需要看到很高的回报才值得。
更深层的原则： Amol 认为增长团队最容易犯的错误是"trying to squeeze every last dollar"（试图榨取最后一分钱）。他的理念是"comfortable leaving money on the table"（愿意把钱留在桌上） ——为了安全、品牌和用户体验，主动放弃短期指标。
"Look beyond the short term... you realize the very best products all operate this way, and that's actually the thing that drives more growth long term." （超越短期思维……你会发现最好的产品都是这样运营的，这才是长期驱动更多增长的关键。）
十三、Notebook Channels：Anthropic 的"内部推特"
Anthropic 有一种独特的内部沟通机制：Notebook Channels——每个员工在 Slack 上都有自己的"笔记本频道"，相当于一个内部的个人推特。
怎么用？ 员工在自己的 Notebook Channel 里分享想法、观点、工作中的发现、对公司方向的看法——不是正式文档，就是随意的思考流。
为什么有效？
- 极致透明：连 CEO Dario 都有自己的频道，员工可以直接在上面公开反驳他的观点
- 文化传播：当团队快速扩张时，Notebook Channel 帮助新人快速理解"这里做事的方式"
- AI 的数据源：这些频道里的内容成为 Claude 理解公司背景的关键材料——HR 团队甚至在某些文档上标注"编辑前请先咨询，因为 Claude 引用了这个文档"
Amol 分享了一个生动的画面：人才密度之高让他感觉"like playing for Real Madrid"（像在皇马踢球）。在公司全体活动上，他碰到一个独自吃爆米花的人，结果发现是美国驻澳大利亚大使——只是Anthropic的一名普通员工。
十四、创伤性脑损伤：让 Amol 成为更好的人的灾难
播客最后部分，Amol 分享了一个鲜为人知的个人故事。在加入 Anthropic 之前，他在一场泰拳比赛中遭受了严重的创伤性脑损伤。他不得不花 9 个月时间重新学习走路、工作，甚至只是不再感到恶心。
这段经历深刻改变了他。他此前在 Lenny 的 newsletter 上发表过一篇客座文章《How a traumatic brain injury made me a better PM—and person》（一次创伤性脑损伤如何让我成为更好的 PM 和更好的人）。
行动启示
对于从事增长、产品或 AI 相关工作的人，这期播客有几个立刻可以行动的要点：
-
重新审视你的激活流程：不要盲目消除摩擦。思考"什么摩擦能帮助用户理解产品是为他们设计的"，然后大胆添加这些步骤。
-
调整增长策略的赌注比例：如果你的产品核心价值由 AI 驱动，把更多精力从微优化转向大型结构性机会（70/30 而非 30/70）。
-
开始自动化增长实验：即使能力还有限（相当于初级 PM 水平），AI 自动化增长实验的 ROI 已经为正。现在开始投入，积累 eval 和反馈循环。
-
每天让 AI 看你的仪表板：设置定时任务让 AI 每天扫描关键指标，给你"值得关注的事项"摘要。
-
让 AI 模拟你上司给你反馈：这是一种低成本的持续 coaching 方法。
-
紧跟工具进化：每次新模型发布时，重新测试之前"做不到"的事情——因为它可能已经做得到了。
金句收录
"This is the hardest job I've had in my life." — Amol （这是我人生中最难的工作。）
"Linear charts are just not cool. Everything is log linear." — Amol （线性图表就是不酷。所有东西都要用对数尺度看。）
"The product value that we will deliver in 2 years time is probably like a 1000x what it is today." — Amol （两年后我们能交付的产品价值，大概是今天的 1000 倍。）
"We will have AGI and it will still be impossible to get six people in a room to get aligned." — Joel（Anthropic 设计负责人） （我们会有 AGI，但让6个人在一间屋子里达成共识依然不可能。）
"Cut friction when it doesn't add to the experience of helping a user understand why the product is for them." — Amol （只有当摩擦不能帮助用户理解产品为什么适合他们时，才应该消除。）
"It ultimately prints money... the win rate is like I would expect a junior PM 2-3 years in." — Amol（关于 CASH 自动化增长） （它确实能赚钱……胜率大约是一个2-3年经验的初级PM水平。）
"You're basically living in the future." — Lenny（对 Amol 说） （你基本上就是活在未来的人。）
"I feel like I'm playing for Real Madrid. I look around, I'm like, man, I'm playing for Madrid." — Amol（谈 Anthropic 的人才密度） （我感觉自己在为皇马踢球。环顾四周，天哪，我真的在皇马。）
"Be comfortable leaving money on the table." — Amol （要习惯把钱留在桌上。）
"The real alignment problem is getting six people in a room to agree." — Joel （真正的对齐问题是让六个人在一间屋子里达成一致。）
时间线索引
| 时间 | 内容 |
|---|---|
| [00:00] | 开场：Anthropic 的增长数字震撼（1→19B ARR） |
| [03:15] | Amol 冷邮件 Mike Krieger 获得工作的故事 |
| [08:28] | 在史上增长最快的公司领导增长是什么体验 |
| [10:46] | 增长团队实际做什么——"成功性灾难" |
| [13:55] | 激活是 AI 产品增长最大的挑战 |
| [18:05] | Mercury 注册流程优化的案例 |
| [20:57] | 好摩擦 vs 坏摩擦的增长哲学 |
| [25:10] | 增长团队组织架构（40人，按受众分 Pod） |
| [27:06] | 70/30 大赌注策略及背后的"指数逻辑" |
| [33:34] | CASH：用 Claude 自动化增长实验 |
| [38:20] | AI 开始能告诉我们"该做什么" |
| [41:07] | PM、工程师、设计师角色的未来 |
| [47:19] | 为什么可能需要更多 PM |
| [51:13] | Amol 用 AI 原型化想法，跳过 PRD |
| [58:10] | 每天早上 AI 自动看 20-25 张图表 |
| [1:03:31] | 让 AI 模拟上司给自己反馈 |
| [1:06:27] | 编程聚焦和 B2B 策略的成功 |
| [1:12:10] | 安全与增长的平衡——"把钱留在桌上" |
| [1:18:09] | 给想在 AI 时代发展的人的建议 |
| [1:22:53] | Anthropic 文化和 Notebook Channels |
| [1:35:12] | 失败角落：关掉自己的创业公司 |
| [1:38:25] | 创伤性脑损伤的故事 |
| [1:46:49] | 快问快答 |
评论
还没有评论，来第一个留言吧 ✨