近日,人工智能公司 Anthropic 备受瞩目。不仅推出了性能强大的 Claude 3.7 Sonnet 模型,还在融资方面取得了显著进展。Anthropic 首席产品官 Mike Krieger(前 Instagram 联合创始人)在近期的一次访谈中,分享了对于 AI 行业发展、产品策略和未来趋势的独到见解。
平衡创新与信任:AI 产品的发布之道
Sam Altman 曾提到,初创公司的一大乐趣在于可以快速发布产品,而不必追求极致的完美。然而,随着公司规模的扩大,每次发布都承载着巨大的压力。
Krieger 对此深有体会。他认为,不同于初创公司可以采取更激进的“快速行动,打破常规”的策略,也不同于大型企业过于保守和缓慢的发布节奏,Anthropic 试图在两者之间找到微妙的平衡点。尤其是在 Anthropic 拥有了数百万用户后,如何在快速迭代和用户信任之间取得平衡,成为了一个关键问题。
为了适应不同用户群体的需求,Anthropic 探索了“选择加入”(opt-in)机制等灵活的发布方式。例如,在 API 产品中,用户更看重可预测性和稳定性,因此可以采用“选择加入”的方式,让用户自主决定是否尝试新功能。但在面向消费者或企业级的产品中,这种方式可能并不适用,因为用户更期望获得持续改进和优化的体验。
Krieger 坦言,Anthropic 仍在积极探索最合适的发布节奏。他们希望尽快将新功能推向市场,以便及时获取用户反馈,但同时也意识到,随着公司知名度的提高,以及越来越多的人开始依赖 Anthropic 的产品来完成工作,他们不能再像以前那样随意对待发布。
模型之外:构建 AI 产品的护城河
Krieger 强调,Anthropic 的目标不仅仅是成为一个“模型提供商”,而是要成为客户的“AI 合作伙伴”。这意味着要与客户建立更深度、更长期的合作关系,而不仅仅是提供“输入文本,输出文本”的 API 交易。
为了实现这一目标,Anthropic 高度重视第一方应用(First-Party Product)的战略价值。Krieger 认为,第一方应用不仅能增加收入来源,更重要的是能够加速学习、提升模型能力、建立品牌忠诚度,并构建更强的竞争护城河。
他以 Claude Code 为例,指出通过内部试用第一方工具,可以直接获得模型改进的反馈,从而加速下一代模型的迭代。此外,第一方产品也更容易建立用户粘性和品牌忠诚度。
不过,Krieger 也承认,在第一方产品的开发方面,Anthropic 还有很大的提升空间。他坦言,公司在第一方产品上的投入还不够,导致迭代速度较慢,这在一定程度上影响了 Anthropic 在市场上的竞争力。
差异化竞争:AI 创业的机遇与挑战
在谈到 AI 创业的机遇与挑战时,Krieger 认为,最有价值的领域将是那些拥有差异化市场策略、对特定行业或特殊数据具有独特知识的地方。他特别提到了金融、法律和医疗保健等领域,认为这些领域的复杂性和专业性,为 AI 创业公司提供了构建长期竞争优势的机会。
Krieger 指出,AI 和产品设计的关键在于,必须在展示未来愿景和利用模型当前能力之间保持微妙的平衡。创业公司可以适度“过度承诺”,以吸引早期用户,但对于已经拥有成熟产品和用户的垂直 SaaS 公司来说,则需要更加谨慎,避免因 AI 功能不完善而破坏用户信任。
他还强调,创业公司应该“为未来的模型构建产品”。他提到,很多创业公司的产品,直到 Claude 3.5 Sonnet 或类似的突破性模型出现才真正起飞。这意味着,创业者需要积极探索领域,对当前模型的局限性保持敏感,并积极尝试下一代模型。
DeepSeek 的启示:技术、营销与产品的多重思考
Krieger 还谈到了他对 DeepSeek 的看法。他认为,DeepSeek 的出现,让人们意识到中国在 AI 领域的技术实力不容小觑。
他指出,低估或继续低估中国在 AI 方面的能力,将是一个巨大的错误。他以 Instagram 在中国被屏蔽后,涌现出的一系列平行创业公司为例,指出这些产品通常质量很高,展现出很多创造性思维,并且也实现了大规模应用。
对于 DeepSeek 的崛起,Krieger 认为,这既有技术层面的原因,也有市场层面的因素。在技术层面,DeepSeek 的一些做法值得 Anthropic 借鉴和思考。但在市场策略和市场地位方面,DeepSeek 对 Anthropic 的影响相对有限。
Krieger 特别提到了 DeepSeek 在营销方面的成功。他认为,DeepSeek 从默默无闻到在很多圈子里比 Claude 更出名,这与当前的世界局势,以及“DeepSeek 更便宜”的叙事密切相关。他坦言,Anthropic 在对外讲述 Claude 的故事方面做得还不够,没有充分展现 Claude 的独特之处。
DeepSeek 的崛起也让 Krieger 意识到,Anthropic 应该更快地将一些想法推向市场,而不是过分关注每个细节的完美程度。他认为,有时体验的新颖性本身就很有价值。
此外,Krieger 还观察到 DeepSeek 在新兴市场的使用率和留存率很高,但在西方市场却并非如此。他认为,这可能与 DeepSeek 在不同市场的用户画像和市场策略有关。他指出,对于 DeepSeek 和 Anthropic 来说,产品能否保持持久竞争力的关键在于,谁能率先实现 AI 在工作和生活中的深度应用,并随着时间的推移可持续地发展。
模型能力与用户体验:AI 产品设计的核心
Krieger 强调,模型质量与产品用户体验(UX)之间存在着强相关性。他认为,要成为一名优秀的 UX 设计师,就必须同时考虑模型质量。
他指出,如今的设计师、产品经理,尤其是工程师,都需要思考如何围绕一个根本上不确定的系统设计脚手架和产品。这意味着模型质量、提示词工程等所有后端的东西,都成为了产品设计的一部分,并且会对产品产生直接影响。
Krieger 认为,未来的用户不需要自己选择模型。他用“抽象泄漏”来形容当前大多数 AI 产品的设计缺陷。他指出,用户需要选择模型、理解模型的工作方式、进行提示词工程等,这些都是不应该发生的事情。他希望未来的 AI 产品能够做到“让提示词工程对用户完全透明”,让模型通过对话来澄清用户需求,而不是让用户去区分谁是优秀的提示词工程师。
代码生成与软件开发:AI 带来的变革
在谈到 AI 在代码生成和软件开发方面的应用时,Krieger 认为,Claude Code 的核心价值在于提升开发流程效率,而非取代 IDE。
他指出,Claude Code 非常擅长处理那些需要在不同环节之间进行智能协作的任务,例如更新后端、创建前端、提交翻译等。他认为,在 IDE 和完全自主的 AI 之间,存在着一个中间角色,即 AI 智能体。
Krieger 认为,未来软件开发人员的角色将发生重大变化。他们需要掌握跨学科的技能,成为“多面手”,既要懂产品,也要懂技术。此外,代码审查也将发生变化,软件开发人员将从主要的代码编写者,转变为主要的任务委托者和代码审查者。
通用性与专业化:AI 产品的发展方向
在谈到 Anthropic 的产品发展方向时,Krieger 强调了通用性的重要性。他认为,即使 Anthropic 选择了一个特定的目标用户群体或垂直领域,他们构建的产品也应该具有通用性,可以在底层架构层面支持多种应用场景。
不过,Krieger 也承认,专业化的工作流程知识,对于构建具有长期竞争优势的产品至关重要。他以专业翻译人员为例,指出他们可能需要一些针对翻译工作流程的特定功能。
他认为,在专业用例和由此解锁的工作流程方面,AI 具有巨大的价值。但在消费级甚至轻专业级(prosumer)方面,从基础 AI 产品的角度来看,模型已经足够好了。
数据、算法与评估:AI 发展的关键要素
在谈到 AI 发展的关键要素时,Krieger 认为,改进模型训练环境,使其更好地反映真实世界的复杂任务,是当前最大的挑战之一。
他指出,即使在软件工程领域,软件工程师的工作也不仅仅是编写代码,还包括理解需求、制定时间表、与团队协作等。目前还没有合适的评估方法,能够很好地模拟这些复杂的工作流程。
在谈到数据问题时,Krieger 认为,为了改进模型,需要混合使用人类数据和合成数据。他指出,优秀的人类数据可以用来引导模型,而合成数据则可以让模型在各种环境中进行探索和学习。
他还提到了模型“氛围感”(Vibes)的重要性。他认为,模型的“感觉”是一种非常主观的、类似人类的方面,很难进行量化评估。因此,既要有关于这些软性技能的数据,也要有评估这些技能的方法。
开源、蒸馏与商业化:AI 行业的热点话题
在谈到开源和蒸馏等行业热点话题时,Krieger 认为,蒸馏技术并非解锁 AI 能力所必需的,而且还会带来其他问题,包括国家安全和服务条款方面的问题。
他指出,为了让技术进步以当前的速度持续下去,并实现长期可持续发展,实验室需要能够将所有的训练和创新商业化。他认为,找到合适的商业模式至关重要。
对于 Llama 的发布,Krieger 认为,这并不意味着模型本身没有价值,所有价值都在于数据。他指出,价值在于团队的优秀程度、是否拥有所需的基础数据,以及模型在实际用例中的有用程度。
AI 的未来展望:智能引导者与人类的伙伴
在展望 AI 的未来时,Krieger 提出了一个引人深思的观点:AI 将超越“工具”或“助手”的局限,进化为“智能引导者”。
他认为,AI 将主动洞察用户需求,指引方向,辅助决策,成为用户达成最重要目标的关键伙伴。未来的 AI 产品将不再仅仅是“我可以问问题,偶尔还能主动提出建议”,而是能够为用户提供独特的价值,帮助用户节省时间,提高效率,成为更好的自己。
Krieger 还谈到了 AI 在延长寿命和人类寿命方面的潜力。他认为,AI 可以加速药物发现和临床试验的进程,为治疗各种疾病带来新的希望。他对此表示非常乐观。
最后,Krieger 强调了“辨别力”和隐私在 AI 发展中的重要性。他指出,随着模型变得更强大,它们也会变得更博学,可能会接触到各种私密或敏感信息。他认为,如何让模型在提供帮助的同时,保护用户的隐私和数据安全,将是一个巨大的挑战。