Anthropic Labs揭秘：20人小队、两周决定去留，允许80%想法失败

机器之心编辑部 一支约 20 人的团队，做出了 Claude Code、MCP 和 Claude Design。 但在 Anthropic 联合创始人、Labs 负责人 Ben Mann 看来，这支团队的大多数尝试，本来就应该允许失败。 据 Business Insider 报道， Anthropic 内部的 Labs 团队以大约两周为一个周期，审视手头的产品原型：继续推进，还是调整方向？缺乏前景的想法会被终止，或并入其他项目。真正跑通的产品，则从 Labs「毕业」，交给独立团队继续发展。 Mann 给出的想法成功率只有 20% 至 30%。部分未能独立成形的探索，也会被吸收到其他原型或产品中。这个数字与 Claude Code 的成功放在一起，构成了 Labs 最鲜明的特点：接受大量尝试无法走到最后，把资源留给少数值得继续投入的方向。 随着 Anthropic 推进商业化，这套机制的重要性正在上升。按照 Business Insider 的报道，公司正在为上市做准备。如何把前沿模型能力变成用户愿意持续使用的产品，将是 Labs 需要继续回答的问题。 Labs 如何像创业孵化器一样运作 Mann 在采访中回忆，几年前，他甚至需要说服公司开始发布产品。当时，一个需要讨论的问题是：公司是否可以依靠慈善性质的资金支持，持续推进先进 AI 研究。 2024 年，他创建了 Labs，为新产品想法留出自由探索的空间。此后，这支团队陆续孵化出 Claude Code、连接 AI 智能体与外部数据及工具的 Model Context Protocol（MCP），以及今年推出的 Claude Design。Instagram 联合创始人 Mike Krieger 等人也参与其中。 Ben Mann Mann 把 Labs 形容为一家真正意义上的「创业孵化器」。 这一组织形式有清晰的参照。他提到了贝尔实验室，也曾在 2018 年加入谷歌内部孵化项目 Area 120。谷歌的 X 同样提供了一种思路：用专门的团队探索不确定性较高的方向，再让成熟项目逐步独立。 Labs 的特别之处，更多体现在它与模型研究之间的距离。前沿模型的能力持续变化。一项产品今天还不够好用，可能在下一轮模型升级后跨过实用门槛。如果产品团队能提前知道哪些能力正在改善，就有机会更早判断，什么值得做、什么可以开始试。 Claude Code 正是在这样的条件下诞生的。 Claude Code 的诞生 据 Mann 介绍，早在 2024 年末启动相关开发之前，研究人员就向他的团队透露，新模型在智能体编程方面展现出了潜力。这给出了一个重要信号：围绕编程构建产品，可以尝试让模型承担更多实际操作。 Mann 把这个方向交给了刚加入公司的 Boris Cherny。Cherny 最初提出的是一个代码分析工具，但 Mann 认为，这个想法的规模还不够大。他在采访中说，新员工尤其需要大幅提高自己的目标，因为智能体究竟能做到什么，仍有很多未知。 Boris Cherny 这句话对应着 AI 产品开发中的一个实际难题：如果始终按已经熟悉的能力设计产品，就可能低估模型接下来能够承担的任务。 Cherny 随后做出的原型在内部受到欢迎。2025 年 2 月，Anthropic 将 Claude Code 作为预览版推出。它利用底层模型编写、编辑和运行代码，后续的模型升级又持续推动了产品发展。 Claude Code 成为了 Anthropic 增长的重要推动力。Cherny 如今负责这一产品。 允许失败的产品机制 回看这段过程，Labs 的优势并非来自一次孤立的创意。研究团队先发现能力变化，产品团队据此搭建原型，内部使用验证需求，后续模型进步继续改善体验。几步之间衔接得越紧，产品就越有机会及时抓住技术进展。 不过，提前看到能力，并不意味着每个想法都值得长期投入。 Labs 大约每两周会对项目进行一次「坚持还是转向」的评估。这个周期用于检查方向，不代表所有产品都要在两周内做完。 如果一个想法表现不佳，团队可以将其终止，也可以把其中有价值的部分并入其他探索 。参与者随后转向新的任务。Mann 提到，有些尝试最终被整合进了 Claude 的 Chrome 扩展等产品。 因此，20% 至 30% 的成功率，不能简单理解为剩下的工作全部作废。一个原型没有成长为独立产品，仍可能留下可复用的功能、技术经验或需求判断。 另一项规则同样关键： 当项目团队规模通常超过四人时，就会从 Labs「毕业」 。 Claude Code 和 Claude Design 都通过这样的方式，转入公司内部的独立团队。Labs 由此保持较小的规模，继续探索下一批方向。这也解释了为什么它始终是一支人员流动较频繁的团队。项目成熟后，一部分成员随之离开；Labs 再补充新成员，开启新的尝试。 研究与产品之间的双向反馈 已经验证的项目需要更多工程投入和长期维护，小团队则需要保留调整方向的空间。让成熟项目及时独立，有助于避免 Labs 被日常运营完全占满。 它也有相应的管理成本。人员持续变化，新成员需要快速理解研究进展，团队还要不断重建协作关系。两周一次的评估能否有效，取决于对原型表现的判断质量。 从 Mann 的描述看，Labs 与研究团队之间的交流也在双向展开。产品开发者利用新模型寻找机会，实际任务中的缺口又会推动研究人员关注新的能力。 Mann 把 Labs 的一项目标概括为扩大 AI 的「行动空间」，也就是让强大的模型能够在现实世界中做更多事情。这个表述把产品工作的目标落到了具体任务上。编程需要模型能够操作代码，设计需要模型生成更合适的视觉结果，跨语言使用则要求系统听懂更多人的表达。产品能否成立，会暴露出模型仍需补齐的能力。 商业化后的生态挑战 随着这些产品进入更多市场，Anthropic 也将面对更复杂的商业关系。 Forrester 分析师 Mike Gualtieri 向 Business Insider 指出，Anthropic 推出的工具，可能直接与企业客户已经使用的软件竞争。Claude Design 就是一个例子，它进入了 Adobe、Figma 等公司所处的设计软件领域。 这里存在一种持续的张力：Anthropic 既向开发者和企业提供模型能力，也在基于这些能力构建自己的产品。平台增加的功能越多，与其他软件产品发生重叠的机会也会增加。 对用户而言，更多内置能力可能减少工具切换。对生态伙伴而言，则需要判断自身产品还能提供哪些差异化价值。Anthropic 如何平衡这两端，将影响其平台的吸引力。 如果公司未来完成上市，Labs 还需要在更明确的经营目标下，为不确定性较高的探索保留空间。不能仅凭这篇报道判断其上市时间，也无法预先确定上市后会如何调整研发投入。 至少在 Mann 的设想中，Labs 的方向并没有停留在办公与开发工具 。 他希望团队未来能参与生物研究、清洁能源存储以及其他现实应用中的突破。他认为，加速基础科学研究，将帮助 AI 为更多人带来实际收益。 这些仍是愿景，距离可验证的成果还有很长的路。但它们延续了 Labs 已经采用的工作方式：观察能力边界，寻找值得解决的问题，再通过原型检