估值9000亿美元，18个月营收增长500倍，Anthropic以40%市占率登顶企业AI市场，将OpenAI拉下王座。它不追AGI热点、不砸天价广告，靠“安全”作为核心卖点，从第一天起只做企业客户。本文拆解其“不卷”GTM策略背后的道、术、器、用，揭示这家AI巨头如何用安全合规撬动金融、医疗等高监管行业。

有人说它是硅谷最”佛系”的AI巨头——估值9000亿美元（投前，2026年5月），却从不对标OpenAI的打法。

它不追AGI热点、不砸天价广告、不靠天价薪资挖人。

但就是这样一家AI-Native公司，在18个月内完成了从年收入8700万美元到450亿美元年化营收的增长，企业客户从不足1000家激增至30万家，并以40%的市占率将OpenAI从企业AI的王座上拉了下来。

它是怎么做到的？

先抛三个问题

第一个问题：目前AI行业估值最高的未上市公司是哪一家？

多数人第一反应是OpenAI，正确答案在2026年5月已经变了。

Anthropic正在进行一轮300亿美元的融资，投前估值9000亿美元，投后估值将超过万亿美元。

OpenAI的最新融资估值8520亿美元，IPO目标虽然也是破万亿，但Anthropic的增长曲线更陡——从1000亿到9000亿，它只用了不到两年。

第二个问题：哪家公司率先实现了AI业务的季度盈利？

2026年第二季度，Anthropic预计实现5.59亿美元的营业利润——这是AI大模型公司成立以来第一次赚钱，比它自己给投资人的预测提前了整整两年。

同一时期，OpenAI一季度的调整后营业利润率是-122%，每赚1美元倒亏1.22美元。

走的人开始赚钱了，留下的人每赚一块还在倒贴一块二。

第三个问题：在企业AI采购市场，哪家公司拿下了最多的份额？

2025年12月，硅谷顶级风投Menlo Ventures发布了《2025企业生成式AI年度报告》。报告里的数据让整个行业炸了锅：Anthropic以40%的市占率登顶企业AI市场第一名。

这个数字比上一年的24%提升了16个百分点，是2023年（12%）的三倍多。

而曾经占据半壁江山（50%）的OpenAI，在2024年跌至34%后，2025年进一步滑落至27%。

这三个问题的答案，指向的是同一家公司，和同一套商业策略。

到底做对了什么？

如果用一句话先回答这个问题——Anthropic赢在它从第一天起就没有选择“AI行业的主流打法”——不卷。

当整个行业都在卷”更大模型、更多算力、更高薪资、更响营销”的时候，Anthropic选择了一条完全相反的路：

-OpenAI先做消费者（ChatGPT），再做企业。Anthropic从第一天起就只做企业。

-OpenAI靠品牌声量获客。Anthropic靠安全合规获客——把竞争对手被迫回答的合规问题，变成自己的核心卖点。

-OpenAI不断扩充团队规模。Anthropic用AI工具把团队的人效放大10倍——一个不会写代码的人扛起整个增长营销部，撑了十个月。

-OpenAI用薪酬留人。Anthropic在Meta开出1亿到5亿美元天价挖人的时候，只损失了2名员工。

这套”不卷”GTM策略及背后的完整逻辑，就是这篇文章要拆解的内容

但拆解之前，有必要先讲清楚一个问题：这家公司是怎么来的？

因为在我看来，Anthropic能走到今天，根子上的原因在成立的那一刻就已经种下了。

01 创始人故事——从OpenAI出走，到底在坚持什么？

很多分析Anthropic的文章，会跳过它的起源直接讲产品。但我觉得还差了一个东西。

一家公司的GTM策略，本质上是创始人世界观的延伸。如果你不理解Dario和Daniela Amodei兄妹为什么离开OpenAI，你就无法理解Anthropic为什么从第一天起就不追消费者市场，为什么把”安全”写到基因里，为什么公司文化看起来像个”邪教”（用前员工的话说，褒义的）。

离开OpenAI：不是因为OpenAI做错了什么

这个故事的起点在2021年。

Dario Amodei和Daniela Amodei兄妹，都是OpenAI的早期核心成员。Dario在OpenAI期间主导了GPT-2和GPT-3的研发，并且提出了RLHF（基于人类反馈的强化学习）技术——这项技术让大模型第一次学会了按照人类意图对话。Daniela则是OpenAI的安全团队负责人。

2021年，他们带着另外5名核心成员离开了OpenAI，创立了Anthropic。

外界当时的解读是”内斗”或”理念不合”。但Dario后来在多次访谈中说得很清楚：不是OpenAI做错了什么，而是他们想用一种不同的方式做AI。

这个”不同的方式”具体指什么？有两个核心分歧——

分歧一：安全与能力的优先级。

OpenAI的路线是”先做出强大的东西，再解决安全问题”。这也是整个行业的主流路线。Anthropic的路线是”安全和能力必须同步推进，甚至安全要走在前面”。

这个分歧在今天看起来可能”政治正确”，但在2021年，这等于主动放弃速度优势。当竞争对手每个月都在发布新模型、抢占头条的时候，Anthropic在干吗？在写”负责任扩展政策（Responsible Scaling Policy, RSP）”，在发表论文讨论”AI系统的意外副作用和探索风险”。

分歧二：公司治理的方式。

OpenAI有著名的”非营利→ capped-profit → 与微软深度绑定”的治理结构。Dario和Daniela对这条路上的治理透明度有顾虑。当他们离开的时候，OpenAI的治理结构已经基本定型，他们能影响的范围越来越小。

所以出走，不是因为OpenAI做错了，而是因为他们想用”自己相信的方式”做一家公司。

兄妹搭档：一个管技术，一个管人

Anthropic的创始人结构非常特殊——它是硅谷极少数由兄妹搭档共同领导的前沿AI公司。

Dario Amodei，CEO，普林斯顿大学生物物理学博士，赫兹奖学金（美国最顶尖的科研奖学金之一）获得者。职业生涯轨迹：百度 → Google → OpenAI（主导GPT-2/3研发，提出RLHF）→ Anthropic。

他的公开形象是”温和但极其坚定”。在访谈中，他不会像Sam Altman那样妙语连珠，但每句话都经过精确权衡。他最著名的一个观点是：“AGI是多巴胺诱饵，不值一提。”他认为与其纠结于一个模糊的、被营销化的概念，不如关注模型在具体任务上能力的真实提升。

Daniela Amodei，总裁，同样在OpenAI负责安全团队。她的公开露面比Dario少得多，但在公司内部，她主导了Anthropic最核心的两件事：招聘标准和文化构建。关于她如何定义招聘筛选标准、以及这套标准如何支撑起Anthropic行业最高的员工留存率，见07。

“Constitutional AI”：给模型写一部”宪法”

离开OpenAI之后，Anthropic做的第一件有标志性意义的事，不是发布模型，而是提出了一个概念——Constitutional AI（宪法AI）。

这个概念的核心思想是：不让模型从海量互联网数据中”自学”价值观（因为互联网本身就有偏见、有毒内容、相互矛盾的观点），而是给模型一个明确的”宪法”——一组由人类事先定义好的原则和约束——让模型按照这部”宪法”来调整自己的输出。

这部”宪法”的来源是什么？Anthropic公开说，它参考了联合国人权宣言和Google DeepMind的Sparrow Rules。换句话说，它试图用人类社会已经达成共识的伦理框架，来约束一个AI系统的行为。

今天回过头看，”宪法AI”在2022年提出的时候，很多人觉得是”营销概念”。但放到企业采购的场景里，它恰恰是Anthropic日后攻下金融、医疗、法律等高监管行业的核心敲门砖。

一家银行的风控负责人不会问你”你的模型在MMLU基准上多少分”，但一定会问”你的模型会不会被prompt注入后胡说八道？输出是否可审计？训练数据有没有版权风险？”

Constitutional AI就是为这些问题准备的答卷。

02 GTM的”道”——安全不是成本，是ToB最锋利的销售武器

讲完了创始人故事，现在可以进入正题了：Anthropic的GTM策略到底是怎么设计的？

我们把它拆成”道、术、器、用”四个层次来讲。这一章先讲”道”——也就是最底层的选择。

一个被市场验证的悖论

在大多数人的认知里，”安全”是成本中心。做安全意味着更多的限制、更慢的迭代、更高的合规负担。但Anthropic用五年的时间证明了另一件事——

安全本身就是最强大的B2B销售主张。

Daniela Amodei在公司五周年访谈中说了一句很关键的话：安全不是事后的补丁，而是内嵌在模型基因里的“护栏”。这家公司的创立初衷，就是为了建立一家将”安全性”与”可靠性”置于核心地位的前沿AI公司。

这句话听起来很”政治正确”，但放到企业采购场景里，它就是一个实打实的决策因子。

想想看：一家银行要把AI部署到风控流程里，一家药企要用AI生成临床文档，一家政府机构要用AI处理机密文件——他们最关心的是什么？不是模型在某个基准测试上多了两个点，而是这个模型会不会胡说八道？数据会不会泄露？出了问题谁负责？

Anthropic的”安全”定位，恰好击中了这个痛点。它把竞争对手被迫回答的合规问题，变成了自己的核心卖点。

数据不会说谎

Dario Amodei在2025年8月接受采访时披露：公司60%-75%的收入来自API，而API收入的大头正是法律、金融、制药这些对精度和稳定性要求极高的行业。

这不是偶然。在这些高价值场景里，”不出错”比”更聪明”重要一百倍。而Anthropic从第一天起就把”不出错”写进了产品基因。

Menlo Ventures的报告也印证了这一点：2025年，只有24%的企业选择自建AI（2024年这个比例是47%），76%的企业选择直接采购现成模型。而在模型选择上，闭源模型占据了89%的市场份额，开源模型仅占11%。

这意味着什么？意味着企业客户正在用真金白银投票——他们愿意为“可控、可信、可审计”的AI付溢价。而这恰恰是Anthropic的主场。

03 商业模式拆解——一家”卖token”的公司如何做到年入450亿美元？

在开始GTM的具体战术之前，我们必须先搞清楚一个最基本的问题：Anthropic到底靠什么赚钱？赚了多少？

这个问题看似简单，但答案可能会颠覆你对AI公司的认知。

一条令人惊叹的增长曲线

先看数字。Anthropic的年化营收（run-rate revenue）轨迹如下：

从8700万到450亿，不到两年半，增长了500多倍。

更关键的是，2026年第二季度Anthropic预计实现5.59亿美元的营业利润——这是公司成立以来首次盈利，比它给投资人的预测提前了整整两年。

作为对比，同一时期OpenAI一季度的调整后营业利润率是-122%——每赚1美元，倒亏1.22美元。

走的人开始赚钱了，留下的人每赚一块还在倒贴一块二。这个画面本身就足够魔幻。

四条收入线：80%来自”你看不见的地方”

Anthropic的钱来自哪里？综合多方公开报道，它的收入结构大致是这样的：

一个关键事实：约80%的收入来自API和企业合同——也就是其他公司把Claude嵌入自己产品后按token付费。

Anthropic从未碰触那些终端用户，这与OpenAI形成了鲜明对比。

OpenAI是一家有API的消费者公司——它大部分的钱来自2000万+付费ChatGPT用户。Anthropic是一家有聊天机器人的基础设施公司——它大部分的钱来自企业把Claude编进自己的系统。

这个区别为什么重要？因为嵌入式的API收入远比消费者订阅更”粘”。

一旦Claude被编进了一家公司的产品流水线，换掉它意味着重写代码、重训prompt、重建整个工作流。这种迁移成本，就是Anthropic最坚固的护城河。

模型分层定价：一次调用赚三次钱

Anthropic的API定价采用了三级模型分层策略，让它在同一次客户调用中覆盖不同价格带：

• Opus（旗舰）：约$15/百万输入token，$75/百万输出token——用于最难推理的任务
• Sonnet（中端）：约$3输入/$15输出——承担Agentic工作流的主力
• Haiku（轻量）：不到$1/百万输入token——用于廉价分类和简单任务

一个客户可能用Haiku做初筛分类、用Sonnet跑主体工作流、用Opus只处理最难的推理步骤。Anthropic在整条价格-性能曲线上都能收钱，而不是被迫用一个模型通吃所有场景。

Claude Code：增长最快的”现金牛”

在所有收入线里，Claude Code是增速最惊人的。2025年5月上线，仅6个月就达到了10亿美元的年化收入。

为什么编程场景这么赚钱？因为编程工作负载天然是高token消耗的。一个工程师跑Agentic编程会话，一天消耗的token可能比一个普通聊天用户一个月还多。而且编程是输出密集型——而输出token的定价是输入的5倍。

Anthropic还告诉投资人一个关键数据：有超过1000家企业客户每年在Claude上的花费超过100万美元。而在2026年2月，这个数字还是500家——三个月翻了一倍。

单位经济学的转折点

最后说一个容易被忽略但极其重要的细节：Anthropic的算力成本正在快速下降。

2026年一季度，Anthropic每赚1美元营收，算力成本是71美分。到了二季度，这个数字预计降到56美分。

这意味着Anthropic不仅赚得更多了，而且花得更少了。推理毛利率已经跑到了50%-60%的区间。 虽然公司整体仍因巨额训练成本和算力承诺而cash-flow为负（五大供应商合计承诺超过3300亿美元算力支出），但边际推理已经是一个赚钱的生意了。

这就是Anthropic商业模式的底层逻辑：卖token，卖编程token，卖嵌入企业核心流程的编程token。越深入客户业务，token消耗越大，迁移成本越高，定价权越强。这不是一个”用户增长故事”，这是一个”基础设施渗透故事”。

04 GTM的”术”——四条增长曲线的精密编排

如果说”安全”是Anthropic GTM的道，那它的”术”就是一套精密编排的多线作战体系。可以把它归纳为四条增长曲线——

第一曲线：开发者生态——用”最会写代码的AI”卡住技术入口

这是Anthropic最锋利的一刀，也是最漂亮的一仗。

Menlo Ventures的数据显示，Anthropic在AI编程市场拿下了54%的份额，几乎是OpenAI（21%）的2.5倍，Google（11%）的近5倍。这个数字比半年前（42%）又涨了12个百分点。

Anthropic怎么做到的？三个关键动作：

第一，在模型层面死磕编程能力。从2024年6月Claude Sonnet 3.5发布以来，Anthropic在LLM编程排名上创下了”18个月连续领先”的纪录。18个月前，模型在编程基准测试中只能拿3%，现在已飙到72%-80%。

第二，推出Claude Code——一个“杀手级”终端编程工具。2025年5月正式上线，仅6个月就达到了10亿美元的年化收入。Netflix、Spotify、KPMG、L’Oreal、Salesforce等企业都在用它。Anthropic内部90%以上的代码也是Claude Code自己写的。

第三，也是最关键的——收购Bun和Stainless，卡住开发者工具链的咽喉。

2025年12月，Anthropic以未公开金额收购了JavaScript运行时Bun。Bun月下载量超过700万次，GitHub上拥有超过82000颗星，被Midjourney、Lovable等明星公司采用。这是Anthropic历史上的第一笔收购。

然后到了2026年5月，Anthropic以超过3亿美元收购了SDK生成工具Stainless。这笔收购的意义远不止”补强工具链”这么简单——Stainless的客户名单里赫然列着OpenAI、Google、Meta、Cloudflare、Replicate、Runway。换句话说，Anthropic一夜之间掌握了竞争对手触达开发者的SDK入口管道。

收购当天，Stainless的SaaS服务即告关停。竞争对手的SDK更新节奏、版本迭代、路线图主导权——一夜之间易手。

这一系列动作背后的逻辑非常清晰：谁控制了开发者工具链，谁就控制了AI应用的底层生态。当开发者习惯了用Claude写代码、用Bun跑代码、用MCP连接工具，迁移到GPT或Gemini就意味着重建整套工作流。这个迁移成本，就是Anthropic最强的护城河。

第二曲线：企业直销——用”安全+可靠”攻下高价值行业

开发者生态卡住了”自下而上”的入口，企业直销则是”自上而下”的渗透。

Anthropic在这条线上的布局可以用”豪华”来形容：

-Paul Smith，前ServiceNow首席商务官，2025年加入担任首席商务官

-Chris Ciauri，前Google Cloud EMEA总裁、Salesforce EMEA EVP（在Salesforce期间将EMEA收入从不到2亿美元做到超过30亿美元），2025年9月加入担任国际业务董事总经理

-Kate Jensen，负责美洲区销售和合作伙伴关系，同时管理Amazon和Google两大云合作伙伴的直接GTM

-Guillaume Princen，EMEA负责人；Hidetoshi Tojo，日本市场负责人

这套全球销售领导班子的配置，反映的是一个明确的战略判断：企业AI的战场不在硅谷，而在伦敦的金融城、东京的制造业、法兰克福的制药厂。

Anthropic拿出的客户案例也极具说服力：

-Novo Nordisk（诺和诺德）：临床文档时间从10周以上压缩到10分钟，减少了99.9%，审查周期缩短了50%

-NBIM（挪威主权财富基金，全球最大）：实现了约20%的生产力提升，相当于21.3万小时，覆盖9000多家投资组合公司的分析能力

-欧洲议会：将210万份历史文献转化为多语言可访问格式

-SK Telecom：客户服务质量提升34%

-Commonwealth Bank of Australia：客户诈骗损失减少50%

-Rakuten（日本乐天）：使用Claude Code后功能开发时间减少79%

-United Airlines：个性化客户消息和响应速度显著提升

-TELUS：57000名员工使用Claude，创建了13000多个定制AI解决方案，工程团队代码交付速度提升30%，节省超过50万小时

这些案例有一个共同特征：都是”高价值、高门槛、高风险”的B2B场景。这些场景天然排斥”能用就行”的解决方案，天然倾向于”安全、可靠、可审计”的供应商。Anthropic的定位和这些需求几乎是完美咬合。

第三曲线：云平台分销——借力打力，三云全覆盖

Anthropic的第三个增长引擎，是它精妙的云平台合作关系。

2025年11月，Microsoft、NVIDIA和Anthropic宣布了一项震撼业界的战略合作：Anthropic承诺向Azure采购300亿美元的算力，Microsoft和NVIDIA分别承诺投资最多100亿和50亿美元。通过这笔交易，Claude成为了唯一一个同时在AWS、GCP和Azure三大云平台上可用的前沿模型。

此前，Anthropic已经深度绑定了AWS（Amazon总投资达80亿美元，使用AWS Trainium和Inferentia芯片训练模型）和Google Cloud（Google投资超过30亿美元）。

这套”三云全覆盖”策略的精妙之处在于：

1. 渠道杠杆最大化：每一个云平台都有自己庞大的企业客户群，Anthropic通过三大平台同时触达，等于把自己的销售网络放大了数万倍
2. 避免被单一供应商绑定：不像OpenAI深度依赖Azure，Anthropic在多云之间保持灵活
3. 算力就是战略储备：300亿美元+的算力承诺，确保了模型训练的持续性，也向市场释放了”我们有能力持续领先”的信号

同时，Microsoft还承诺让Claude继续接入Copilot家族（GitHub Copilot、Microsoft 365 Copilot、Copilot Studio），这意味着Anthropic的模型将通过Microsoft庞大的企业用户群获得海量分发。

第四曲线：生态战略——从”模型供应商”到”AI基础设施”

如果说前三曲线是”卖产品”，那第四曲线就是”建生态”。Anthropic正在从一家模型公司进化为AI基础设施平台。

MCP协议——可能是Anthropic最重要的产品。

Model Context Protocol（模型上下文协议）是Anthropic在2024年末主导提出的开放协议，旨在标准化AI Agent如何发现、调用和与外部工具交互。把它类比为AI世界的HTTP或USB-C可能并不夸张。

截至2026年中，MCP生态的数据令人瞩目： -9700万+月度SDK下载量 -5800+活跃MCP服务器 – AWS Strands已集成MCP动态工具发现 – Expedia正在构建面向旅游库存的B2B MCP Server -Microsoft将MCP集成进了Windows

Anthropic的CPO Mike Krieger在访谈中说了一句意味深长的话：MCP的愿景是”让一切都变成MCP端点，让整个数字世界被AI Agent脚本化和可组合化”。

如果这个愿景实现，Anthropic就不再是一家”卖模型”的公司了——它会成为AI时代的底层协议制定者。

就像TCP/IP定义了互联网的通信方式，MCP想要定义AI Agent与外部世界的交互方式。这个生态位一旦建立，其护城河远比任何一个模型版本要深。

Founder’s Playbook——用方法论锁定下一代创业者。

2026年5月，Anthropic发布了一份36页的PDF——《The Founder’s Playbook: Building an AI-Native Startup》。

这份手册的发布时间点非常巧妙：就在前一天，Anthropic刚刚推出了”Claude for Small Business”产品——一套预构建的自动化工作流，直接集成到QuickBooks、PayPal、HubSpot等商业工具中。

手册+产品，一前一后，形同一套连贯的组合拳：前者提供思想层面的框架，后者提供工具层面的支撑。

这不是一份公益读物，而是一份精心设计的生态培育工具——用方法论吸引创业者进入Anthropic的生态体系，用产品让他们留下来。

手册中有一句话在硅谷创业圈被疯狂转发：”AI时代，创立公司的瓶颈不再是你能造什么，而是你选择造什么。”

这句话的分量在于：它既是一句哲学洞察，也是一句销售话术——”选择造什么”的前提，是选对工具。而Anthropic希望那个工具是自己。

05 定价策略：从”养熟”到”收割”的四种刀法

任何GTM策略都绕不开定价。而Anthropic在定价上的操作，堪称一堂教科书级的”精细化收割”案例。

从”养熟”到”收割”的三次关键切割

可以总结为三个阶段：

第一刀：限制第三方Agent框架

Pro（$20/月）和Max订阅用户不再支持OpenClaw等第三方Agent框架。背后的原因是——开发者利用$20的Pro订阅运行自动化任务，消耗的算力远超订阅价格。这叫”用健身房月卡的钱享受私教服务”。

第二刀：企业版转向按量计费

从固定月费模式改为”底座+按量计费”。触发因素是Claude Code周活跃用户数翻倍，固定费用模式的利润压力过大。这一步的本质是：将算力消耗风险从供应商转移到客户身上。

第三刀：Pro套餐砍掉核心编程功能

将Claude Code编程功能从Pro（$20/月）移除，抬升至Max 5x套餐（$100/月）。这意味着过去$20能获得的编程能力，现在需要付出5倍价格。

四种”收割”刀法叠加

Anthropic将四种经典定价策略叠加使用，形成了一套精密的价格歧视体系：

拆分维度具体操作行业类比按时间拆分Max用户高峰期优先响应，新功能优先对Max开放视频平台”超前点播”按完整性拆分Pro砍掉Code功能，完整体验需升级Max游戏行业DLC模式按能力拆分Opus/Sonnet/Haiku三级模型分层，高级模型配额更紧Adobe订阅内分级按用量拆分企业版按token计费，第三方调用走API按量付费AWS按使用量付费

这套组合拳的逻辑是：先用低价（免费版+$20 Pro）培养用户依赖，再通过密集上线官方功能替代第三方工具，最后通过功能拆分和按量计费实现精细化涨价。

但这里有一个重要的反直觉点：这种“收割”之所以可行，恰恰是因为Anthropic在产品层面建立了足够的不可替代性。

如果Claude Code不是业内最强的编程工具，用户根本不会忍受$20到$100的五倍涨价。定价权的本质是产品力——这个道理在Anthropic身上体现得淋漓尽致。

06 GTM团队：一个不会写代码的人，扛起整个公司的增长营销部

讲完了定价，我们来看看执行定价和GTM策略的人。

这可能是Anthropic整个GTM体系中最让人瞠目结舌的部分——也是对”AI Native组织长什么样”这个问题最生动的回答。

一个人的增长营销部

2026年3月，一条推文引爆了科技圈。发帖人Ole Lehmann称：Anthropic这家估值9000亿美元的公司，整个增长营销团队只有一个人——而且是一个不会写代码的非技术背景营销人员，独自负责付费搜索、付费社交、应用商店优化、邮件营销和SEO，持续了近十个月。

帖子发出后被质疑，但当事人Austin Lau亲自出来确认了：写那篇报道时他确实是唯一做增长营销的人，一个人撑了将近十个月。

一个人的增长营销部，扛起的是一家年化营收从20亿冲向450亿的公司。

这到底是怎么做到的？

Austin Lau的AI工作流：三套”杀手级”自动化

Anthropic在2026年1月底发布了一份官方白皮书《How Anthropic’s teams use Claude Code》，覆盖了从数据基础设施到法务部门在内的十个团队案例。增长营销是其中之一，白皮书将其描述为一个“非技术型的一人团队”，依靠Claude Code自动化重复性营销任务。

Austin Lau从未写过一行代码。他第一次接触Claude Code时甚至需要去Google搜索”如何在Mac上打开终端”。但一周之后，他搭建了三套完全改变工作方式的自动化流程：

第一套：Figma广告变体批量生成插件。

做付费社交广告和应用商店营销，需要在Figma里处理大量视觉素材。如果10种文案变体要适配5种不同长宽比，这种机械操作轻松耗掉半小时。

Austin用自然语言把痛点描述给Claude Code，让它参考Figma API文档，边研究边做原型，最终做出了一个插件——选中一个静态图片框架，插件自动识别其中的标题、CTA按钮等组件，然后从文案列表中批量生成独立的Figma框架。

单次批处理最多生成100个广告变体，每批耗时约半秒。过去30分钟的手动操作，缩短到30秒。

第二套：Google Ads响应式搜索广告（RSA）文案生成工作流。

Google Ads对标题限制30个字符、描述限制90个字符。过去Austin需要在Google表格里写草稿、手动数字符、再逐条贴进后台。

他在Claude Code中创建了一个自定义斜杠命令”/rsa”，触发后系统要求输入投放数据、现有文案和关键词，然后交叉引用他预设的”Agent Skills”——包含Anthropic的品牌调性、产品准确性规范和Google Ads RSA最佳实践。

系统使用了两个分工明确的子智能体：一个专门写标题，一个专门写描述，各自在各自的字符约束内工作。最终输出15条标题和4条描述，打包成可直接上传的CSV文件。

第三套：Meta Ads MCP服务器——打通数据闭环。

这可能是最硬核的一套。Austin搭建了一个连接Meta Ads API的MCP服务器，通过这个集成，他可以直接在Claude桌面应用里查询广告投放表现、花费和各条广告的效果——”这周哪些广告转化率最高””我在哪里浪费了预算”这类问题直接问Claude拿实时答案。

更关键的是闭环记忆系统：记录每一轮广告迭代中的假设和实验结果，下一轮变体生成时Claude自动调取历史数据，让新文案建立在过往测试基础上。

这个系统每个周期后都变得更聪明一些。这种跨数百条广告的系统化实验追踪，在传统团队里通常需要一个专职数据分析师。

一人团队测试的广告变体覆盖的渠道和数量，超过了大多数完整规模的营销团队。

但”1人”不是全部真相

需要补充一个重要的上下文：增长营销（growth marketing）≠ 整个GTM。

Anthropic有完整的品牌、产品营销和传播团队。Austin Lau负责的是效果营销这条线——付费投放、应用商店优化、SEO这些可量化渠道。

他的工作流依赖的文案和品牌资产，最初也是由文案团队协作生产的，Claude在此基础上做变体生成和规模化测试。

从公开信息拼凑出来的Anthropic GTM团队结构大致是这样的：

-企业销售线（搭配ABM营销团队）——由CCO Paul Smith挂帅，下设美洲区（Kate Jensen）、EMEA（Guillaume Princen）、日本（Hidetoshi Tojo）、国际业务（Chris Ciauri）。这条线负责大客户直销，是收入的主力。

-云合作伙伴线——Kate Jensen同时管理Amazon和Google两大云合作伙伴的直接GTM，加上Azure（通过Microsoft合作），三朵云的分销渠道由此打通。

-产品营销线——负责品牌资产、产品定位、内容生产，为效果营销提供”弹药”。

-增长营销线——Austin Lau所在团队，负责付费搜索、社交广告、ASO、SEO等可量化渠道。团队后来扩充了人手，但用Austin的话说，”我们的战斗力远超我们的人数”。

-开发者关系线——通过Claude Code、MCP协议、GitHub开源项目、Founder’s Playbook等触达开发者社区，属于”不花钱的GTM”。

这套结构的核心特征是：销售和渠道是重兵投入的“正规军”，品牌和增长是极度精简的“特种部队”。

这和Anthropic”80%收入来自API+企业”的商业模式完全匹配——你不需要在消费者市场铺天盖地打广告，你只需要让开发者和企业IT决策者知道你、信任你、用上你。

超级碗：品牌营销的”反向操作”

2026年2月，Anthropic在超级碗投了电视广告——那显然不是一个人能搞定的事。

说到超级碗广告，这也就是一个值得拆解的GTM案例。

2026年超级碗吸引了约1.25亿美国观众。OpenAI、Google、Meta都在黄金时段投了广告，内容套路都差不多——展示AI如何”改变世界”。

Anthropic反其道而行。它推出了一组带有自嘲和讽刺意味的广告，公开嘲笑了当前AI广告中泛滥的陈词滥调。原定标语是火药味十足的”广告正在进入AI，但不会进入Claude”——在OpenAI CEO Sam Altman斥其”不诚实”后，播出时改为更温和的”广告自有其时间与场合，但你和AI的对话不该是其中之一”。

这个策略精准捕捉到了大众对AI过度炒作的审美疲劳。通过嘲讽空洞的AI承诺，Anthropic建立了一个更真实、更透明的品牌形象。

广告直接推动了Claude移动端应用在App Store排名飙升，跻身总榜前十，用户增长约11%。

这就是Anthropic品牌营销的调性：不假装自己是救世主，而是承认AI的局限，然后用诚实建立信任。这和它在企业市场的”安全”定位完全一脉相承。

07 公司文化即战略 使命感远高于金钱

任何商业策略的最终执行者是人。

但在Anthropic，文化不只是执行力的保障，文化本身就是GTM策略的一部分——它是品牌叙事的源头，是客户信任的根基，是人才护城河的底层逻辑。

一个让Meta都挖不动的团队

SignalFire的研究数据显示：Anthropic在2021年至2023年初招聘的员工中，80%在两年后仍然留在公司。这个留存率在AI行业是最高的——Google DeepMind是78%，OpenAI是67%，Meta是64%。

更夸张的是offer接受率：95%。在2025年夏天Meta开出1亿到5亿美元天价薪资挖人时，Anthropic只损失了2名员工。作为对比，规模约为Anthropic 1.5倍的OpenAI，损失了按比例算10-20倍于Anthropic的员工。

Dario Amodei对此的回应非常简单：“你在这里是为了使命。”他拒绝匹配竞争对手的天价offer，理由是一旦匹配就会”分裂和破坏文化”。在一次内部全员会上，他留下了一段后来被科技媒体广泛传播的话：

“如果你加入是因为使命，那么当别人出更多钱的时候，你不会走。如果你加入是因为钱，那么当别人出更多钱的时候，你一定会走。我们不想匹配竞争对手的offer，因为那会分裂和破坏文化。他们试图购买一些你买不到的东西——那是对使命的承诺。”

这段话后来成了Anthropic人才哲学最浓缩的表达。

而数据也验证了这套逻辑：2025年夏天Meta的Superintelligence Labs带着1亿到5亿美元的offer扫荡硅谷时，Anthropic只损失了2名员工。

作为对比，规模约为Anthropic 1.5倍的OpenAI，损失了按比例算10-20倍于Anthropic的员工。

文化的四个支柱

从多方公开信息来看，Anthropic的文化体系建立在四个支柱上。

支柱一：使命驱动的前置筛选。

Anthropic的招聘哲学从一个极其简单的前提出发：公司想要的是那些即使竞争对手出更多钱也依然会选择加入的人。整个招聘流程都围绕这个目标设计。

使命对齐从第一次对话就开始筛查，一直到专门的价值观面试环节——这是一个真正的门槛，不是走形式。面试官评估候选人对长期影响、下行风险和伦理权衡的思考方式。

一位技术招聘官的原话：”你可以是世界上最聪明的工程师，但如果你不能对前沿AI的风险和挑战表达出深思熟虑的观点，你走不远。”

这与OpenAI形成了结构性差异——OpenAI也硬筛技术能力，但不会在价值观对齐上做同等程度的explicit gate。Anthropic的赌注是：在上游筛选使命感，能减少下游的留存工作。

支柱二：CEO当“文化编辑器”。

Dario Amodei把30%-40%的时间花在企业文化建设上，而不是产品或技术决策。这在科技CEO中极为罕见。

他的沟通方式很有意思——通过长篇的、书面的、论文式的信息在内部平台与全员沟通。

他每两周举办一次全员会议（他称之为”DVQ”——Dario Vision Quest），在一小时内不加过滤地向全公司同步真实的思考、困惑和决策逻辑。

他的原话：”如果你有一群你信任的人——我们确实在招聘值得信任的人——你就可以完全不加过滤地说真话。”

他还维持着一个活跃的Slack频道，一周内随时回复员工问题。这种模式让人想到Bridgewater的Ray Dalio的”极度透明”哲学，但应用在了AI研究领域。

支柱三：书面辩论驱动的决策文化。

Anthropic的决策不是从会议里长出来的，而是从长篇书面交锋中长出来的。

领导层偏好结构化论证：提案、反驳、修订。

绩效评估在很大程度上取决于三个维度：书面推理的质量、认真对待对立观点的能力、以及在出现新证据时更新信念的意愿。

这些被描述为”不是抽象的能力，而是做AI安全工作所需的精确技能”。

想想看——一家用书面辩论和结构化论证来决策的AI公司，它的客户在采购时感受到的严谨和可审计性，不是表演出来的，而是从内部文化里自然生长出来的。

文化即产品，产品即文化。

支柱四：工程与研究不分家。

Anthropic的职业发展不把工程和研究分成两条轨道。入职时的title不如之后涌现的贡献路径重要。

所有Anthropic的论文都有工程师署名，经常是第一作者。

这背后的哲学是：安全研究必须与工程实现紧密耦合。而在实践中，前沿AI工作每天都在模糊工程与研究的边界。

这种”不分家”的文化也成了一个人才磁铁——吸引那些不想被塞进单一轨道、在多个维度都有能力的”通才型”人才，而这恰恰是前沿AI工作最稀缺的人才类型。

文化本身就是品牌。

当Dario Amodei把30%-40%的时间花在企业文化建设上，当Daniela Amodei把”沟通能力、高情商、善良、好奇心”作为核心招聘标准，当公司七位联合创始人在五年后依然全员在岗——这些信息本身就是最有力的品牌叙事。

08 为什么是Anthropic而不是OpenAI？

写到这里，一个自然而然的问题是：为什么拿下企业市场的是Anthropic，而不是OpenAI？

这两家公司从基因层面就选择了不同的战场。

OpenAI的路径是”从C端到B端”——先用ChatGPT建立全球消费者心智，再试图向企业市场渗透。

这条路径的优势是品牌知名度极高，劣势是消费者产品的“随意感”和“泛用性”与B2B客户对“稳定性”和“安全性”的需求之间存在结构性张力。

当你的模型因为一个prompt就能被诱导说出不当言论时，银行和药企不会把它部署到核心流程中。

Anthropic的路径恰好相反——从B端到B端。

它从未试图在消费者心智上和ChatGPT正面竞争。CPO Mike Krieger说得很直白：

“我们不试图在消费者心智上打败ChatGPT——相反，我们在加倍押注差异化和专注。开发者喜欢我们，构建者用我们创造东西，我们在Agent行为和编程方面表现出色。拥抱你是谁、你能成为什么，而不是别人是谁。”

这种”认怂”背后是极其清醒的战略判断：在AI这个赛道，消费者市场赚的是流量和声量，企业市场赚的是真金白银和长期护城河。

Menlo Ventures的数据也证明了这一点——2025年企业AI市场规模达到370亿美元，同比增长220%。

写在最后：”不卷”才是”最极致的卷”

Anthropic的GTM策略中一个隐藏的、几乎哲学层面的选择：在一个人人都在“卷”的行业里，选择不卷。

不卷AGI概念——Dario Amodei公开说”AGI是多巴胺诱饵，不值一提”。

不卷消费者流量——不跟ChatGPT抢C端用户。

不卷人才薪资——不匹配Meta的天价offer。

不卷营销声量——即便投超级碗广告，也是用”自黑”和”反AI套路”的方式做差异化，而不是堆砌宏大叙事。

这种”不卷”却成就了原本默默无闻却慢慢逆袭的Anthropic。而在这”不卷”的背后，其实是”最极致的卷”。

因为它要求企业、要求创始人、要求管理者做更难的事情：不是跟风、是判断；不是加资源、是取舍；不是更快地做错的事、而是更慢的做对的事。

当AI行业的所有玩家都在用同一种方式竞争（更大模型、更多算力、更高薪资、更响营销），Anthropic选择了另一种方式。

而40%的企业市占率、近万亿市值、首个盈利等一系列结果最终证明——那个选择”不卷”的人，最终（至少现阶段）”卷”赢了所有人。