Anthropic CEO：把模型一路做大，就真能到 AGI 吗？

AI深度研究员·2025年12月05日 09:20

Anthropic CEO：规模扩张可达AGI，但需警惕经济风险。

Anthropic

C+轮海外2019-02

人工智能安全和研究公司

36氪报道前沿技术

我要联系

2025 年 12 月 4 日，纽约曼哈顿。

《纽约时报》DealBook峰会上，主持人 Andrew Ross Sorkin 问了一个所有人都在想的问题：到 AGI（通用人工智能），还需不需要再来一次像 Transformer 那样的技术突破？

Anthropic CEO Dario Amodei 的回答是：

No,I think scaling is going to get us there.（不用，我认为持续扩大规模就能让我们到达那里）

把模型做大，把算力往上堆，按照这条扩展曲线持续推进，总有一天会撞上类人智能的临界点。

但他紧接着泼了冷水。

技术层面，他非常有信心；经济层面，他看到的却是巨大的不确定性。

Anthropic 过去三年营收增长 10 倍，但Amodei在台上给出的预测模型显示：未来 Anthropic 收入可能在 200 亿到 500 亿美元之间波动。只要在数据中心投资上算错时间点，就可能从盈利轨道滑向现金流危机。在他看来，一些玩家正在用激进方式下重注，把整个 AI 行业推向泡沫边缘。

这场对话引出了三个值得深入的问题：

持续扩大规模究竟是怎样的技术路线？

为什么 Amodei 坚信这条路，却又不断强调经济风险？

当 AI 开始重构工作方式，社会准备好了吗？

第一节 | 技术路线：Scaling Law的十年证明

不是所有人都敢把 AGI 的终极路径，说得像流水线一样简单。但 Dario Amodei 敢。

他说：

“我过去十年一直在观察 Scaling Law，从GPT 到 Claude，我们都是在这条路上。”

在这场采访里，他这样描述 AI 能力演化：你往模型里加数据、加算力、加结构上的小改动，它就会自然变强。没有神秘点，没有范式突破。推理会提升，代码会更好，科学、法律、金融、材料……模型在所有方向一起进步。

这是他的亲身经历。从GPT-2、GPT-3的早期主导者，到如今带领 Anthropic 发布 Claude 4.5。

1、Claude 的证明：不是在进化，而是在放大

在 Amodei 看来，Claude 的强大不是因为架构更复杂，而是因为整个系统沿着Scaling Law 做到了足够大、足够稳、足够实用。

Claude Opus 4.5 的发布就是一次集中展示：在SWE-bench Verified编码测试中达到80.9%，超过GPT-5.1的77.9%和Gemini 3 Pro的76.2%；在科学推理、金融应用、生物医学数据处理上，Claude 不只是能用，而是开始产生真实的决策影响。

更关键的信号来自 Anthropic 内部。

Amodei 透露，他们的工程师已经不再打开编辑器从头写代码，而是让Claude生成第一版，自己只做编辑和审核。

2、Scaling Law 的验证路径，也是一条产品化试验线

Amodei不只是相信 Scaling Law，他在用真金白银验证它。边走边投，边验证边调整。

Anthropic 三年营收曲线就是最直接的证明：从零到1亿美元，再到10亿，今年预计达到 90 亿美元。模型能力提升，企业需求跟着增长；需求增长，又推动模型继续进化。

Claude 没有做成爆款对话产品，而是深入企业一线：开发工具、自动化助手、科研合作者。这种更慢但更宽的能力拓展路径，正是 Scaling Law 在商业化层面的体现。

不是打造一个天才，而是批量复制靠谱的合作者。

他不是在等 AGI 奇点，而是在把 Claude一步步打造成一整条生产线。这条生产线积累的数据、经验、客户关系越多，就越难被复刻。

扩大规模不只是把模型做大，更是把这些积累变成竞争壁垒。

别人还在争论要不要相信 Scaling Law，Anthropic 已经用它建起了护城河。

第二节 | 经济账本：500亿投资如何不翻车

Amodei 对Scaling Law 的技术路线有信心，但他也强调：能不能做到是技术问题，做不做得起是经济问题。

模型可以持续变强，但你也必须算清楚经济账：哪一年能赚钱、要买多少芯片、什么时候可能资金断裂。

他说：

“我们每年收入翻十倍，但我必须今天就决定，要不要买 2027 年的计算资源。”

1、500 亿投入，是押注也是赌未来

Anthropic 公布了一个惊人的数字：未来四年将在美国投资 500 亿美元用于 AI 基础设施。这包括德州与纽约的数据中心，以及对微软 Azure云平台 300 亿美元的采购承诺。

但 Amodei 给出的解释是：如果我买少了，客户排队排不到就走了；如果我买多了，收入没跟上，现金流撑不住，甚至有破产风险。

他提出了一个核心概念：不确定性锥形（cone of uncertainty）。

这不是 PPT 上的增长曲线，而是 Anthropic 内部做战略预算时真正画出来的风险模型：Anthropic 明年的收入可能是 200 亿美元，也可能是 500 亿美元，这种巨大的不确定性决定了现在该买多少算力、能承受多大风险。

2、YOLO派和保守派的路线分叉

而 OpenAI 的路线截然不同。

虽然 Amodei 没有直接点名，但他在采访中提到了 Sam Altman 从巨额亏损冲向 2030 年盈利的计划，并评价道：

“我们看到有公司在YOLO（孤注一掷），把所有筹码都押上了，几乎不给自己留容错空间。”

Anthropic 的选择是另一条路：

所有算力采购按最坏10%的收入预期做预算

保留高利润率，用于覆盖未来两年scaling投资

放弃消费级入口，只服务企业客户，减少不确定变量

这不是慢，而是先确保企业能活下去。

为什么如此谨慎？因为Amodei对未来的高增长保持怀疑。

他在对话里说：过去三年，每年收入翻10倍。如果我照这条线继续推，就是明年1000亿。但我不相信真会这样增长。那只是理论上的最好情况。

他强调的是经济可行性，不是技术可能性。Claude Opus 4.5能力再好，如果企业不续费、数据中心养不起、资本断供，那Scaling Law再正确，也推不动。

真正的路线判断不是能不能做，而是值不值得投、投不投得起。

第三节 | 社会影响：谁受益，谁被替代

对于 Dario Amodei 来说，AGI 不是终点，只是过程。

技术能力每年增强，但普通人并不会自动跟上。AI 可以快速写代码、做科学研究、处理金融建模，

但谁来决定它该做哪件事？

谁来负责它做错时的后果？

谁从中受益，谁最先被替代？

这才是他更关心的问题。

1、AI 变强的同时，工作正在加速重构

Anthropic 在今年 8 月做了一次内部研究，调研了 132 名工程师和研究员。结果显示：AI 工具确实提升了生产力，让工程师能够处理超出原有专业范围的任务。但同时削弱了团队协作、导师制度和技能发展路径。整体趋势是，团队正在变成少数高手+AI的组合。

更关键的变化是：入门级工程师的工作正在被 AI 取代，写代码变成了监督代码，技术岗开始往全栈、策略、审校方向转移。

这不只是效率提升，而是职业路径的根本重构。

当新人无法通过写简单代码来积累经验时，如何培养下一代技术专家？这是 Anthropic 内部也在思考的问题。

2、Amodei的预测：比你想的更冷静，也更现实

在这场 DealBook 对话之前，Amodei已经在11月中旬的 CBS《60分钟》节目中直面过一个问题：AI 是否会让大批人失业？

他的回答很直接：是的。

AI 取代的第一批人不是工人，而是入门级白领，特别是那些在保险理赔、客服、行政、初级技术支持等岗位上工作的人。这些岗位很可能会面临大规模的工作转型压力。

但他不是为了制造恐慌，而是提出了三层解决方案：

企业层面：

不要只用 AI 减人，更要用 AI 放大人的价值。Claude 的正确用法是让一个人做原来 10 个人的产出，而不是裁掉 10 个人。

政策层面：

政府需要参与再培训，但更重要的是分配机制。如果 AI 带来每年5%-10%的经济增长，那是一个可以再分配的超级大蛋糕。

社会层面：

长期来看，人类社会的结构要调整，不再把工作当成唯一意义来源。这不是乌托邦。早在1930年，著名经济学家凯恩斯（John Maynard Keynes）就在《我们后代的经济可能性》（Economic Possibilities for Our Grandchildren）中提出过这个预言：技术进步可能最终解放我们，不再为了生存而工作。

未来，问题不再是 AGI 能不能做出来，而是你准备好怎么与它共处了吗？

这条扩展路线不只是技术问题，更是社会问题。谁能率先摸索出人机协作的有效模式，谁就赢得了未来。