什么创造了 Anthropic？

时间是有价格的

2006年秋天，他23岁，在普林斯顿读物理博士，想弄明白的是宇宙基本规律那一类问题。也是这一年，他父亲去世了。

Riccardo Amodei 是意大利裔的皮革工匠，得的是丙型肝炎。这个病在当时有得治，但治起来很苦，干扰素加抗病毒药要打满一年，副作用接近一场轻度化疗，治愈率也就五成上下。7年后的2013年12月，FDA 批准了 sofosbuvir，口服12周，治愈率超过95%，这件曾经要拿命去赌的事，从此成了门诊里的日常。

一种药从实验室走到病床，通常要十几年，每个环节都在排队，等实验结果、等临床、等审批。对大多数人来说这只是新闻里的一行字，对他来说，这十几年等掉的是父亲的命。后来他做的几乎每一个选择，都是在想办法让下一个药早点来。

嵌入推文（联网查看）

一块蝾螈视网膜：从理论物理转向生物

父亲去世后的第二年，他放下理论物理，转到神经科学系跟 Michael Berry 做研究，想做点离治病更近的事。Berry 的实验室养蝾螈，取出来的视网膜泡在培养液里能活好几个小时，照光还有反应，几百个神经元在里面互相说话。他要把这些神经元同时录下来，可那几年的多电极阵列不够用，信号太吵，他就把板子拆开自己改。

他在这里待了5年，2011年的博士论文研究的是神经回路的集体行为，拿了 Hertz 论文奖。这段经历教会他一件事，单个神经元说明不了什么，信息藏在几百个细胞一起放电的模式里，想看懂，就得同时听所有细胞说话。

毕业后他去斯坦福医学院做博士后，用质谱仪在血液和组织里找癌症的蛋白质标志物，在这里撞上了生物学的天花板。质谱仪一天能测出几百个蛋白，画出来的交互网络能铺满一面墙，每个节点都有人研究过，合在一起却没人说得清。他后来在访谈里用过「绝望」这个词，大意是一个蛋白质网络要成百上千个研究者一起做，才勉强能懂一点。

生物学慢，慢在变量太多，人脑装不下。蝾螈视网膜和蛋白网络是同一类问题，成千上万个部件互相牵连，而人类研究它们的办法，还是一个人盯一个节点。人手不够，他开始找能替人干活的东西。

堆算力：从生物学转向AI研究

2012年 AlexNet 出来的时候，他刚好是最能看懂它的那批人之一。他做了好几年神经信号处理，一眼看得懂这篇论文在说什么，一个由大量简单单元组成的网络，喂进去足够多的数据，自己就能学会认图，这和他在视网膜里看到的东西很像。

2014年11月，他离开生物学，去了百度在硅谷的 AI 实验室做语音识别，参与的 Deep Speech 2 用同一套端到端模型同时处理英语和普通话，靠的就是更多数据、更大的模型和更多 GPU。语音识别那几年只看错字率，谁数据多、卡多谁就赢，他第一次在工业界看清，不用等什么理论突破，把数据和算力堆上去，效果自然就来了。

2016年他进了 OpenAI，后来做到研究副总裁。2020年1月，他和 Jared Kaplan 等人发表了 Scaling Laws 论文，把这个直觉写成了公式，模型的误差会随参数量、数据量和算力的增长，沿着一条很平滑的幂律曲线往下走。

这条曲线是今天整个 AI 行业的地基。它意味着智能在很大程度上可以花钱买，只要肯往里砸算力，模型就会变强，强到什么程度甚至能提前算出来。对一个想让生物学提速的人来说，这是他听过最好的消息，人手不够，那就造一个不会累、能同时读完一万篇论文的东西。

GPT-2的挤牙膏式发布：似曾相识的做法

可这条曲线还有另一面。既然多砸算力模型就会变强，这件事就谁也拦不住，你不做，别人也会做。

2017年他和 Paul Christiano 等人发了一篇论文，做法很笨，让人看模型的两个回答，挑出更好的那个，再拿这个选择当奖励信号去训练模型。这就是 RLHF 的起点，它要解决的是怎么让一个越来越强的模型听人话，今天叫得上名字的对话模型，背后都有它。

2019年2月，OpenAI 说训练出了一个15亿参数的语言模型 GPT-2，但先不公开权重，先放1.17亿参数的小版本，几个月后放3.45亿的，再放7.62亿的，最后才放出完整版，前后拖了9个月。外面吵得很凶，有人说这是负责任，有人说这就是营销。可对一个在医学院待过的人来说，这套做法很眼熟，新药上市也是这么一期一期走的，先给几十个人用，看安不安全，再扩到几百人、几千人，哪一步出了问题都可能叫停。区别在于新药背后有 FDA 能喊停，GPT-2 背后没有，等权重全部公开，挤牙膏式地放也什么都没拦住。

一年多后 GPT-3 发布，1750亿参数，没有分阶段，直接开放了 API。参数涨了一百多倍，发布反倒越来越随意。这几年让他看明白的是，既然拦不住，能管的就只剩什么时候发、发给谁、发到什么程度，而这个决定并不在他手里。

2020年12月他离开了 OpenAI，同一个月走的还有好几个人。

Anthropic宪法：先防住最坏的结果

2021年初，他和妹妹 Daniela 等七个人创办了 Anthropic，他做 CEO。

他们最怕的是那种一旦发生就收不回来的事，比如有人拿模型去设计生物武器。可先不发这句话，在关键时刻很难说出口。模型训好了，对手在追，投资人在等，这时候再坐下来讨论该不该发，结论几乎一定是发。所以 Anthropic 早年做的几件事路数都一样，趁还没走到那一步，先把规矩写死。

2022年12月的 Constitutional AI 给模型写规矩，几条大白话原则当作宪法，模型答完自己对照、自己改，人只要改原则，不用再逐条标注。2023年9月的 RSP 给公司写规矩，借的又是生物学那一套，病原体越危险，实验室的防护等级就越高，模型也一样，能力到了哪一档，就得先过哪一档的测试和防护，过不了就不发。再往后是公共利益公司和 Long-Term Benefit Trust，给董事会写规矩，几位不持股的受托人能选出董事会的多数席位。

这套做法有个名字叫预先承诺，尤利西斯让水手把自己绑在桅杆上，听到塞壬的歌声也没法把船开过去，从模型到公司再到股权，这根绳子一层比一层绑得紧。

代价当然也是实打实的。Claude 2023年3月才上线，比 ChatGPT 晚了三个多月，之后公司体量一直比 OpenAI 小一圈。到了2026年，二季度收入环比涨了132%，三季度只涨了45%，招股书给的第一条原因是 OpenAI 降价抢 agent 生意，另一条是有5%到7%的收入来自拿 Claude 输出去蒸馏别家模型的客户，这部分他们预计会继续砍掉。此外，图像和视频生成他们一直没做，因为算力要留给研究和安全。

踩刹车的加速派

只看前面这些，很容易把他当成一个谨慎的人，可他其实是这个行业里最想要快的人之一。

2024年10月，他写了《Machines of Loving Grace》，里面最大胆的判断是，AI 能把人类生物学家未来50到100年的进展压进5到10年，传染病、癌症、遗传病，他一样一样算过去。从父亲那7年，到实验室里的人手不够，再到砸算力就能换来智能这件事，这篇文章把他前半生的线索全串上了。

2026年，AI 开始反过来加快 AI 自己的研发。那年9月，Anthropic 代码库里超过90%的代码是 Claude 写的，它已经在帮着做下一代的自己。

9月12日，他又写了一篇《We Must Pace the Frontier》，呼吁大家把最前沿的模型变强的速度放慢一点。文中他说自己做了12年 AI，是因为相信它能大大提高人类的生活质量，紧接着提到父亲的病，和自己从一场早期癌症里活下来。

一个最清楚晚7年意味着什么的人开始踩刹车，他的理由是，就算放慢了，进展看起来还是会很快，多出来的这些时间要好好用。他想要的始终是快，只是现在这笔账里，还需要考虑AI产生预期之外的破坏性影响。

锁进招股书的方向盘

今天早上，Anthropic 公开了招股书，代码 ANT。

股本结构里有两类股票：

1. Class T 归 Long-Term Benefit Trust，不分红，能选出董事会的多数席位

2. Class F 在七位创始人手里，握着50.1%的投票权

这意味着买股票的人无法改不了这家公司的方向，此外风险因素里还有一句举重若轻的话——Anthropic在安全上的投入往往没有明确的回报。

6年前在 OpenAI，模型什么时候放、放给谁，这个决定不在他手里。今天他用两类股票，把决定权锁在了创始人和信托手里。

“这些措施不会容易。但我相信，我们欠人类一次尝试。”达里奥·阿莫代伊在9月那篇长文的最后这样写。