Anthropic 内部拥有一支约 20 人的团队，成功孵化了 Claude Code、MCP 以及 Claude Design 等产品。然而，在联合创始人兼实验室负责人 Ben Mann 看来，这支团队的绝大多数尝试，原本就应当允许失败。据 Business Insider 报道，Anthropic 的 Labs 团队以大约两周为一个周期审视产品原型，决定是继续推进还是调整方向。前景黯淡的想法会被终止或并入其他项目，而真正跑通的产品则从 Labs “毕业”，移交至独立团队开发。Mann 透露，其想法的成功率仅为 20% 至 30%。即便部分探索未能独立成型，往往也会被吸收进其他原型或产品中。这一数字与 Claude Code 的成功并置，构成了 Labs 最鲜明的特征：接受大量尝试无法走到最后，从而将资源集中到少数值得继续投入的方向。
随着 Anthropic 加速商业化进程，这种机制的重要性日益凸显。据 Business Insider 报道，公司正为上市做准备。如何将前沿模型的能力转化为用户愿意持续使用的产品，将是 Labs 必须继续回答的问题。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，公司是否可以仅依靠慈善性质的资金支持先进 AI 研究还是一个疑问。2024 年，他创建了 Labs，为新产品构想提供自由探索的空间。此后，该团队陆续孵化出 Claude Code、连接 AI 智能体与外部数据的 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。Mann 将 Labs 形容为一家真正意义上的“创业孵化器”，其组织形式参照了贝尔实验室，他也曾在 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 的特别之处在于它与模型研究之间的距离。前沿模型的能力持续变化，一项产品今天可能不够好用，但在下一轮模型升级后可能跨过实用门槛。如果产品团队能提前预知哪些能力正在改善，就能更早判断什么值得做。
Claude Code 正是在这样的背景下诞生的。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 将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。他在采访中表示，新员工尤其需要大幅提高目标，因为智能体究竟能做到什么，仍有诸多未知。这句话精准地击中了 AI 产品开发中的一个难题：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。
回看这段过程，Labs 的优势并非来自一次孤立的创意，而是研究团队发现能力变化、产品团队据此搭建原型、内部使用验证需求，以及后续模型进步持续改善体验的紧密衔接。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，也可以将有价值的部分并入其他探索。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：当项目团队规模超过四人时，就会从 Labs “毕业”。Claude Code 和 Claude Design 都通过这种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。已验证的项目需要更多工程投入和长期维护，而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。当然，这也带来了相应的管理成本。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。
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，再通过原型检验想法。Claude Code 证明了其中一条路径可以走通。Labs 接下来的考验，是在不断变化的模型能力与用户需求之间，持续找到值得投入的下一项任务。对于这支约 20 人的团队，关键也许从来都不在于让每个项目成功。能否及时停止前景有限的尝试，让有潜力的产品获得足够资源，才决定了这套孵化机制能走多远。