14个月，从10亿到190亿ARR：Anthropic增长负责人揭开增长秘诀

如果说2025年是 Anthropic 开始和 OpenAI 分庭抗礼的分水岭，那么2026年上半年，它已经彻底杀疯了。

下面这张图是有人统计出的，Anthropic 从2月1日到3月24日的产品发布记录。这52天里，Claude Team 做了74次发布，覆盖各个不同的业务：

• 开发者工具（Claude Code），28次版本更新；

• 桌面自动化工具（Cowork），5次版本更新；

• 应用程序接口与基础设施 ，18次版本更新；

• 模型及核心平台，3次版本更新。

这只是一个缩影。过去一年多，Anthropic 在模型和产品侧的更新，让这家公司的收入疯狂增长。

统计显示，过去的14个月里，Anthropic 的年化收入（ARR）从10亿增长到了190亿美金。尤其是 Claude Code 这个产品，只用9个月就从0做到了25亿美金的年收入。

Anthropic 的增长负责人 Amol Avisari 表示，现在公司内部已经没有人看线性图表了，因为线性坐标根本画不出符合 Anthropic 增长趋势的曲线。所有数据，必须切到对数坐标才能正常显示。

他2024年加入 Anthropic，当时这家公司还没有公开挂出增长团队的职位，产品和收入还没起飞。

而作为 Claude 铁粉的 Amol通过一封 Cold Email，成为 Anthropic 首批增长PM，见证了这家公司接下来的飞速飙升。

这两天，他以 Anthropic 增长负责人的身份上了一期播客。

在这期内容里，他谈到了 Anthropic 看待增长的另类态度、正在尝试的增长方式，以及Anthropic 创始人 Dario Amodei 内部力推“激进”目标的过程。

增长很疯，但CEO Dario的雄心更疯

2024年，当 Amol 决定给 Anthropic 首席产品官 Mike Krieger 发一封邮件时，他自己也没有十足的把握。

这份邮件的内容很直接：我喜欢你们的产品，觉得你们明显缺一个增长团队，想聊聊，当时的 CPO Krieger 回复了。

Amol 后来才知道，当时 Anthropic 并没有挂出任何增长团队的职位，只是恰好刚开始考虑这件事。

时机就是这么凑巧，Amol 如今已是 Anthropic 的增长负责人。他在访谈中说，Anthropic 最重要的是一家模型公司和智能公司，所以推动成功的主要力量是研究团队。

在这个基础上，Anthropic 的增长轨迹可以“简直疯狂”来形容。

*Anthropic 2024年至今收入，Claude制图

推动这个疯狂故事的动力之一，是 CEO Dario Amodei 的雄心。

Amol 回忆，自己在2024年加入时，公司收入还在几亿美金量级。他加入的第二周，恰逢 Anthropic 正在规划2025年的收入。当时有基本版和激进版两个目标，Dario 一直在推激进版目标。

这个行为让很多员工慌了，说天哪我们怎么可能达到那个目标？但 Dario 说，我认为我们实际上可以走得更高。Amol当时想，这地方疯了。但后来的事实证明，这个目标确实真的达成了。

后来到了2025年底，100亿的基数，理论上增长速度应该会大幅放缓，但 Anthropic 没有。

Amol 说，190亿的ARR数字来自2月底，这也已经过时了。

最有趣的事情是他注意到在公司内部，线性图表已经不再被人待见，所有数据必须呈现在对数坐标轴上，否则根本看不出趋势来。

Anthropic的增长哲学：只押大赌注

Anthropic 增长团队大约有40人，组织结构横向有增长平台和商业团队，负责整体视角；纵向有面向不同受众的小 Team，比如 API 增长、Claude Code 增长、知识工作者增长、B2B 增长等。

这是一种把业务和团队绑定的组织结构，避免当产品足够多，单一的激活团队失去焦点。所以，必须让每个小分队和对应的产品团队深度绑定。

但让这个团队与众不同的，是资源分配的哲学。

通常的增长团队会把大部分精力放在中小型优化上，这样做可预期、可量化、风险低。但 Amol 把这个比例反了过来，让团队更多精力放在大赌注上，小优化反而是次要的。

他解释，一个外卖配送应用，两年后给用户的产品价值可能提升30%到50% —— 这已经是非常出色的成绩了。在这种情况下，中小型优化可以捕捉到相当大的价值增量，大赌注的必要性就没那么强。

但 Anthropic 不同，模型能力在以指数速度提升，两年后的产品价值可能是今天的一百倍、一千倍。这不是夸张，这是他们内部真实的预期。

所以，如果价值的爆发点如此之大，你就不能把有限的注意力耗在捡芝麻上，因为可能会在转身之际错过西瓜。

Agentic Coding 就是一个现实案例。

一年半之前这个市场几乎不存在，现在它的规模已经超过了此前整个 AI 编程工具的市场。这种量级的机会不是靠AB测试点击率找到的，是靠押注找到的。

增长团队参与构建的 Chrome 扩展插件，后来成为了 Cowork 和 Claude Code 多个使用场景的底层基础设施。这种事放在传统增长团队里根本不可能发生，因为它看起来更像一个产品研究项目，而不是增长优化的工作。

这套哲学的适用范围有边界：

如果产品核心价值由AI驱动，大赌注优先的逻辑就成立；如果AI只是产品的辅助功能，那这套方法未必适用。

但对于那些以AI为第一性原理的产品，Amol 的建议是明确的，也就是停止把大部分时间花在微优化上，承担更大的不确定性，因为未来的机会和今天所做的优化根本不在同一个数量级。

激活用户，让正确的人找到正确的功能

AI 产品有一个普遍性的困境：模型越来越强大，但大多数用户完全不知道该怎么用。

Amol 把这个现象叫做“能力悬置”，也就是产品端的进展远远跟不上模型能力释放的速度。

当新模型上线，AI 公司的内部团队需要时间去摸清边界，设计新的引导路径，跑测试，收集结论，调整上线流程。但等这套流程跑完，下一个模型可能已经出来了，让之前所有的结论都变得过时。

在这种背景下，激活用户，也就是让新用户在第零天、第一天就感受到产品价值，变得前所未有地重要，也前所未有地难。

他的工作重点之一，就是让 Claude 真正了解自己的注册用户，并知道自己能如何帮助他们。

Amol 从之前在金融科技公司 Mercury 的工作经历中提炼出了他反复验证的原则：

1. 新手引导很重要。

2. 适当的阻力/上手门槛不但不会伤害转化率，反而会提升。

他在 Mercury 时，花了整整一个季度专门修复新手流程。那时的修复目标不是追指标，而是把每一个细节做到位。比如看字段之间的跳转逻辑、调整受益所有权信息的填写体验、区分不同地址类型，这些都是优化点。

那个季度是他职业生涯中影响最大的一段时间。

从入职到季度结束，他看到产品的转化率显著提升。没有产品新功能，也没有增长黑客，只是把新手体验做对，转化率就会有很多提升。

而且，Amol 在每一份增长工作中都反复看到，增加一些上手过程、增加正确的步骤，会让产品收获更高的转化率和更高的漏斗完成率。

Amol 举例，他更早在 MasterClass 工作时，看到这款产品的购买流程里有一个很长的测验。当用户试图购买这个产品时，会经历很多的步骤，并需要完成一些测试。

用户会想，我是来付费购买的，它却问我为什么来这里之类的问题，很麻烦。人们也很容易看着这个流程说，为什么要设计这个？这太糟糕了，应该全部删掉。

但其实，这些问题已经经过测试，实际上是一个显著的收入驱动因素。它通过了解用户的兴趣并推荐内容，让用户感觉这个产品是为自己设计的，从而驱动收入增长。

在Anthropic，同样的逻辑被用在了新用户的上手过程里：

产品会问用户几个“自己是谁、兴趣领域在哪”的问题，然后根据这个结果，推荐合适的产品和功能。

Amol 说，数据显示这套流程在奏效，产品会理解用户，告诉他们该用什么功能。而且，这个提前收集到信息会在整个产品的生命周期里持续发挥作用。从激活到生命周期管理到广告层的人群定向，这笔信息投入的回报能一直延续下去。

Amol 总结，把所有上手的门槛一刀切地删除，不是增长的正确方向，大多数情况下只是一种自我安慰的工程师思维。

Anthropic的增长团队怎样使用Claude

Anthropic 的增长平台团队正在推进一个项目，内部代号叫 CASH，全称是“Claude 加速可持续超增长”。

这个名字 Amol 本人并不太喜欢，但背后的逻辑他认为是真实的：用 Claude 来自动化增长实验。

这个项目在几个月前才开始，早期的规模很小，主要集中在文案修改和细微的UI调整上。

现在整个实验循环被拆成四个阶段：识别机会、构建功能、测试上线、分析结果。

每个阶段，团队都在评估模型的表现，追踪人工介入时间是否在减少，胜率是否在提升。目前的结论是：它在产出结果，但水平更像一个工作两三年的初级 PM，而不是资深 PM。

不过在半年前，也就是 Opus 4.5之前，这套系统无法运转，结果完全不可用。用了 Opus 4.6 之后，它开始有了可见的进展。

Amol 说，“AI 正在学会告诉我们该做什么，而不只是接受我们的命令去做”。

不过他对这件事的边界看得很清楚。自动化能很好处理规模小、数据驱动、迭代周期短的实验。最难被替代的，是跨职能的利益相关方管理。

比如，让六个有不同优先级的人在一个房间里达成一致，这件事不会因为模型变强而变容易。他和设计负责人私下聊到这件事，对方的结论是：就算 AGI 来了，让六个人达成一致仍然是不可能的任务。

与此同时，他个人在大量使用 Cowork 来处理日常管理工作。每天早上，一个定时任务会自动查看20到25张数据图表，告诉他今天需要关注什么、什么数据在发出警告信号。

Amol 也用 Slack MCP 追踪直接下属的工作进展，定期生成反馈建议。

他甚至在用 Claude 模拟自己的经理 Arvind Vora，基于她公开写过的所有内容和内部讨论记录，每周问一次“以 Arvind 的角度，这周你会对我说什么”。

Amol 认为，软性辅导这个功能现在已经解锁了。只是 AI 教练有时候会说一些让你摸不着头脑的话，就像一个偶尔状态不稳定的资深同事。

被逼出来的路

Amol 还提到，Anthropic 能走到今天，有一个外部视角常常忽视的原因，就是它当初有多弱。

这家公司没有 Meta 或谷歌的现金流和分发渠道，没有 OpenAI 的先发优势。

在 ChatGPT 推出之前，Anthropic 内部就已经有了一个可以上线的 Claude 版本，但出于安全考虑，他们不想亲手点燃一场全球 AI 军备竞赛，所以没发布。

结果就是 OpenAI 先发，获得了疯狂的市场关注，Anthropic 被迫在这种局面里重新找路。

但现在看来，这种处境反而也带来了高度的专注。Amol 把它称为“约束中的自由”，也就是当资源有限、选项有限，多余的选择被清除，反而能看清唯一正确的路在哪里。

对 Anthropic 来说，那条路就是深度押注 AI Coding 和 B2B。

这条路的好处不仅是市场够大，更因为，如果研究人员能用最好的模型加速自己的研究，就会形成一个正反馈循环。

安全也是这家公司信奉的价值。

Amol 表示，在增长团队的实际运作里，如果一些能带来指标提升的动作，与安全、品牌或用户体验相冲突，他们会放弃。他们觉得，试图榨取每一分钱的增长哲学，长期来看并不奏效，长期主义是更好的增长策略。

整体来说，Amol 觉得在 Anthropic 做增长是自己人生中最难的工作，难过创业，也难过做 banker。

在令人羡艳的增长规模背后，一直有一种令人崩溃的状态：所有的事情都有着向上趋势，但内部每天都在救火。也就是事情进展得太快，以至于别的事情开始崩溃。

他称这种局面为“成功灾难”。

它要求人学会一起处理几十个紧急问题，同时还要在情绪上保持平稳，告诉自己，“我们很幸运能有这些烦恼”。