作者 / 来源：中智凯灵 / AiDD

彭博社《The Circuit》对 Anthropic CEO 达里奥·阿莫代的专访，表面上谈的是增长、算力、OpenAI 竞争、公司治理和 AI 风险；更深一层看，它勾勒的是前沿 AI 公司正在争夺的下一个核心资产：信任。

▼

这里的信任，不是一句抽象口号。

对Anthropic来说，它至少包括三层：技术信任——模型是否可控、可评估、可解释；商业信任——企业客户是否敢把核心流程、数据和权限交给Claude；治理信任——公司是否有制度化制衡，而不是只依赖创始人的道德自觉。

如果说过去两年的AI 竞争关键词是"模型能力"，那么达里奥真正想强调的是：当AI 能力以指数速度扩张，谁有资格被企业、政府和社会托付。

▍AI的增长不是线性加速，而是突然改变世界的指数曲线

达里奥用“平滑的指数级轨迹”描述AI 发展：一开始变化不明显，像水面平静；但越过某个临界点后，人们会突然感到世界已经变了。

这也是今天AI 行业最难管理的地方。线性增长可以靠预算、流程、组织经验来消化；指数增长则会让所有规划都显得滞后。Anthropic 原本按算力需求每年增长10 倍来准备，但公开报道提到，2026 年第一季度收入和使用量的年化增长率一度接近80 倍。达里奥在相关场合把这种增速称为“crazy”，并承认它“too hard to handle”。

问题不是“要不要增长”，而是增长太快时，企业还能不能保持判断力。

这解释了为什么Anthropic 一边融资、一边强调安全。2026 年5 月，Anthropic 宣布完成650 亿美元Series H 融资，投后估值达到9650 亿美元；公司同期还披露Claude 需求快速增长，企业客户和年化收入都在快速上升。融资不是单纯为了扩张叙事，而是为了在算力、模型训练、企业交付和安全评估之间保留缓冲。

AI公司的核心资源，已经不只是模型参数和数据，而是对不确定性的承受能力。

Anthropic选择企业级市场，不只是商业策略，也是一种价值观选择。

消费级AI 很容易被注意力经济捕获：更长停留、更强刺激、更高互动频次，最后导向的是内容泛滥、情绪成瘾和“数字垃圾”。达里奥批评的slop，本质不是低质量内容本身，而是把AI 能力用于最大化消耗用户注意力。

企业市场则不同。企业客户不会因为模型“会聊天”而买单，而是因为它能进入真实工作流、承担真实任务、降低真实风险。企业关心可靠性、权限、审计、数据边界、稳定交付和长期合作。换句话说，企业市场天然会惩罚不可信的AI。

这也是为什么 Claude 进入 Amazon Bedrock、Google Cloud Vertex AI、Microsoft Azure 等云平台很关键。模型能力只是第一步；能否嵌入企业既有的云、安全、合规和采购体系，才决定它能不能成为基础设施。

这正是Anthropic 的机会：当AI 从玩具变成基础设施，安全不再只是道德标签，而会变成商业护城河。

▍治理结构不是装饰，而是AI 公司新的基础设施

Anthropic的“长期利益信托”很值得关注。它试图把公司治理从“股东利益最大化”拉回到“长期公共利益”上，并通过董事任免等机制，对公司方向形成约束。

官方说明中，Long-Term Benefit Trust 持有特殊类别股份，并拥有逐步选举和罢免部分董事的权力；Anthropic 后续也在 RSP 更新中强化了 LTBT 对风险报告、外部审查和管理层汇报的监督角色。

这件事的意义不在于它是否完美，而在于它承认了一个现实：前沿 AI 公司不能只靠创始人的个人承诺来治理。

当模型能力可能影响就业、网络安全、军事、科研乃至社会认知时，公司内部必须有比商业压力更长期的制衡机制。达里奥说，如果信托机制愿意，甚至可以让他离开CEO 位置。这句话的分量在于：一个AI 公司是否真的相信安全，要看它是否愿意把权力结构设计成“可以约束自己”。

当然，企业自我治理并不能替代公共监管。达里奥支持发布前测试、审计和更清晰的制度框架，这说明Anthropic 的路线不是“企业自己说了算”，而是希望在公司治理、行业标准和公共监督之间建立组合机制。

▍与OpenAI 的分歧，核心不是技术，而是信任

外界很容易把Anthropic 与OpenAI 的关系解读为路线竞争或创始人恩怨。但达里奥在访谈中的表达更尖锐：真正的分歧是信任。

Business Insider 引述他在 Bloomberg 访谈中的原话：“Why argue with someone when you don't have the same vision and you don't trust them?” 他还补了一句，最终“谁赢得市场、谁赢得公众舆论”，会比任何离职故事更有说服力。

技术分歧可以讨论，商业分歧可以竞争，但如果一方认为另一方在价值观与行为之间存在断裂，合作的基础就会消失。这也是Anthropic 叙事中最强烈的一点：AI 行业的竞争不只是“谁模型更强”，还包括“谁更值得被社会授权”。

这并不意味着 Anthropic 天然占据道德高地。OpenAI、Google DeepMind、Meta、xAI 等公司也都在发布安全框架、模型卡、红队测试或政策主张；Anthropic 也同样在高速融资、抢算力和扩大商业化。现实不是“安全公司”和“能力公司”的二元对立，而是所有前沿AI 公司都同时在向外承诺安全、向内追赶规模。

但达里奥试图提出一种“逐顶游戏”：不是比谁更激进、更快发布、更敢踩线，而是通过更高标准倒逼行业整体上移。

在AI时代，最低成本的竞争是卷能力；最高难度的竞争是卷可信度。

▍传统软件不会消失，但护城河会重写

达里奥对传统SaaS 的判断也很关键：AI 会削弱“单纯写代码”的壁垒，但不会抹掉所有软件公司的价值。

过去，软件公司的护城河常常来自工程实现、功能积累和交付效率，本质上提供的是一种”技术信任”；现在，AI 正在把这些能力商品化。未来真正有壁垒的，是客户关系、行业知识、业务流程理解、数据语境和可信交付能力，这其实是更深层的”业务信任”。

这对企业服务公司是提醒，也是机会。AI 不会简单替代SaaS，而会重组SaaS：从“提供工具”转向“嵌入业务结果”；从“卖软件席位”转向“交付可审计的智能工作流”。谁能把AI 能力和行业场景结合得更深，谁就能在新一轮软件重构中留下来。

▍达里奥真正提出的问题：AI公司能否在加速中保持刹车？

这次采访最有价值的地方，不是某一个判断，而是它呈现出一种悖论：

Anthropic必须增长，否则无法获得足够算力、人才和市场位置；但Anthropic 又必须证明，自己不会被增长吞噬。

这也是“硬币的另一面”。Anthropic 接受Amazon 等云巨头的大额投资，又依赖Google/Broadcom、AWS、NVIDIA 等基础设施来支撑模型训练和推理能力。Amazon 公开表示将在此前80 亿美元投资之外，再投资50 亿美元并在未来按商业里程碑追加最高200 亿美元。问题随之而来：当安全节奏与云厂商、战略投资人、大客户的商业节奏冲突时，Anthropic 是否真的能承受慢下来、少发布、少赚钱的代价？

它既要在前沿模型竞争中跑得足够快，又要在自主武器、网络安全、失业冲击、模型滥用和社会治理上保留边界。它既要服务企业客户，又要避免成为无约束的通用能力供应商。它既要融资，又要说服外界相信资本不会改写使命。

这正是AI 时代所有头部公司都绕不开的问题：能力越强，社会越不会只问“你能做什么”，而会追问“你不做什么”。

达里奥的答案可以概括为一句话：AI 的终局竞争，不是能力竞争，而是可信能力的竞争。

模型会越来越强，算力会越来越贵，应用会越来越深入。但当AI 开始进入企业核心流程、公共治理、科研发现和国家安全时，真正稀缺的不是“更聪明的系统”，而是一个能被人类社会放心托付的系统。

这也是Anthropic 给行业留下的最大启发：越快的技术，越需要慢下来的治理；越强的模型，越需要可验证的边界；越接近基础设施的AI，越不能只靠增长故事来赢得未来。

能力决定一家AI公司能走多快；

信任决定它能走多深；

治理决定它在必须刹车时，是否真的刹得住。

参考阅读

1. Bloomberg Originals / The Circuit: Inside the Mind of Anthropic CEO Dario Amodei, 2026-06.

2. Business Insider: Dario Amodei on why he left Sam Altman and OpenAI, 2026-06-17.

3. Anthropic: The Long-Term Benefit Trust.

4. Anthropic: Responsible Scaling Policy Updates / Responsible Scaling Policy Version 3.0.

5. Anthropic: Anthropic raises $65B in Series H funding at $965B post-money valuation, 2026-05-28.

6. Anthropic: Anthropic expands partnership with Google and Broadcom for multiple gigawatts of next-generation compute, 2026-04-06.

7. Amazon: Amazon and Anthropic expand strategic collaboration, 2026-04.

下一站

当AI 从个人工具进入组织流程，企业更需要讨论如何建设可复用、可治理、可持续进化的能力底座。2026年AiDD 北京站，聚焦 AI Coding、Agentic Engineering、研发效能、智能测试、知识工程、Agent 评估与质量保障、企业 AI 项目落地等议题。AiDD 面向 CTO、研发负责人、架构师、AI 项目负责人、测试与效能负责人、FDE 候选人和企业数字化团队，持续连接一线企业案例、工程实践和方法论沉淀。

Anthropic LTBT