一支約 20 人的團隊，開發了 Claude Code、MCP 和 Claude Design。
但在 Anthropic 联合創始人、Labs 負責人 Ben Mann 看來，這支團隊的大多數嘗試，本來就應該允許失敗。
根據 Business Insider 報導，Anthropic 內部的 Labs 團隊以大約兩週為一個週期，審視手頭的產品原型：繼續推進，還是調整方向？缺乏前景的想法會被終止，或併入其他項目。真正跑通的產品，則從 Labs「畢業」，交給獨立團隊繼續發展。
Mann 提出的想法成功率僅為 20% 至 30%。部分未能獨立成形的探索，也會被吸收到其他原型或產品中。這個數字與 Claude Code 的成功並置，構成了 Labs 最鮮明的特點：接受大量嘗試無法走到最後，把資源留給少數值得繼續投入的方向。
隨著 Anthropic 推進商業化，這套機制的重要性正在上升。根據 Business Insider 的報導，公司正在為上市做準備。如何將前沿模型能力轉化為用戶願意持續使用的產品，將是 Labs 需要繼續回答的問題。
Labs 如何像創業孵化器一樣運作
Mann 在採訪中回憶，幾年前，他甚至需要說服公司開始發布產品。當時，一個需要討論的問題是：公司是否可以依靠慈善性質的資金支持，持續推進先進 AI 研究。
在 2024 年，他創立了 Labs，為新產品構想提供自由探索的空間。此後，這支團隊陸續孵化出 Claude Code、連接 AI 智能體與外部數據及工具的 Model Context Protocol（MCP），以及今年推出的 Claude Design。Instagram 聯合創始人 Mike Krieger 等人也參與其中。
Ben Mann
Mann 將 Labs 形容為一家真正意義上的「創業孵化器」。
這種組織形式有明確的參考範例。他提到了貝爾實驗室，也曾於 2018 年加入谷歌內部孵化項目 Area 120。谷歌的 X 同樣提供了一種思路：由專門團隊探索不確定性較高的方向，再讓成熟項目逐步獨立。
Labs 的特別之處，更體現在它與模型研究之間的距離。前沿模型的能力持續變化。一項產品今天還不夠好用，可能在下一轮模型升級後跨過實用門檻。如果產品團隊能提前知道哪些能力正在改善，就有機會更早判斷，什麼值得做、什麼可以開始試。
Claude Code 正是在這樣的條件下誕生的。
Claude Code 的誕生
據 Mann 介紹，在 2024 年末啟動相關開發之前，研究人員就向他的團隊透露，新模型在智能體編程方面展現出了潛力。這給出了一個重要信號：圍繞編程構建產品，可以嘗試讓模型承擔更多實際操作。
Mann 將這個方向交給了剛加入公司的 Boris Cherny。Cherny 最初提出的是一个代碼分析工具，但 Mann 認為，這個想法的規模還不夠大。他在採訪中表示，新員工尤其需要大幅提高自己的目標，因為智能體究竟能做到什麼，仍有很多未知。
Boris Cherny
這句話對應著 AI 產品開發中的一個實際難題：如果始終按照已經熟悉的能力設計產品，就可能低估模型接下來能夠承擔的任務。
Cherny 隨後製作的原型在內部廣受歡迎。2025 年 2 月，Anthropic 推出了 Claude Code 的預覽版。它利用底層模型編寫、編輯和運行代碼，後續的模型升級持續推動了產品發展。
Claude Code 已成為 Anthropic 增長的重要推動力。Cherny 目前負責此產品。
允許失敗的產品機制
回看這段過程，Labs 的優勢並非來自一次孤立的創意。研究團隊先發現能力變化，產品團隊據此搭建原型，內部使用驗證需求，後續模型進步繼續改善體驗。幾步之間銜接得越緊，產品就越有機會及時抓住技術進展。
不過，提前看到能力，並不意味著每個想法都值得長期投入。
Labs 大約每兩週會對項目進行一次「堅持還是轉向」的評估。這個週期用於檢查方向，不代表所有產品都要在兩週內完成。
如果一個想法表現不佳，團隊可以終止它，也可以將其中有價值的部分整合到其他探索中。參與者隨後轉向新的任務。Mann 提到，有些嘗試最終被整合進了 Claude 的 Chrome 擴展等產品。
因此，20% 至 30% 的成功率，不能簡單理解為剩下的工作全部作廢。一個原型沒有成長為獨立產品，仍可能留下可重用的功能、技術經驗或需求判斷。
另一項規則同樣關鍵：當項目團隊規模通常超過 4 人時，就會從 Labs「畢業」。
Claude Code 和 Claude Design 都以這種方式轉入公司內部的獨立團隊。Labs 因此保持較小的規模，繼續探索下一批方向。這也解釋了為何它始終是一支人員流動較頻繁的團隊。項目成熟後，部分成員隨之離開；Labs 再補充新成員，開啟新的嘗試。
研究與產品之間的雙向反饋
已驗證的項目需要更多的工程投入和長期維護，小團隊則需保留調整方向的空間。讓成熟項目及時獨立，有助於避免 Labs 被日常運營完全佔滿。
它也有相應的管理成本。人員持續變動，新成員需要快速理解研究進展，團隊還需不斷重建協作關係。每兩週一次的評估是否有效，取決於對原型表現的判斷質量。
從 Mann 的描述來看，Labs 與研究團隊之間的交流也在雙向展開。產品開發者利用新模型尋找機會，實際任務中的缺口又會推動研究人員關注新的能力。
Mann 將 Labs 的一個目標概括為擴大 AI 的「行動空間」，也就是讓強大的模型能在現實世界中做更多事情。這個表述將產品工作的目標落實到具體任務上：編程需要模型能夠操作代碼，設計需要模型生成更合適的視覺結果，跨語言使用則要求系統聽懂更多人的表達。產品能否成立，將暴露出模型仍需補齊的能力。
商業化後的生態挑戰
隨著這些產品進入更多市場，Anthropic 也將面對更複雜的商業關係。
Forrester 分析師 Mike Gualtieri 向 Business Insider 指出，Anthropic 推出的工具，可能直接與企業客戶已使用的軟體競爭。Claude Design 就是一個例子，它進入了 Adobe、Figma 等公司所處的設計軟體領域。
這裡存在一種持續的張力：Anthropic 既向開發者和企業提供模型能力，也在基於這些能力構建自己的產品。平台增加的功能越多，與其他軟體產品發生重疊的機會也會增加。
對用戶而言，更多的內置功能可能減少工具切換；對生態夥伴而言，則需評估自身產品還能提供哪些差異化價值。Anthropic 如何平衡這兩端，將影響其平台的吸引力。
如果公司未來完成上市，Labs 還需要在更明確的經營目標下，為不確定性較高的探索保留空間。不能僅憑這篇報導判斷其上市時間，也無法預先確定上市後會如何調整研發投入。
至少在 Mann 的設想中，Labs 的方向並沒有停留在辦公與開發工具。
他希望團隊未來能參與生物研究、清潔能源存儲以及其他現實應用中的突破。他認為，加速基礎科學研究，將幫助 AI 為更多人帶來實際收益。
這些仍是願景，距離可驗證的成果還有很長的路要走。但它們延續了 Labs 已經採用的工作方式：觀察能力邊界，尋找值得解決的問題，再透過原型檢驗想法。
Claude Code 證明了其中一條路徑可以走通。Labs 接下來的挑戰，是在不斷變化的模型能力與用戶需求之間，持續找到值得投入的下一項任務。
對於這支約 20 人的團隊而言，關鍵或許從來不在於讓每個項目都成功，而在於能否及時終止前景有限的嘗試，讓有潛力的產品獲得足夠資源，這才決定了這套孵化機制能走多遠。
原文連結：https://www.businessinsider.com/anthropic-labs-team-ai-innovation-ipo-2026-9
本文來自微信公眾號「機器之心」