从底层出发：Anthropic CPO谈AI产品如何真正落地

Anthropic首席产品官Mike Krieger在红杉资本的一次对谈中，系统分享了他对生成式AI、AI Agent以及AI产品构建方式的核心判断。这不是一场模型参数或技术炫技的讨论，而是关于：为什么真正有价值的AI产品，必须从用户和工作流的“底层”开始构建。

从“是不是AI生成的”到“是否真的有用”

这一段讨论之所以重要，是因为它直接挑战了当前AI产品最常见的误区：把“AI感”当成核心卖点。Mike Krieger一开始就抛出了一个非常反直觉的判断——“whether it's AI generated is like not the interesting question going forward”。也就是说，未来用户并不关心内容是不是AI生成的，而是关心它是否真正解决了问题。

他结合自己在创业和投资阶段的经验提到，早期生成式AI浪潮中，很多产品都停留在“看起来很聪明”，却很少深入到真实工作流程中。这一点在创作者工具、写作工具乃至企业应用中都反复出现。用户短暂惊艳之后，很快发现这些工具并没有真正节省时间，反而增加了验证和修正成本。

在他看来，Anthropic在产品上刻意回避“炫模型能力”，而是反复问一个更底层的问题：如果把AI嵌进一个真实任务里，它应该承担哪一部分工作，哪些事情必须交还给人类？这种思路，也解释了为什么他认为“生成方式”本身，会逐渐变成一个不那么重要的标签。

把模型“打开”，产品价值才会出现

这一节的核心在于Mike反复强调的一个经验：真正有价值的AI能力，往往只有在被更大规模、更多样化的人使用后，才会显现出来。在谈到Anthropic内部产品（包括被提及的MCP）时，他提到一个共同规律——在小范围内测试时，它们看起来只是“还不错”。

但当这些能力被开放给更广泛的用户群体，完全不同的使用方式开始出现。有些用户把模型当作助手，有些当作协作者，还有人把它嵌进复杂流程的某一个节点。正如他所说，“they are when you actually open it up to a broader group”。

这背后反映的是一种产品哲学转变：AI产品不再是“设计好用法再交付”，而是要在安全边界内尽可能开放，让真实世界去“教会”产品团队哪些能力才重要。这也解释了Anthropic为何在研究与产品之间保持高度耦合，而不是先追求极致封闭的完成度。

编码产品：作为“试验田”的痛与收获

编码产品是这场对谈中最具体、也最有故事感的部分之一。Mike用一个自嘲式的说法形容Anthropic的编码工具团队——“patient zero for some of these for better and for worse”。之所以重要，是因为开发者往往是最苛刻、最愿意探索边界的一群用户。

在内部大量使用编码类AI工具的过程中，团队很快意识到：这些产品带来的并不只是效率提升，还有认知层面的冲击。工程师开始重新思考代码的所有权、审查方式以及协作模式。有时候，AI写的代码是“对的”，但人类却不再理解它，这本身就是一种新的风险。

这些早期的“副作用”，并没有让他对方向产生怀疑，反而成为下一阶段设计的重要输入。编码产品不只是一个垂直场景，更像是一个放大镜，让团队提前看到未来知识工作中可能出现的问题。

AI Agent：我们才刚刚学会怎么用

谈到AI Agent时，Mike刻意降低了外界常见的乐观预期。他直言，“I think we're still at like the very beginning of how people even understand how to use this in their work”。这句话点出了一个关键现实：技术进展远快于使用范式的成熟。

目前很多所谓的Agent，更像是“脚本的高级版”，而不是可以被信任、长期运行的工作伙伴。真正复杂的二阶效应——比如团队结构变化、责任归属、错误成本的重新分配——才刚刚开始显现。

他特别提醒，预测一个高度自动化的遥远未来并不难，但那“可能是最不现实的一种未来”。相比之下，更值得关注的是未来几年里，人类如何一步步调整自己的工作方式，与这些Agent形成稳定协作。这也是他“最兴奋的地方”。

研究与产品的张力：可能正在限制体验创新

在观众提问环节，有一个问题触及了Anthropic这样的研究型公司面临的结构性挑战：研究与产品高度耦合，是否反而限制了更大胆的体验创新？Mike并没有回避这个问题。

他承认，一个“giant research plus product”的组织形态，在保证安全性和一致性方面非常重要，但确实可能让产品体验变得趋同。很多应用层团队犯的错误，并不是模型选错，而是过度围绕模型能力设计产品，忽视了应用本身的独立价值。

他给出的隐含建议是：应用层团队需要更强的判断力，知道哪些能力应该交给模型，哪些体验必须靠产品设计来完成。这种判断，而不是模型参数，才是长期竞争力。

总结

这场对谈的价值，并不在于透露了Anthropic的某个“下一代产品”，而在于Mike Krieger反复强调的一种底层思维：AI产品的核心，不是模型多强，而是是否真正嵌入了人的工作与决策中。从编码工具到AI Agent，从小范围测试到大规模开放，他描绘的是一条务实而克制的路径。对所有构建AI应用的人来说，最大的启发或许是：不要急着预测十年后的世界，先把今天的一个具体任务，真正做好。

关键词： Anthropic， Mike Krieger， 生成式AI， AI Agent， 红杉资本

事实核查备注： 人物：Mike Krieger（Anthropic CPO）；公司：Anthropic、红杉资本（Sequoia）；话题：生成式AI、AI Agent；引用语句均来自公开视频对谈的原意转述，未涉及具体模型名称、参数或未公开产品细节。