在 Anthropic 内部，一支规模仅约 20 人、名为 Labs 的小团队，正在成为公司产品创新的重要引擎。
这支团队由 Anthropic 联合创始人 Ben Mann 领导，主要负责从零孵化新的产品想法，成员中还包括 Instagram 联合创始人 Mike Krieger 等重量级人物。Claude Code、用于连接 AI Agent 与数据源的 MCP，以及今年推出的 Claude Design，都出自 Labs 或曾在这里完成早期孵化。
与传统产品团队不同，Labs 并不追求高成功率。Ben Mann 表示，这支团队更像真正意义上的创业孵化器，从一开始就默认“大多数下注都会失败”。目前，Labs 内部创意的成功率大约只有 20%-30%，但一旦某个方向得到验证，就可能迅速成长为 Anthropic 的重要产品。
随着 Anthropic 为上市做准备，Labs 的重要性也在进一步上升。它承担的核心任务，是尽可能快速地把前沿模型能力转化为真正可用的产品。
每两周砍一次项目，
超过 4 个人就“毕业”
Labs 采用高度流动的运作方式。团队会持续提出新的原型，也就是内部所谓的“下注”，大约每两周进行一次“继续坚持还是转向”的项目评审。
由于项目可能每两周就发生方向调整，Labs 并没有把固定组织架构与具体产品长期绑定。每一个内部“赌注项目”，都会临时抽调产品、工程等相关人员组成小组，并设置一名项目负责人。负责人需要对项目结果全权负责，但并不承担传统意义上的人员管理职责。
表现不佳的项目会被直接砍掉，或者并入其他原型项目，相关成员随后迅速转向新的任务；真正有潜力的项目，则会从 Labs“毕业”，进入独立产品团队。
Ben Mann 透露，一个项目通常只要团队规模增长到超过 4 人，就会从 Labs“毕业”。因此，这支约 20 人的小团队始终处于高流动状态：一部分成员会随着成功项目进入正式产品团队，Labs 则持续从公司内部吸纳新的成员，重新组建下一轮探索团队。
这一模式参考了 Bell Labs，以及 Google 早期的 Area 120 和 X“登月工厂”。不过，Anthropic Labs 最大的特殊之处在于，它距离前沿模型研究足够近。产品团队可���非常早地知道模型能力正在发生什么变化，并提前思考：这些新能力究竟能够做成什么产品。
Claude Code 就是 Labs 运作机制最典型的案例。
早在 2024 年底正式启动开发之前，Anthropic 内部研究人员就已经发现，新模型开始在 Agent 编程方面展现出更强能力。Ben Mann 随后将这个方向交给了刚加入公司的 Boris Cherny。
Cherny 最初提出的想法其实只是一个“代码分析工具”，但 Mann 认为这个目标的野心还不够大。
“尤其是刚加入公司的人，需要把目标提高到完全不同的水平。”Mann 表示，“因为 Agent 到底能做到什么，现在没有人真正知道。”
随后，Cherny 做出的原型迅速在 Anthropic 内部流行起来。2025 年 2 月，Claude Code 以预览版形式正式发布。此后，随着模型能力持续提升，Claude Code 迅速成长为 Anthropic 最重要的新产品之一。
Claude Design 也经历了类似的过程。它早期同样由临时小组负责开发，在完成多轮版本更新、并获得市场正向反馈之后，Anthropic 才为其组建独立团队，从快速试错阶段转向长期产品建设。
Labs 与传统产品孵化团队的另一个区别，是产品研发会反过来影响模型研究方向。
Ben Mann 举例称，Labs 曾推动其他研究团队改进音频模型，以提升对阿姆哈拉语的理解能力；Claude Design 的开发，也推动研究人员进一步关注模型的视觉输出质量。可以看出，Labs 不仅负责“把模型做成产品”，还会通过真实产品需求，把新的研究问题重新送回模型团队，形成产品与模型研究之间的双向反馈。
目前，这种“下注”文化也正在扩散到 Anthropic 其他产品工程部门，越来越多团队开始采用类似的快速试错机制。
久而久之，公司内部也逐渐不再把“项目被砍”视为失败，而是把它当作创新过程中正常的成本。
在 Mike Krieger 看来，AI 时代工程管理并没有失去价值，但管理者的工作正在发生变化：重点不再只是盯项目进度，而是理解每个人的兴趣、能力和擅长方向，再把合适的人放到最适合的项目中。
国内也在用小团队快速试错
值得注意的是，国内也有类似的模式。
据《晚点 LatePost》报道，WorkBuddy 并不是腾讯一开始自上而下规划的战略级产品，而是由一个很小的团队自己跑出来的。
2026 年 1 月中旬 Claude Cowork 发布后，腾讯产品经理汪晟杰和另外 3 名同事，用一个周末就做出了类似产品，直接复用 CodeBuddy 的基础设施和 Agent SDK；当晚负责人刘毅就决定在腾讯全公司内测。
随后近两个月，每天有上千名非技术员工使用，产品快速迭代，并最终成为腾讯办公 Agent 中表现最好的产品之一。到了 5 月，CodeBuddy 和 WorkBuddy 团队还被升格为腾讯云独立组织“云产品六部”。
梁文锋曾公开描述过 DeepSeek 的组织方式：研发是“完全自下而上”的，不预先规定角色，分工自然形成；员工有想法后，可以自己找感兴趣的人组队，不需要严格经过部门和层级审批。一旦某个想法被证明有潜力，公司再从上层投入资源扩大。计算资源和人员协作也相对自由，有想法的人可以直接调用训练集群。
这与 Ben Mann 的想法很接近：创新需要尽可能少的管理和干预，要给员工自由发挥和试错的空间；管理层更重要的作用是找对人、提供资源，而不是提前规划好创新应该怎样发生。
区别在于，Anthropic Labs 更偏产品孵化器，有明确的项目淘汰和“毕业”机制；DeepSeek 更偏研究组织，重点是研究人员围绕兴趣自然组队、验证技术方向。
阿里过去一年也在 AI Agent 方向同时出现了 QoderWork、悟空、MuleRun 等多条产品线。其中 MuleRun 本身就是一个比较典型的内部创业项目。报道称，吴泳铭最初没有给团队限定具体方向，而是让负责人陈宇森在相对自由的环境中探索。团队先尝试 Agent 交易市场，发现供给不足后放弃；又尝试模型聚合分发、类似 Slack 的人机协作产品，最终再转向 AI Agent。也就是说，产品方向本身经历了多次“做出来—发现不成立—重新开始”。
今年阿里又进一步建立了由多个“超级单元小组”构成的创新事业部，负责创新应用和新项目孵化。此前并行探索的 QoderWork、悟空和 MuleRun，在方向验证后又被整合成千问办公。
这些动作和 Anthropic Labs 有明显差异。Anthropic 强调主动接受 80% 左右的失败率，失败项目快速关闭；阿里过去更像传统互联网公司的“内部赛马”，不同团队不仅验证产品，也存在资源和商业指标竞争，最终再由集团统一收编。因此组织负担通常比 Labs 更重。
项目被砍掉，人可以坦诚失落
AI 研发速度不断提高，也给从业者们带来了新的压力。
Krieger 表示，Instagram 时代，一年里最重要的行业变化可能只是一次苹果 WWDC，竞争对手往往几个月才会出现一次重大更新；但如今 Anthropic 每周召开全员会议时，即便刚到周三，都可能已经出现新的模型、新产品以及新的行业政策变化。
面对这种节奏，他的应对方法是强制留白和主动休息。Anthropic 联合创始团队也反复提醒员工，职业倦怠一旦发生，往往需要非常长的时间才能恢复，因此不能把长期高强度工作视为理所当然。
Krieger 还特别强调团队内部坦诚表达情绪的重要性。
几个月前，他负责的一个 Labs 项目被终止。在复盘会议开始时，他首先告诉团队，自己对此感到遗憾，也感到挫败。随后，其他成员也开始表达真实情绪，团队反而能够更快接受结果，重新把注意力放到下一步行动上。
在他看来，这种文化与 Anthropic 的产品研发方式其实是一体两面：项目可以被砍掉，人也可以坦然承认失落，但团队需要能够迅速重新开始。
而在模型和产品几乎每周都可能发生重大变化的 AI 行业，真正重要的并不是追上每一次短期波动，而是长期搭建团队、形成文化，并建立持续试错和持续迭代的能力。
在快速增加 AI 能力的同时，Anthropic 也开始主动淘汰旧功能。
Krieger 透露，公司内部专门有一个“老旧功能淘汰计划”，用于持续梳理那些低效、低价值、已经不再适合当前产品形态的功能。
这一思路源自他运营 Instagram 时期的经验。当时团队发现，很多功能单独看都有 4%-5% 的用户在使用，因此很难简单下线；但如果因为每个功能都有少量用户就全部保留，产品最终会变得越来越复杂和臃肿。
Anthropic 此前已经下线使用率较低的旧版“样式”功能，因为这种固定模式已经不如新的技能体系灵活。Krieger 认为，现在 Claude 产品真正需要削减的，并不只是某个具体功能，而是用户理解和使用产品的成本。
目前，用户仍然需要主动区分代码工具、协同办公工具和对话工具，而这些产品之间又无法实现完全无缝的互相调用。“明明可以一步完成的任务，却还需要复制文本、跳转到另一个工具。”在他看来，这种工作方式已经不符合 AI 时代的协作节奏。
Anthropic 接下来希望进一步打通 Claude Design、Claude Code 等产品，让设计、代码、数据和协同工作之间的边界逐渐消失。
Anthropic 上市之后，
Labs 能否保持快速试错？
Ben Mann 认为，Claude Code 代表了 Labs 更长期的目标：不断扩大 AI 的“行动空间”，也就是让 AI 不只是回答问题，而是真正能够在现实世界中完成更多任务。
不过，随着 Anthropic 的产品边界不断扩大，它也会越来越多地进入传统软件公司的领地。
例如，Claude Design 已经开始与 Adobe、Figma 等设计软件形成竞争。
Forrester 分析师 Mike Gualtieri 认为，Anthropic 未来需要在平台扩张与生态合作之间保持平衡。随着功能不断增加，Anthropic 自己的平台会变得越来越有吸引力，但与此同时，也可能与现有软件合作伙伴产生越来越直接的竞争。
Ben Mann 则希望，Labs 最终孵化的不只是软件产品，而是进一步进入生物学研究、清洁能源储存等现实领域。在他看来，真正值得期待的并不是再多做几个 AI 应用，而是让前沿模型开始帮助人类加速基础科学研究，并解决现实世界中更加复杂的问题。
从 Claude Code 到 MCP，Labs 已经证明，这种“小团队、高淘汰率、快速重来”的机制能够产出重要产品。对 Anthropic 来说，下一阶段的问题是：随着公司规模继续扩大，甚至进入公开市场，这支只有约 20 人的“创业小队”，还能不能继续保持足够快的试错速度。
与此同时，对于 AI 平台高速扩张是否会最终“吃掉”创业公司的担忧，Mike Krieger 持相反观点。
他认为，AI 正在大幅降低产品开发和试错成本，这反而可能引发新一轮创业浪潮。大模型可以普惠代码、设计等通用能力，但无法替代创业者对具体用户、审美和行业的理解。
Krieger 以 Instagram 早期为例。当时团队同样担心 Google 推出照片产品，直接进入这一市场。但大型平台通常必须服务整个生态和庞大的用户群体，很难像创业公司一样，极度聚焦于某一个垂直场景。
这一逻辑在 AI 时代依然成立。三五人的小团队可以围绕单一问题快速迭代，而大型平台必须同时考虑生态、兼容性以及不同用户群体的需求。
在 Krieger 看来，“代码开发从来不是创业最核心的瓶颈，真正的壁垒是场景深耕、用户理解和行业认知。”
医疗和金融，则是 Krieger 目前尤其看好的两个方向。不过，他认为，垂直 AI 真正困难的地方并不是模型能力本身，而是如何在灵活性和合规之间找到平衡。
例如，金融领域既希望 Agent 能够实时分析数据、构建仪表盘和自动化流程，又必须保留完整的数据溯源、审计日志和验证能力。而传统合规系统大多围绕确定性软件建立，并不适合高度动态的 Agent 工作模式。因此，从底层基础设施到上层应用，整个技术栈仍然存在大量创新和重新设计的空间。
参考链接：
https://www.businessinsider.com/anthropic-labs-team-ai-innovation-ipo-2026-9?utm_source=chatgpt.com
https://www.youtube.com/watch?v=qqrk7CtkuIw
https://mp.weixin.qq.com/s/JfjTywpBWX8mM887Wkvvuw
本文来自微信公众号“AI前线”（ID：ai-front），作者：褚杏娟，36氪经授权发布。