在人工智能领域，创新与试错往往并行不悖。Anthropic内部一支规模约20人的团队，正以独特的运作模式，在AI产品开发领域掀起波澜。这支团队隶属于Anthropic旗下的Labs部门，已成功孵化出Claude Code、连接AI智能体与外部数据及工具的Model Context Protocol（MCP），以及今年推出的Claude Design等产品。
Anthropic联合创始人、Labs负责人Ben Mann认为，这支团队的大部分尝试本就应被允许失败。据Business Insider报道，Labs团队以大约两周为一个周期，对现有产品原型进行评估：是继续推进，还是调整方向？那些缺乏前景的想法会被终止，或并入其他项目；而真正跑通的产品，则会从Labs“毕业”，交由独立团队继续发展。Mann透露，团队想法的成功率仅在20%至30%之间，但即便未能独立成形的探索，也会被吸收到其他原型或产品中。这种“接受失败，聚焦潜力”的策略，正是Labs最鲜明的特点。
随着Anthropic推进商业化进程，这套机制的重要性日益凸显。公司正在为上市做准备，如何将前沿模型能力转化为用户愿意持续使用的产品，成为Labs必须回答的问题。Mann回忆，几年前他甚至需要说服公司开始发布产品，当时讨论的焦点是：公司能否仅依靠慈善性质的资金支持，持续推进先进AI研究？2024年，他创建了Labs，为新产品想法留出自由探索的空间。此后，这支团队陆续孵化出多款产品，Instagram联合创始人Mike Krieger等人也参与其中。
Mann将Labs形容为一家真正的“创业孵化器”。他提到贝尔实验室，也曾在2018年加入谷歌内部孵化项目Area 120，谷歌的X部门同样提供了思路：用专门团队探索高不确定性方向，再让成熟项目逐步独立。Labs的特别之处在于其与模型研究之间的紧密联系。前沿模型的能力持续变化，一项产品今天不够好用，可能在下一轮模型升级后跨过实用门槛。如果产品团队能提前知道哪些能力正在改善，就能更早判断什么值得做、什么可以开始试。
Claude Code的诞生正是这一模式的典型案例。据Mann介绍，早在2024年末启动开发前，研究人员就向他的团队透露，新模型在智能体编程方面展现出潜力。这给出了一个重要信号：围绕编程构建产品，可以尝试让模型承担更多实际操作。Mann将这一方向交给了刚加入公司的Boris Cherny。Cherny最初提出的是一个代码分析工具，但Mann认为规模不够大，鼓励新员工提高目标，因为智能体的潜力仍有很多未知。
Cherny随后做出的原型在内部受到欢迎。2025年2月，Anthropic将Claude Code作为预览版推出。它利用底层模型编写、编辑和运行代码，后续的模型升级又持续推动了产品发展。如今，Claude Code已成为Anthropic增长的重要推动力，Cherny也负责这一产品的后续开发。这一过程体现了Labs的优势：研究团队先发现能力变化，产品团队据此搭建原型，内部使用验证需求，后续模型进步继续改善体验。几步之间衔接紧密，产品得以及时抓住技术进展。
然而，提前看到能力并不意味着每个想法都值得长期投入。Labs大约每两周会对项目进行一次评估，决定是“坚持还是转向”。这个周期用于检查方向，而非要求所有产品都在两周内完成。如果一个想法表现不佳，团队可以终止它，或将有价值的部分并入其他探索。参与者随后转向新任务，有些尝试最终被整合进了Claude的Chrome扩展等产品中。因此，20%至30%的成功率并不意味着剩下的工作全部作废，一个原型可能留下可复用的功能、技术经验或需求判断。
另一项关键规则是：当项目团队规模通常超过四人时，就会从Labs“毕业”。Claude Code和Claude Design都通过这种方式，转入公司内部的独立团队。Labs由此保持较小规模，继续探索下一批方向。这也解释了为什么它始终是一支人员流动较频繁的团队：项目成熟后，一部分成员随之离开；Labs再补充新成员，开启新的尝试。
Labs与研究团队之间的交流是双向的。产品开发者利用新模型寻找机会，实际任务中的缺口又会推动研究人员关注新的能力。Mann将Labs的一项目标概括为扩大AI的“行动空间”，即让强大的模型能够在现实世界中做更多事情。编程需要模型操作代码，设计需要模型生成更合适的视觉结果，跨语言使用则要求系统听懂更多人的表达。产品能否成立，会暴露出模型仍需补齐的能力。
随着这些产品进入更多市场，Anthropic也面临更复杂的商业关系。Forrester分析师Mike Gualtieri指出，Anthropic推出的工具可能直接与企业客户已使用的软件竞争。例如，Claude Design进入了Adobe、Figma等公司所处的设计软件领域。这带来一种持续的张力：Anthropic既向开发者和企业提供模型能力，也在基于这些能力构建自己的产品。平台增加的功能越多，与其他软件产品发生重叠的机会也会增加。对用户而言，更多内置能力可能减少工具切换；对生态伙伴而言，则需要判断自身产品还能提供哪些差异化价值。Anthropic如何平衡这两端，将影响其平台的吸引力。
Mann的设想中，Labs的方向并未停留在办公与开发工具。他希望团队未来能参与生物研究、清洁能源存储以及其他现实应用中的突破。他认为，加速基础科学研究将帮助AI为更多人带来实际收益。这些仍是愿景，距离可验证的成果还有很长的路，但它们延续了Labs的工作方式：观察能力边界，寻找值得解决的问题，再通过原型检验想法。Claude Code已证明其中一条路径可以走通，Labs接下来的考验，是在不断变化的模型能力与用户需求之间，持续找到值得投入的下一项任务。
