OpenAI最大失误：放走这位MIT学霸！美国AI三朝元老，现实韦小宝_anthropic|创业|人工智能

文章图片

文章图片

文章图片

文章图片

文章图片

文章图片

文章图片

文章图片

文章图片

文章图片

编辑：KingHZ
【新智元导读】AI时代的基建狂潮来了！Anthropic联合创始人Tom Brown直言：人类正踏上一场规模超越阿波罗登月、曼哈顿计划的算力竞赛。他，曾经线代只考70多， 6月自学成才，加入OpenAI打造GPT-3 ，创立Anthropic……一路开挂堪比韦小宝，他正是AI时代最燃的注脚！
AI算力竞赛，比阿波罗更庞大，比曼哈顿更疯狂！
Anthropic联合创始人Tom Brown直言， AI基础设施的规模超越阿波罗与曼哈顿计划。
AGI算力投入正疯狂膨胀，每年增速高达3倍。
明年，这个增长势头确定无疑；但到了2027到2028年，不确定性稍高。
Tom Brown ，或许并不如奥特曼、马斯克那样家喻户晓，但在AI圈，他是被低估的传奇。
特别的是，他自学成才——从线性代数只考了B-的学生，硬是成长为推动通用人工智能突破的核心人物。
在OpenAI协助打造了GPT-3之后，他和OpenAI志同道合的同事，另立山头，共同创立了Anthropic 。

当刚起步时，他们完全看不出会成功:
OpenAI拥有十亿美元的资金，还有一群明星科学家；
而Anthropic只有七个联合创始人（见下图），硬着头皮起步，连能否做出产品、产品会是什么样都没谱。

如今， Anthropic的Claude ，已经成为全球开发者的首选。
在Anthropic ，他主导着他称之为「人类史上最大规模的基础设施建设」——一场比阿波罗登月、曼哈顿计划更庞大的算力竞赛。
在硅谷的「黄埔军校」YC的Lightcone Podcast「光锥播客」节目中， Tom Brown首次全面讲述了自己的非典型人生历程。他还分享了对年轻工程师的肺腑之言。

这场访谈完整回顾了Tom Brown的创业与研究历程：

毕业即创业，体会「狼性」文化；
在Grouper遭遇失败，转向AI自学；
厚脸皮联系Greg Brockman ，进入OpenAI；
参与GPT-3训练基础设施，见证scaling law的力量；
与OpenAI团队决裂，创立Anthropic；
推出Claude ，并在Claude 3.5/3.7迎来市场转折；
打磨Claude Code ，意外成为爆款应用；
负责超大规模的算力与硬件基础设施；
最后强调：年轻人要勇敢冒险，追随内心使命，而不是追名逐利（chasing credentials）。

MIT学霸创业踩坑录
主持人问：21岁从MIT毕业， Tom进入科技行业，从2009年到今天，怎么一路走到联合创办Anthropic这样重要的公司？

他追忆了他的来时路。
21岁从MIT的计算机专业毕业后，放弃巨头offer ，他加入朋友初创公司Linked Language ，首次体验「狼性」创业文化。
毕业即创业，他直言这段经历改变了他的心态：
在学校里，别人给我布置任务，我就完成任务，就像一只等着被喂食的狗。

但在创业公司，我们更像狼——必须自己去猎食，不然孩子会饿死。
这种转变给了他勇气直面更大更难的事。
之后， Tom去了移动广告平台Mopub ，是第一号工程师。虽然想当「狼」，但那时编程水平其实很差，他常常觉得自己跟不上。但这段经历让他学到了如何把东西拓展。
之后，他却连续踩坑：

第一次当CEO：做「比Heroku更灵活」的DevOps平台，结果连自己都说不清要做什么。
第二次做约会App：YC之父Paul Graham把他介绍给Grouper ，被Tinder直接降维打击，边烧光钱边靠「每周带团队去相亲」续命。

对Tom来说， Grouper的吸引力在于：本来，他非常笨拙、害羞，特别希望有个平台能让他在朋友陪伴下去认识女生，这样会更安全。
唯一比他还常去Grouper约会的人是Greg Brockman 。他一度几乎每周都在社交软件上发「这周谁去Grouper？」。

Greg Brockman：OpenAI联创、现任OpenAI主席
他们也成了好朋友，这也成为他之后进入OpenAI的重要人脉。
在Grouper ，他被搞得身心俱疲：创业的高潮让人兴奋，但低谷也极度痛苦。
回头看， Tinder的方案比他们好得多， Grouper的使命被超越了。
业务下滑、收入减少，但Tom仍在招工程师，不断推销一个连自己都不再相信的梦想——那种感觉简直像「死亡行军」。
所以那段时间，他并没有立刻投入研究，而是先「晃荡」了一阵子。
比如，去做瑜伽、CrossFit ，甚至花三个月造了一辆「艺术车」开去Burning Man艺术节，洗去一身「班味」。

六月自学AI
「走后门」加入OpenAI
他犹豫了很久是否要转型去做AI研究：
也许，我们这辈人就会遇到颠覆性人工智能（Transformative AI）的出现，如果真发生，那是人类最重大的事件。

或许我能帮上点忙。但我大学线性代数才考了B-（差点是C+），这种水平能行吗？
2015年， Tom离开了Grouper ，但一直到一年后才加入了OpenAI 。
那时，想要搞AI研究，大家觉得你必须是顶尖学霸才有资格。所以，他不确定能否胜任，加上之前创业有所成就，他一度想干脆再去做个新创业项目算了。
他的朋友们听说他要去做AI研究，都觉得很怪，甚至有点糟糕。他们说：「AI安全？听起来就像火星人口过剩一样荒谬！」
他们都怀疑Tom不一定适合干这事。所以他足足犹豫了半年，才慢慢鼓起勇气去尝试。
玩了三个月后，他逼自己进入「隐身学习模式」六个月，好让自己有机会进到顶尖实验室。
当时只有三个选择：DeepMind、谷歌Brain、MIRI（机器智能研究院）。但他完全没技术积累，只能靠自学。
那是2015年，深度学习刚火起来，他的主要计划是：

在Coursera上自学机器学习课程；
做一些Kaggle项目；
读《Linear Algebra Done Right》；
翻一本统计学教材；
甚至用YC校友点数买了一块GPU ， SSH远程上去跑实验。

为了进入OpenAI ，他一开始就厚着脸皮去找Greg Brockman ，毕竟那时OpenAI团队里大多是研究员，阵容强大。

OpenAI宣布成立的当天， Tom就给Brockman发消息：「我线性代数才B- ，但会一点工程，懂一些分布式系统。要是能帮上忙，哪怕扫地拖地我都愿意。」
Greg觉得懂机器学习又懂分布式系统的人太少了， Tom是个鬼才。
于是把Tom介绍给Pieter Abbeel ，帮他整理学习计划。

Pieter Abbeel是加州大学伯克利分校的教授，专攻机器人学习领域。 2016年4月26日，他从伯克利休假，全职加入了OpenAI
后来， Tom每个月都去跟进学习，终于等到一个机会：OpenAI想做游戏环境，需要人帮忙搭建星际争霸（StarCraft）环境。于是他加入项目。
当时， OpenAI落脚在旧金山的Dandelion 巧克力工厂楼上，还有马斯克承诺的十亿美元资金，创业氛围十足。

之后的一个关键节点是：他开始负责训练GPT模型的工程系统。
GPT-2还在TPU上训练，而GPT-3的重大突破是切换到GPU并使用更多算力。
在OpenAI干了一年，他中间离开去Google Brain待了一年，后来又回到OpenAI 。

他恰好碰上GPT-3的训练期（2018–2019）。
那时大家已经意识到Scaling Law的力量：只要用对方法，算力越多，智能就越强。

Dario Amodei发表了著名的Scaling Law论文，证明了这一趋势。
Danny Hernandez的研究显示，算法效率提升也在持续降低成本。

这两股力量叠加，让OpenAI看清未来几年智能水平会爆炸式提升。
当时他最震撼的是：那条直线跨越了12个数量级——从小模型到超级大模型，全都稳定对齐在同一条线。
这么长的数量级跨度，在其他科学领域都没见过。于是Tom完全转向做scaling相关工作。
当然，当时学界很多人还在批评OpenAI ，说「你们只是在堆GPU ，太粗暴，没技术含量」。有人甚至形容这就是「愚蠢但有效」的办法。
如今看来，正是这条「笨办法」推动了智能的飞跃。

分道扬镳，自立门户
Tom待过OpenAI、谷歌DeepMind和Anthropic ，可谓美国AI界的「三朝元老」。
Tom原本是从GPT-3团队的一员，到底为何与OpenAI决裂？
这与与Amodei兄妹难脱关系。

当时， OpenAI负责safety和scaling的团队向Daniela、Dario Amodei兄妹报告。
两支团队合作默契，而且都坚信：
Scaling Law必然会带来颠覆，最终人类将不得不把某种控制权移交给通用人工智能（AGI）。如果运气好，它会与人类目标保持一致，带来顺利的过渡；如果运气不好，后果可能极为严重。

因此我们必须建立一个能够承担这种重任的机构。
这就是他们自立门户核心原因。
Tom坦承当时并不确定这是对世界最好的选择。回头看，结果证明这是明智的。
早期加入Anthropic的人都是抱着「使命」来的。他们本可以去更体面、更赚钱的地方，但选择了Anthropic ，因为他们相信这件事值得做。
这也成为公司文化的基石：前100名员工几乎都是因使命而来。

Anthropic的Linkedin主页介绍
正因如此，直到今天Anthropic已有2000多人，政治斗争依旧没能渗入。如果有人觉得某个行为偏离使命，他们会直接站出来指出来。

Claude拿下开发者， ChatGPT干瞪眼
大概在ChatGPT推出前9个月， Anthropic推出了第一个产品Slack机器人Claude 1 。
初期， Anthropic还犹豫是否发布产品，专注于研究和基础设施。 ChatGPT的发布是一个催化剂，促使Anthropic推出API和Claude AI 。
Claude 3.5 Sonnet特别是Claude Code是其关键转折点，获得了巨大的市场认可。
2023年，几乎所有创业者都在用OpenAI 。
但到2024年， Claude 3.5尤其是Sonnet版本开始迅速抢占市场份额。
尤其在编程场景里，从个位数一路升到20%、30% ，甚至现在可能80%、90%的创始人更偏好Claude 。

国外某投行LLM报告：https://menlovc.com/perspective/2025-mid-year-llm-market-update/
就像OpenAI当初没准备好ChatGPT的爆红一样， Claude 3.7 Sonnet同样让Anthropic惊讶——它意外解锁了「智能体式编程」的能力。
每一次迭代， Claude的新能力惊艳众人。

Claude Code的诞生
「心智切换」理论
YC的创业者调研显示，大家在编程上更喜欢用Anthropic的模型，这种偏好远超基准测试结果能解释的范围。为什么会这样？是有意为之，还是自然涌现？
Tom觉得主要原因是——不「刷榜」。
其他大实验室都有专门团队，盯着基准测试题库做针对性优化，目标就是让分数更好看。但我们没有这样的团队，所以反而避免了训练集和测试集的过拟合。
Anthropic内部当然也有自己的评测指标，但不会对外公布。团队主要盯着内部benchmark去优化，同时大量「dogfooding」（内部自用）——比如让Claude来加速自己的工程师工作，这是最高优先级。
最近， Claude Code特别成功。主持人问起了它的起源，没想到Claude Code最初只是个无心之作。
工程师Boris Cherny为了帮团队写代码，临时拼凑出来的内部小工具。
一开始， Anthropic的战略是：只做API ，不碰应用。因为他们觉得，外部创业公司有无数点子，肯定更懂产品。所以他们全力把API打磨到最好，让开发者去构建应用。
结果Claude Code出乎意料地跑了出来，作为一个产品，它居然比市面上的替代品更好用。
对此， Tom有个「心智切换」理论——把Claude本身当成「用户」来对待。

在Linked Language ，用户是老师；
在Grouper ，用户是纽约的单身青年；
在Claude Code ，用户既是开发者，也是Claude自身。

所以团队的思路是：给Claude配备最合适的工具和上下文，让它更高效地帮助人类完成任务。
这是一种「以模型为中心」的思维方式，对Anthropic而言却格外自然。

人生忠告
如果今天有一个「年轻版的你」——20多岁，正想进入AI领域，想搭上这班快车，你会给他什么建议？
Tom会说——要敢于冒更多风险。
选择那些即使失败，朋友们也会觉得你很酷、很钦佩的项目。或者，你理想中的那个更好的自己，会为之骄傲的事情。去做这样的事，而不是一味追逐所谓的「安全路径」。
主持人最后问了大学生常见的困惑：到底要不要继续上学？未来还有没有工作？世界会怎么变？
Tom的建议是：
不要太在意外部的标签（比如学位、证书、去大厂）。

内在驱动比外在驱动更重要。

如果只是为了拿一个文凭，或者去FAANG公司（Facebook、Apple、Amazon、Netflix、Google）混一份工作，那已经没什么意义了。

【OpenAI最大失误：放走这位MIT学霸！美国AI三朝元老，现实韦小宝】现在的世界变化太快，靠「传统路径」已经不再是优势。真正的价值，是你能不能在朋友心中、在自己心里，都觉得「我做了一件了不起的事情」。