Claude Code负责人访谈：增长80倍背后的真相与未来

Anthropic旗下的Claude Code正在经历前所未有的增长。在Big Technology Podcast的最新一期节目中，Claude Code负责人Boris Cherny接受了深度访谈，分享了产品的爆发式增长、Token Maxing争议、AI代理的未来前沿，以及这一切是否可持续的关键问题。

从未见过的增长曲线：年收入从40亿飙至450亿

Boris Cherny用"从未见过如此陡峭的增长"来形容Claude Code的发展轨迹。在产品内部发布时就"立即飙升"，甚至在对外发布之前，团队就预感这将是一款现象级产品。

去年5月随着Opus 4和Sonnet 4的发布，增长进入指数级阶段。此后每一次模型迭代——Opus 4.5（11月）、4.6（2月）、4.7——都带来新的增长拐点。Anthropic CEO Dario Amadei透露，公司产品需求同比增长了80倍，年化收入从去年的40亿美元飙升至约450亿美元。

Boris坦言："团队里有很多在科技行业工作多年的人，经历过各种超高速增长产品，但即便如此，我们从未见过这样的增长。"目前Anthropic的产品矩阵包括Claude Code、Claude AI Chat、Claude Design、Cowork以及API产品，而Claude Code已成为许多人接触Anthropic的第一入口。

从代码编辑器到通用AI代理：工具使用改变一切

工具使用能力：Claude Code与聊天机器人的本质区别

Boris将Claude Code与传统聊天机器人的核心区别归结为一点：工具使用能力。聊天机器人只能来回对话，而Claude Code作为一个AI代理，可以使用你的工具——编辑文件、操控浏览器、登录各种服务、组织桌面文件。

理解这一区别，需要先厘清AI代理（AI Agent）的技术内涵。AI代理是指能够感知环境、自主决策并执行行动以完成目标的AI系统，其核心能力在于"工具调用"（Tool Use / Function Calling）——模型不仅能生成文本，还能调用外部API、操作文件系统、控制浏览器等。这一能力的实现依赖于ReAct（Reasoning + Acting）等框架，让模型在推理链中穿插实际操作步骤。OpenAI于2023年推出的Function Calling和Anthropic的Tool Use API是这一范式的重要里程碑，标志着AI从"对话工具"向"行动主体"的根本性跃迁。

"一年半前，没有任何AI产品能真正编辑你电脑上的文件。但这是Claude Code能做的第一件事。这个微小的差异，完全改变了人们使用产品的方式。"

超越编程：用AI代理处理日常事务

Boris分享了自己用Cowork订机票的经历：他需要前往伦敦和东京参加活动，中间还有多个停靠站。他告诉Cowork大致行程，让它查看邮件和日历进行核实。Cowork不仅发现了他遗漏的两个停靠站和几个错误日期，还在一小时内预订了8张机票和5家酒店。其中一家酒店位置不对，他让Cowork重新预订，几分钟就搞定了。

"这是我用Cowork得到的最好结果。每次模型改进，你都必须不断重新调整对它能力的期望。"

Token Maxing争议：企业刷Token是真实需求还是虚假繁荣？

硅谷的"刷Token"现象引发质疑

访谈中一个尖锐的话题是Token Maxing——企业要求员工尽可能多地使用AI Token，甚至设置排行榜和使用目标。《金融时报》报道了亚马逊员工为达到每周80%开发者使用AI的目标，运行不必要的自动化任务来刷消耗量。

要理解这一现象，需要了解Token的经济学本质。Token是大语言模型处理文本的基本单位，大约对应0.75个英文单词。企业使用AI的成本通常按Token消耗量计费，因此Token使用量自然成为衡量AI采用率的核心KPI。Token Maxing现象折射出企业在AI转型期的管理困境——KPI驱动的使用目标可能催生"刷量"行为，而非真实生产力提升。这与早期互联网时代"页面浏览量"指标异化如出一辙，提示企业需要建立更精细的AI ROI评估体系，关注任务完成质量而非单纯的消耗量。

Boris认为Token Maxing并不构成需求的主要部分。他指出Claude Code拥有大量客户，"不是某一家公司在驱动使用量"。他更关注的是企业如何真正从AI中获益，并引用了一篇90年代的《哈佛商业评论》文章来类比：当年个人电脑普及时，也有人质疑为什么看不到生产力提升。答案是——你必须围绕新技术重构整个业务流程，而不是把它放在边缘位置。

工程师代码产出增长250%的真实数据

Boris以自己在Meta的经历作对比：过去花很长时间才能实现每位工程师每年1-3%的生产力提升。而引入Claude Code后，Anthropic每位工程师的代码产出增长了约250%，同时保持了代码质量和可靠性的稳定。

他的建议是：给每个人Token让他们实验，提供心理安全感让人敢于尝试，因为"创新往往来自你最意想不到的人——可能是角落里的会计，可能是某个市场营销人员，也可能是刚毕业的新人"。

模型效率与速率限制：用户最关心的两大痛点

LLM效率问题能否被解决？

主持人分享了一个典型案例：让Cowork将PowerPoint导出为PDF时，模型陷入循环，疯狂调用工具却无法完成这个简单任务。有评论者认为这是LLM技术的固有缺陷，无法修复。

Boris不同意这个观点。他回顾了Claude Code一年半前的状态——"不太好用，会陷入螺旋，质量不佳"——到今天"Claude Code 100%由Claude Code自己编写，Cowork 100%由Claude Code编写"。在Y Combinator的演讲中，约一半的创业者举手表示100%的代码都是用Claude Code编写的。

在模型优化策略上，Boris表示团队优先追求智能水平，效率优化随后跟进。用户可以通过选择不同模型（Opus/Sonnet/Haiku）和调节"effort"参数来平衡智能与Token消耗。这一分层设计背后是Anthropic对模型能力谱系的精心规划：Opus系列定位旗舰推理，Sonnet系列主打性能与成本平衡，Haiku系列则面向高频轻量任务，三者共同构成覆盖不同场景的完整产品矩阵。

速率限制与来自OpenAI Codex的竞争压力

关于用户频繁抱怨的速率限制问题，Boris透露实际上"只有很小比例的用户真正触及速率限制"。团队已将5小时速率限制翻倍，并宣布提高每周速率限制，同时上线了新的Colossus算力来服务激增的用户。

面对OpenAI Codex的竞争，Boris表示："总会有模仿者和竞争者。对我来说，这是一种恭维，它迫使每个人做得更好。"

AI时代软件行业的护城河重构

哪些商业护城河在增强，哪些在削弱？

Boris引用了"七种力量"商业护城河框架来分析AI时代的软件行业变局。"七种力量"（7 Powers）是斯坦福商学院教授Hamilton Helmer提出的战略分析框架，识别出规模经济、网络效应、反向定位、转换成本、品牌、垄断资源和流程效能七种持久竞争优势来源。在AI时代，该框架面临新的压力测试：生成式AI大幅降低了软件开发门槛，使得曾经依赖"技术复杂性