新智元報道

編輯：KingHZ

AI時代的基建狂潮來了！Anthropic聯合創始人Tom Brown直言：人類正踏上一場規模超越阿波羅登月、曼哈頓計劃的算力競賽。他，曾經線代只考70多，6月自學成才，加入OpenAI打造GPT-3，創立Anthropic……一路開掛堪比韋小寶，他正是AI時代最燃的注腳！

AI算力競賽，比阿波羅更龐大，比曼哈頓更瘋狂！

Anthropic聯合創始人Tom Brown直言，AI基礎設施的規模超越阿波羅與曼哈頓計劃。

AGI算力投入正瘋狂膨脹，每年增速高達3倍。

明年，這個增長勢頭確定無疑；但到了2027到2028年，不確定性稍高。

Tom Brown，或許并不如奧特曼、馬斯克那樣家喻戶曉，但在AI圈，他是被低估的傳奇。

特別的是，他自學成才——從線性代數只考了B-的學生，硬是成長為推動通用人工智能突破的核心人物。

在OpenAI協助打造了GPT-3之后，他和OpenAI志同道合的同事，另立山頭，共同創立了Anthropic。

當剛起步時，他們完全看不出會成功:

OpenAI擁有十億美元的資金，還有一群明星科學家；

而Anthropic只有七個聯合創始人（見下圖），硬著頭皮起步，連能否做出產品、產品會是什么樣都沒譜。

如今，Anthropic的Claude，已經成為全球開發者的首選。

在Anthropic，他主導著他稱之為「人類史上最大規模的基礎設施建設」——一場比阿波羅登月、曼哈頓計劃更龐大的算力競賽。

在硅谷的「黃埔軍校」YC的Lightcone Podcast「光錐播客」節目中，Tom Brown首次全面講述了自己的非典型人生歷程。他還分享了對年輕工程師的肺腑之言。

這場訪談完整回顧了Tom Brown的創業與研究歷程：

畢業即創業，體會「狼性」文化；

在Grouper遭遇失敗，轉向AI自學；

厚臉皮聯系Greg Brockman，進入OpenAI；

參與GPT-3訓練基礎設施，見證scaling law的力量；

與OpenAI團隊決裂，創立Anthropic；

推出Claude，并在Claude 3.5/3.7迎來市場轉折；

打磨Claude Code，意外成為爆款應用；

負責超大規模的算力與硬件基礎設施；

最后強調：年輕人要勇敢冒險，追隨內心使命，而不是追名逐利（chasing credentials）。

MIT學霸創業踩坑錄

主持人問：21歲從MIT畢業，Tom進入科技行業，從2009年到今天，怎么一路走到聯合創辦Anthropic這樣重要的公司？

他追憶了他的來時路。

21歲從MIT的計算機專業畢業后，放棄巨頭offer，他加入朋友初創公司linked Language，首次體驗「狼性」創業文化。

畢業即創業，他直言這段經歷改變了他的心態：

在學校里，別人給我布置任務，我就完成任務，就像一只等著被喂食的狗。

但在創業公司，我們更像狼——必須自己去獵食，不然孩子會餓死。

這種轉變給了他勇氣直面更大更難的事。

之后，Tom去了移動廣告平臺Mopub，是第一號工程師。雖然想當「狼」，但那時編程水平其實很差，他常常覺得自己跟不上。但這段經歷讓他學到了如何把東西拓展。

之后，他卻連續踩坑：

第一次當CEO：做「比Heroku更靈活」的DevOps平臺，結果連自己都說不清要做什么。

第二次做約會App：YC之父Paul Graham把他介紹給Grouper，被Tinder直接降維打擊，邊燒光錢邊靠「每周帶團隊去相親」續命。

對Tom來說，Grouper的吸引力在于：本來，他非常笨拙、害羞，特別希望有個平臺能讓他在朋友陪伴下去認識女生，這樣會更安全。

唯一比他還常去Grouper約會的人是Greg Brockman。他一度幾乎每周都在社交軟件上發「這周誰去Grouper？」。

Greg Brockman：OpenAI聯創、現任OpenAI主席

他們也成了好朋友，這也成為他之后進入OpenAI的重要人脈。

在Grouper，他被搞得身心俱疲：創業的高潮讓人興奮，但低谷也極度痛苦。

回頭看，Tinder的方案比他們好得多，Grouper的使命被超越了。

業務下滑、收入減少，但Tom仍在招工程師，不斷推銷一個連自己都不再相信的夢想——那種感覺簡直像「死亡行軍」。

所以那段時間，他并沒有立刻投入研究，而是先「晃蕩」了一陣子。

比如，去做瑜伽、CrossFit，甚至花三個月造了一輛「藝術車」開去Burning Man藝術節，洗去一身「班味」。

六月自學AI

「走后門」加入OpenAI

他猶豫了很久是否要轉型去做AI研究：

也許，我們這輩人就會遇到顛覆性人工智能（Transformative AI）的出現，如果真發生，那是人類最重大的事件。

或許我能幫上點忙。但我大學線性代數才考了B-（差點是C+），這種水平能行嗎？

2015年，Tom離開了Grouper，但一直到一年后才加入了OpenAI。

那時，想要搞AI研究，大家覺得你必須是頂尖學霸才有資格。所以，他不確定能否勝任，加上之前創業有所成就，他一度想干脆再去做個新創業項目算了。

他的朋友們聽說他要去做AI研究，都覺得很怪，甚至有點糟糕。他們說：「AI安全？聽起來就像火星人口過剩一樣荒謬！」

他們都懷疑Tom不一定適合干這事。所以他足足猶豫了半年，才慢慢鼓起勇氣去嘗試。

玩了三個月后，他逼自己進入「隱身學習模式」六個月，好讓自己有機會進到頂尖實驗室。

當時只有三個選擇：DeepMind、谷歌Brain、MIRI（機器智能研究院）。但他完全沒技術積累，只能靠自學。

那是2015年，深度學習剛火起來，他的主要計劃是：

在Coursera上自學機器學習課程；

做一些Kaggle項目；

讀《Linear Algebra Done Right》；

翻一本統計學教材；

甚至用YC校友點數買了一塊GPU，SSH遠程上去跑實驗。

為了進入OpenAI，他一開始就厚著臉皮去找Greg Brockman，畢竟那時OpenAI團隊里大多是研究員，陣容強大。

OpenAI宣布成立的當天，Tom就給Brockman發消息：「我線性代數才B-，但會一點工程，懂一些分布式系統。要是能幫上忙，哪怕掃地拖地我都愿意。」

Greg覺得懂機器學習又懂分布式系統的人太少了，Tom是個鬼才。

于是把Tom介紹給Pieter Abbeel，幫他整理學習計劃。

Pieter Abbeel是加州大學伯克利分校的教授，專攻機器人學習領域。2016年4月26日，他從伯克利休假，全職加入了OpenAI

后來，Tom每個月都去跟進學習，終于等到一個機會：OpenAI想做游戲環境，需要人幫忙搭建星際爭霸（StarCraft）環境。于是他加入項目。

當時，OpenAI落腳在舊金山的Dandelion 巧克力工廠樓上，還有馬斯克承諾的十億美元資金，創業氛圍十足。

之后的一個關鍵節點是：他開始負責訓練GPT模型的工程系統。

GPT-2還在TPU上訓練，而GPT-3的重大突破是切換到GPU并使用更多算力。

在OpenAI干了一年，他中間離開去Google Brain待了一年，后來又回到OpenAI。

他恰好碰上GPT-3的訓練期（2018–2019）。

那時大家已經意識到Scaling Law的力量：只要用對方法，算力越多，智能就越強。

Dario Amodei發表了著名的Scaling Law論文，證明了這一趨勢。

Danny Hernandez的研究顯示，算法效率提升也在持續降低成本。

這兩股力量疊加，讓OpenAI看清未來幾年智能水平會爆炸式提升。

當時他最震撼的是：那條直線跨越了12個數量級——從小模型到超級大模型，全都穩定對齊在同一條線。

這么長的數量級跨度，在其他科學領域都沒見過。于是Tom完全轉向做scaling相關工作。

當然，當時學界很多人還在批評OpenAI，說「你們只是在堆GPU，太粗暴，沒技術含量」。有人甚至形容這就是「愚蠢但有效」的辦法。

如今看來，正是這條「笨辦法」推動了智能的飛躍。

分道揚鑣，自立門戶

Tom待過OpenAI、谷歌DeepMind和Anthropic，可謂美國AI界的「三朝元老」。

Tom原本是從GPT-3團隊的一員，到底為何與OpenAI決裂？

這與與Amodei兄妹難脫關系。

當時，OpenAI負責safety和scaling的團隊向Daniela、Dario Amodei兄妹報告。

兩支團隊合作默契，而且都堅信：

Scaling Law必然會帶來顛覆，最終人類將不得不把某種控制權移交給通用人工智能（AGI）。如果運氣好，它會與人類目標保持一致，帶來順利的過渡；如果運氣不好，后果可能極為嚴重。

因此我們必須建立一個能夠承擔這種重任的機構。

這就是他們自立門戶核心原因。

Tom坦承當時并不確定這是對世界最好的選擇。回頭看，結果證明這是明智的。

早期加入Anthropic的人都是抱著「使命」來的。他們本可以去更體面、更賺錢的地方，但選擇了Anthropic，因為他們相信這件事值得做。

這也成為公司文化的基石：前100名員工幾乎都是因使命而來。

Anthropic的linkedin主頁介紹

正因如此，直到今天Anthropic已有2000多人，政治斗爭依舊沒能滲入。如果有人覺得某個行為偏離使命，他們會直接站出來指出來。

Claude拿下開發者，ChatGPT干瞪眼

大概在ChatGPT推出前9個月，Anthropic推出了第一個產品Slack機器人Claude 1。

初期，Anthropic還猶豫是否發布產品，專注于研究和基礎設施。ChatGPT的發布是一個催化劑，促使Anthropic推出API和Claude AI。

Claude 3.5 Sonnet特別是Claude Code是其關鍵轉折點，獲得了巨大的市場認可。

2023年，幾乎所有創業者都在用OpenAI。

但到2024年，Claude 3.5尤其是Sonnet版本開始迅速搶占市場份額。

尤其在編程場景里，從個位數一路升到20%、30%，甚至現在可能80%、90%的創始人更偏好Claude。

國外某投行LLM報告：https://menlovc.com/perspective/2025-mid-year-llm-market-update/

就像OpenAI當初沒準備好ChatGPT的爆紅一樣，Claude 3.7 Sonnet同樣讓Anthropic驚訝——它意外解鎖了「智能體式編程」的能力。

每一次迭代，Claude的新能力驚艷眾人。

Claude Code的誕生

「心智切換」理論

YC的創業者調研顯示，大家在編程上更喜歡用Anthropic的模型，這種偏好遠超基準測試結果能解釋的范圍。為什么會這樣？是有意為之，還是自然涌現？

Tom覺得主要原因是——不「刷榜」。

其他大實驗室都有專門團隊，盯著基準測試題庫做針對性優化，目標就是讓分數更好看。但我們沒有這樣的團隊，所以反而避免了訓練集和測試集的過擬合。

Anthropic內部當然也有自己的評測指標，但不會對外公布。團隊主要盯著內部benchmark去優化，同時大量「dogfooding」（內部自用）——比如讓Claude來加速自己的工程師工作，這是最高優先級。

最近，Claude Code特別成功。主持人問起了它的起源，沒想到Claude Code最初只是個無心之作。

工程師Boris Cherny為了幫團隊寫代碼，臨時拼湊出來的內部小工具。

一開始，Anthropic的戰略是：只做API，不碰應用。因為他們覺得，外部創業公司有無數點子，肯定更懂產品。所以他們全力把API打磨到最好，讓開發者去構建應用。

結果Claude Code出乎意料地跑了出來，作為一個產品，它居然比市面上的替代品更好用。

對此，Tom有個「心智切換」理論——把Claude本身當成「用戶」來對待。

在linked Language，用戶是老師；

在Grouper，用戶是紐約的單身青年；

在Claude Code，用戶既是開發者，也是Claude自身。

所以團隊的思路是：給Claude配備最合適的工具和上下文，讓它更高效地幫助人類完成任務。

這是一種「以模型為中心」的思維方式，對Anthropic而言卻格外自然。

人生忠告

如果今天有一個「年輕版的你」——20多歲，正想進入AI領域，想搭上這班快車，你會給他什么建議？

Tom會說——要敢于冒更多風險。

選擇那些即使失敗，朋友們也會覺得你很酷、很欽佩的項目。或者，你理想中的那個更好的自己，會為之驕傲的事情。去做這樣的事，而不是一味追逐所謂的「安全路徑」。

主持人最后問了大學生常見的困惑：到底要不要繼續上學？未來還有沒有工作？世界會怎么變？

Tom的建議是：

不要太在意外部的標簽（比如學位、證書、去大廠）。

內在驅動比外在驅動更重要。

如果只是為了拿一個文憑，或者去FAANG公司（Facebook、Apple、Amazon、Netflix、Google）混一份工作，那已經沒什么意義了。

現在的世界變化太快，靠「傳統路徑」已經不再是優勢。真正的價值，是你能不能在朋友心中、在自己心里，都覺得「我做了一件了不起的事情」。

參考資料：

https://x.com/slow_developer/status/1957925542663184817

https://x.com/ycombinator/status/1957815586744070653

https://www.youtube.com/watch?v=JdT78t1Offo

https://www.linkedin.com/in/nottombrown/