Anthropic像国企，OpenAI像VC- 大数跨境

首页

Anthropic像国企，OpenAI像VC

雷峰网

2026-09-17

导读：两个“极端”相反的组织，是怎么运作的？

"两个「极端」相反的组织，是怎么运作的？"

作者丨覃倩雯

编辑丨刘伟

Anthropic 与 OpenAI 的管理理念，是现代企业两种截然不同的模版：一个像国企，一个像 VC。

Anthropic 自上而下，权力和决策高度集中，尤为重视思想文化建设，气出一孔、指哪打哪儿，犹如世界各地的国有企业。

OpenAI 自下而上，权力分散，团队自主性高，业务百花齐放，仿佛分散投资的 VC 机构。

那么两家旗鼓相当的 AI 公司，为何会出现如此鲜明的管理分化？除此之外，哪种模式才能走得更远，以及大厂们为何又在这两种管理理念中左右摇摆？这篇文章将会解开谜底。

OpenAI，用 Google 的自下而上

把 Google 逼成了自上而下

OpenAI 的管理哲学颇具戏剧性，先是用只梭哈一条技术路线的方式，击败了微软 AI 的分散押宝式策略。再利用微软的分散策略，把同样分散押宝的 Google，逼向集权。

OpenAI，断了微软华人科学家的粮草

据微软高层回忆，微软 CEO 萨提亚和 CTO 凯文斯·科特在 2021 年便派人匿名委托第三方机构，对 OpenAI 与微软内部的模型进行测评，结果 OpenAI 全面碾压。

调研结束后，微软高层大为震惊，手起刀落，撤销对微软云 AI 团队以及微软研究院（MSR）的大部分算力资源，转投至 OpenAI。这也是造成华人科学家离职潮的重要原因。

实际上微软的大模型起步并不晚，早在 20 年前后，微软云的 AI 团队和 MSR 分别在黄学东和 Peter Lee 的带领下，组建了 CV、NLP、语音等多支大模型团队，华人为其中的中流砥柱。

后来据内部人士复盘到，微软的根本问题是思路不清晰，大模型研究方向分散，缺乏单点集中突破。

“当时大家发了很多论文，每次汇报时也都有进展，但始终没有大的突破。因为一个细分大模型团队能分配到的只有几百张卡，研究院（MSR）能拿到的显卡就更少了，所以每个团队只能在原模型上做增量改进，基本上很难做出东西。”微软内部人士透露。

后续那场与 OpenAI 盲测真正击穿的，不只是一款模型，而是一种人才与组织的管理方式：多个团队同时探索，但如此一来，算力、人才资源不集中，推进速度也更慢。

而早期的OpenAI 把所有算力、人力筹码都押在生成式 AI 这一条路线上，反倒先把大模型这条路趟通了。

学习 Google，再把 Google 逼得不像 Google

在人、钱、卡充沛后，OpenAI 逐步形成了风投式管理方式，启动了无数个探索性项目，自下而上的文化逐渐成型。

这个组织形态，最具代表的前辈，便是 Google。

2004 年，Google 发布的 IPO letter 中提到了一个影响整个硅谷的管理方式：20% 自由时间制。它把员工的时间分成两部分：80% 服务于公司主业，另外 20% 可以用来做自己感兴趣、且对 Google 发展有价值的个人项目。

这套制度为谷歌成功孵化了许多“计划之外”的神级产品，Gmail、AdSense、Google News、Google Maps 等改变世界的项目，最初都是员工在"20% 时间”里捣鼓出来的原型。

Google 的这一套逻辑，深刻影响着 OpenAI。

Google 的文化被写进了 OpenAI 公开的工作准则："Creativity over control"（创造力优先于控制）。与此同时，OpenAI 招揽了许多 AI 人才，希望他们能像 Google 一样，能独立探索创新、进而做出许多世界级好产品。

这也是为什么外界能在很多方向领域上都能看到 OpenAI 的影子。

一是模型能力上，math、science、coding、reasoning、多模态、架构创新等，OpenAI 都在发力。二是产品上，Codex、浏览器、机器人、企业平台、智能硬件、芯片和数据中心等也在同时推进。

据业内流传，OpenAI 内部的项目数一度高达 300 多个，被人戏称美国版追觅。

当 OpenAI 长得越来越像早期的 Google，二级市场也开始不断唱衰 Google 了。受到 ChatGPT 冲击的 Google，也开始变了。

2023 年之前，Google 的 AI 研究分散在两个人手里，一个是 Google Brain 的 Jeff Dean，另一个是 DeepMind 的 Hassabis。

最讽刺的一幕就在这里。

Open AI 借助 Google 开源的 Transformer 做出了 GPT 和 ChatGPT，而最早掌握这一关键技术架构的 Google，却没有做出 AI 现象级产品；就连 BERT、LaMDA、TensorFlow 和 JAX 等一系列基础成果也成为了别人的嫁衣。

彼时，Google 高层对 Jeff Dean 颇为不满，认为自由松散的 AI 研究文化无法为公司创造价值。2023 年 4 月，Google 做了一个决定：拆分 Jeff Dean 的团队。

很快 Google Brain 从组织架构图上消失，被并入 Google DeepMind，由 Hassabis 统一领导通用模型研发，Jeff Dean 负责 infra。

整合和收权，自此开始。

OpenAI 因“自下而上”陨落，又因“自下而上”再次崛起

这是 Google 被 OpenAI 重击后的一次组织回应，也是对自己过去二十年创新方式的一次反转。

过去，Google 允许每个研究团队自己探索长出创新项目；现在，Google 把 AI 大模型的指挥权力收回，要求各个团队围绕公司的核心目标作战。

集权后的 Google，很快表现出大象依旧可以转身的能力。

25 年底，Gemini 3 被认为已经追平甚至在部分能力上超过 OpenAI，股票因此大涨。Anthropic 的 Claude Code 占住了 Coding 这个最清晰的商业化场景；

这个阶段，集权主义 Anthropic 和 Google，全面压制了自由主义的 OpenAI。

今年年初，在许多硅谷从业者中，当时形成一种近乎共识的判断：AI 时代集权才是王道，Anthropic 和 Google 会把 OpenAI 越甩越远。

可这个观点只持续到了夏天。就在大家不看好 OpenAI 时，它打了一场漂亮的翻身仗。

2026 年 2 月开始，OpenAI 把不同模型的能力被接到了一起：Codex 从一个基层发起的创新产品，成为连接 Chat、Coding 与 Agent 的关键入口。

到了 6 月，OpenAI 披露 Codex 的周活跃用户已经突破 500 万，而这一数字在年初时仅有 60 万左右。5 个月时间，Codex 周活用户数量增长了 730%。

OpenAI 能在几个月内完成切换，并不是临时组队补课。

早在 2021 年，OpenAI 的一个研究团队基于 GPT-3 做出了 Codex，并成为 GitHub Copilot 背后的模型。虽然后来 Open AI All in 生成式 AI 后，Codex 一度淡出产品中心，但模型积累下来的能力仍然留在了组织里。

借助早期在 GPT、Codex、机器人、多模态上积累的能力，OpenAI 管理层能迅速收拢产品与资源，把 Codex 升级成公司级战役。

这就是早期单元作战方式留下的一颗小火种。

第一次，OpenAI 集中资源押中 GPT，用 ChatGPT 定义生成式 AI；第二次，它没有从头追赶 Coding，而是重新调出 Codex，再把它与新的 GPT 推理能力合并。

与此同时，集权转型带来的后遗症，在 Google 身上开始显现。

Google 的集权后遗症

Google 在保持阶段性领先后，从自由主义到集权主义过度的后遗症开始显现。

Google AI 虽要集权，但历史遗留的组织烟囱和资源分配问题依旧有惯性，所以新旧管理方式在来回拉扯，造成巨大的部门内耗。

在一系列巨大的组织变阵和撕裂中，模型能力开始不断掉队。

Gemini 3.5 Pro 因为 Coding 能力未达内部目标不断跳票，紧接着 Hassabis 退出 Google DeepMind 的核心管理，Jeff Dean 与 Oriol Vinyals、Quoc Le 等核心人物也离开 Google 创业。

刚把分散的队伍拧成一股绳，又换了握绳的人，反而让 OpenAI 有机可乘。

但这轮 Anthropic、OpenAI、Google 的格局变化，暴露了一个比榜单更重要的问题：当模型能力逐渐接近，决定公司起伏的，已经不只是算法和算力，还有用什么方式管理一群全世界最聪明、ego 最大的科学家。

从目前的现状来复盘，AI 管理模式正在走向两种极端：要么给科学家配足资源、予以更多自由，自下而上推动创新；要么从面试那一天就对这批人进行文化筛选，自上而下指哪儿打哪儿。

Anthropic 便是后者的践行者。

Anthropic，「国企」文化的映照

和 OpenAI 自下而上的管理模式不同，Anthropic 采用了类似各国国企一样的“思想纲领”。践行一套强文化、强理念的人才过滤模式：Effective Altruism（有效利他主义）。

有效利他主义的核心理念，是精英人士应该帮助他人，但不能随便帮助，而要“效用最大化”，把钱捐在刀刃上。

Anthropic 从创立第一天起，就把“有效利他”刻在了文化基因里，把“为全球福祉行动”“高信任、低 ego"和“使命优先”并列写进用人原则，并且特别强调，公司使命是内部决策的最终裁决者。

从成立到现在，所有 Anthropic 的求职者都需要参与一次非常严格的思想文化面试，一个小时问 15-20 个问题。

这是 Anthropic 人才筛选的第一道关。

技术岗除了考察技术能力，要回答什么驱动自己从事这项工作；而非技术岗需要回答，为什么会被 Anthropic 的使命吸引。

根据流出的面试题显示，Anthropic 面试会问相当直接的问题：如果公司的使命与金钱发生冲突时，你会如何选择？如果 Anthropic 因为无法保证安全，最终决定不发布模型，你愿意接受自己的股票归零吗？

Anthropic 用这道机制，尽可能早地把不符合自己价值观的人筛出去。

为了继续强化这种文化制度，让 Anthropic 内部形成更高度凝聚力的组织，Dario 甚至将 30%-40% 的精力花费在抓组织文化上，以抵御规模扩张带来的官僚主义。

去年，硅谷大厂流行用巨额薪酬挖人时，Dario 也公开表示，不会因为某个人恰好被竞争对手盯上，就给他同事十倍的报酬，这会从内部摧毁公平感。

除此之外，Dario 定期与员工进行沟通与分享。在每两周一次的 Vision Quest 全员演讲中，他拒绝通过中间管理传话，而是直接向员工同步讲模型、产品、行业竞争和 AI 相关的全球局势，回答员工提问。

这就是 Anthropic 像“国企”的地方。前期招聘时，严格筛选符合要求、能和公司同频的人才，入职后持续做思想与目标的对齐，把组织认同放在很高的位置。

也正是这套人才筛选、人才管理机制，让 Anthropic 在业务上的决策速度比别人要快许多。

2023 年，Claude 刚出来时只是一个通用模型，主要应用场景仍是总结、搜索、写作、问答，而 Coding 只是其中一项很小的能力。

然而当时 ChatGPT 爆火之后，Anthropic 意识到 C 端已经被 OpenAI 抢先，于是内部把重心转向 toB。在训练 Claude 3 时，Anthropic 开始有意识地强化 coding 能力。

Claude 3.5 Sonnet 发布后，Claude 命运的齿轮真正开始转动。它在代码生成和 Agent Coding 评测中拉开的差距，引发了众多开发者疯狂涌入。

彼时 Dario 迅速捕捉到了这个趋势，随即收敛产品研究方向，集全公司之力全面转向 Coding，把最关键的能力打穿。在 OpenAI、Google 仍苦心孤诣多方向布局时，Anthropic 完全相反，彻底放弃 C 端、放弃多模态。

2025 年 2 月 Claude Code 推出，Coding 从一项很小的模型能力，升级成为 Anthropic 的一个独立产品和公司级主航道。

最后的结果证实，Coding 确实是大模型商业化落地最重要的方向。

今年，Anthropic 创造了人类商业史上最快的爆发性增长，ARR 从去年 12 月的 90 亿美金冲到了 6 月份的 650 亿美金。而对面的 OpenAI 直到今年 3 月份才惊醒，砍掉了 Sora 等支线业务，把 Coding 提到公司第一优先级。

从发现 Coding 领域的优势，到做出重磅级的 Coding 产品，前后不到 8 个月。这么短的时间里，能做到如此之快的业务转向，极其考验整个公司的组织凝聚力和团队服从性。

而 Anthropic 过去通过价值观、使命感筛选出来的人才，让他在组织上减少了很多部门墙和沟通内耗。一群理念同频的人，在面对行业巨浪滔天的变化时，往往能始终保持着动作一致性。

这也是 Anthropic 难能可贵的一点。正如 Anthropic 增长负责人所说，组织文化是 Anthropic 的秘密武器，是最有防御力且别人无法复刻的东西。

两种组织，一个共性

在激烈的大模型赛场上，OpenAI 和 Anthropic 两种不同的组织管理模式，让他们在竞争中不断保持着优势地位。

如果用养孩子打比方，Anthropic 更像只生一个孩子、集中富养；OpenAI 更像多生几个孩子、先穷养，再把资源押给最有希望跑出来的那个。

到底是少生优生好，还是多子多福好，没有标准答案，都是靠大胆豪赌和一条路走到黑。

Anthropic 赌的是一开始就押中了方向，这非常考验创始人的判断力；代价是如果没赌对，公司转型会更困难。OpenAI 赌的是能在许多可能的方向中及时选对，代价是可能会错失机会，犹如微软那场技术 pk 那般。

很难说哪种组织形更好。但站在后视镜里看，OpenAI 和 Anthropic 给整个行业留下了两个观察样本，让人们看见了另一种可能。

只是AI 世界瞬息万变，战局仍飘忽不定，下一个被市场低估的也许是 Anthropic，也可能是 OpenAI。

▼