史上最快增长：300亿美金ARR反超ChatGPT！Anthropic的增长团队到底做了什么？

2025年初，Anthropic的ARR（年化经常性收入）大概是10亿美金。到2026年3月，这个数字变成了190亿。4月初的最新数据：300亿美金。

14个月，30倍。

在我的印象里，这个增长速度在商业史上没有先例：SaaS行业从来没有任何一家公司在这个收入量级上保持过这种增长率。

但更让我感兴趣的，不是数字本身。而是Anthropic的增长负责人Amol Avasare最近在Lenny's Podcast上的一句话：

「Claude在自己增长自己。」

这句话听起来像PR话术，但他用一整期播客解释了背后的机制。听完之后我觉得，这可能是过去十年最重要的增长方法论转变。

大部分增长团队的资源分配是：70%花在优化上——转化率优化、注册流程优化、定价页面A/B测试——确定性高，效果可测量。剩下30%才去押重注——比如做一个全新功能，或者进入一个新市场。

Anthropic反过来。70%资源押重注，30%做优化。

这在常规打法里是不可想象的。优化是确定的——你改一个按钮颜色，能精确测出转化率变了多少。押重注是不确定的——你可能花三个月做一个功能，结果完全没用。

但Avasare的逻辑是：当你的产品处于能力爆发期，优化的天花板很低。你把注册转化率从60%优化到65%，和你发布一个让用户「哇」的新功能相比，后者带来的增长是数量级的差别。

这个判断的前提是：你的产品确实在快速变强。

对大部分公司来说，产品能力的提升是线性的，甚至是对数的——边际改善越来越小。但对Anthropic来说，每一代模型的能力跃迁是真实的。在这个条件下，把资源压到「让用户体验到最新能力」上，比打磨漏斗有效得多。

Anthropic增长最快的方向是代码。Claude Code成了程序员的标配工具，这不需要多说。

但有一个飞轮效应被大多数人忽略了。

开发者用Claude写代码 → Anthropic从使用数据中学到什么样的代码任务最难、什么样的反馈最有价值 → 这些洞察反馈回模型训练 → 下一代模型的代码能力更强 → 更多开发者来用。

产品使用本身就是研究数据。

这不是一个比喻。Avasare明确说，AI coding这个方向不仅驱动了产品增长，同时加速了底层模型的研发。用户越多，模型进步越快，模型越好，用户越多。

这就是「Claude在自己增长自己」的真实含义。不是说Claude在自己跑广告，而是产品使用和模型改进形成了一个自增强的循环。

传统SaaS也有网络效应，但那是用户之间的网络效应（更多人用Slack → Slack对每个人更有用）。Anthropic的飞轮是用户和模型之间的网络效应——这是AI产品独有的增长机制。

我自己用Claude Code的体感也是这样。随着Claude Code的版本升级，这种「产品在变好」的体感，是最强的留存驱动力。

增长黑客的第一课是：消除注册摩擦。减少步骤，减少填写项，让用户尽快进入产品。

Anthropic不这么做。他们故意保留onboarding中的摩擦。

原因是：AI产品和传统SaaS有一个根本性的区别——激活（activation）的门槛更高。

你注册了一个传统SaaS，点几下就能看到它的价值。但你注册了Claude，如果不知道怎么用，你会觉得「就是个聊天机器人」，然后流失。

常规做法

100人轻松注册，10人真正理解产品价值。

ANTHROPIC

50人带着正确预期进来，30人成为深度用户。

我在之前做产品的时候也发现，降低注册门槛带来的用户，留存率往往很差。反而是那些愿意花时间了解产品的人，最终成为核心用户。

在AI产品里，激活是杠杆最高的增长问题。不是获客，不是转化，是激活——让用户真正理解这个工具能做什么，并且形成使用习惯。

还有一个细节让我印象深刻。

Anthropic内部有一个叫CASH的系统，用Claude自己来跑增长实验。自动生成假设、自动设计实验、自动分析结果。

这不是一个概念，是一个正在运行的系统。

用AI产品来做AI产品的增长——这件事在逻辑上很自洽，但在实操层面，我还没见过第二家公司这么做。大部分增长团队还在用Google Analytics+Mixpanel+人工分析的老一套。

这让我想到一个更大的趋势：AI公司是自己最好的客户。

Anthropic用Claude写代码、用Claude跑增长实验、用Claude做客服。这不是作秀，是因为它确实好用。而这种「dogfooding到极致」的状态，反过来又加速了产品改进。

增长的另一面是成本。

同一周，Stratechery的Ben Thompson报道了Anthropic和Google签了一笔大型TPU算力协议。Anthropic需要算力，Google有很多的算力——这是一个自然的联盟。

但这也意味着Anthropic的成本结构非常重。不像传统SaaS公司，收入增长直接变成利润。AI公司每增加一个用户，就需要更多的GPU/TPU来支撑推理。

300亿ARR很惊人，但Anthropic目前还在大幅亏损。

Latent Space本周报道这个数字的时候，用了一个很有意思的框架：Anthropic在OpenAI IPO前夕宣布这个数字，不是巧合。这是一场融资叙事的竞赛——谁的增长数字更漂亮，谁在下一轮融资和公开市场上的估值就更高。

所以300亿ARR既是真实的产品胜利，也是精心选择的时间窗口里的资本运作。两者不矛盾。

从这个增长故事里，我提炼出几个对创业者有实际参考价值的判断：

如果你的产品正在经历能力跃迁（不管是因为AI还是因为什么），把资源压到「让用户体验到最新能力」上，比反复调整注册流程和定价页面有效得多。这个窗口期不会永远存在。

传统SaaS的增长靠网络效应和销售效率。AI产品可以做到「使用数据反哺模型训练」，形成产品-研发的双螺旋。如果你在做AI产品，你应该从第一天就想清楚这个循环怎么建。

大部分AI产品的真正瓶颈不是「没人知道」，而是「知道了不会用」。如果你的AI产品留存率低，大概率不是产品不好，是你没帮用户跨过从「注册」到「真正理解产品能做什么」的那道坎。

AI让工程师的产出暴增，但「做什么」的问题没有变简单。未来可能需要更多PM来定义方向，而不是更多工程师来执行。这对所有科技公司的组织架构都有影响。

如果你做AI产品，但你自己的团队还在用传统工具做增长、做分析、做客服——你没有在认真对待自己的产品。Anthropic用CASH系统做增长实验，不是因为酷，是因为比人工快10倍。

核心结论

最后

14个月30倍的增长，是很多因素的叠加：模型能力的真实跃迁、代码飞轮的自增强效应、反直觉的增长策略、以及一个恰好处于爆发期的市场。

这些因素里，有些是Anthropic独有的（比如自研模型），有些是任何AI创业者都可以借鉴的（比如70/30法则、让用户真正学会用产品、产品dogfooding）。

但最让我在意的是那个飞轮。

当产品使用本身成为研发数据，增长和研发就不再是两个独立的函数——它们变成了一个自增强的系统。这是AI产品和所有之前软件产品的根本区别。理解这一点的创业者，会比不理解的人多一个数量级的优势。