Anthropic CEO 对话摩根大通 CEO:“算力是公司最棘手的商业两难”
Anthropic CEO 达里奥·阿莫迪与摩根大通 CEO 杰米·戴蒙对谈,谈算力采购两难、模型护城河、Agent 安全、上市考量与公益基金。

编者按
本文整理自 Anthropic 上市前,摩根大通为其举办的投资者对谈。
对话由摩根大通董事长兼 CEO 杰米·戴蒙提问。作为 Anthropic 最大的企业客户之一,摩根大通有 25 万名员工每周多次使用 Claude。整场交流聚焦于机构投资者与企业客户最关注的核心议题:9000 亿美元远期算力承诺的财务可持续性、模型同质化趋势下的护城河、Agent 部署于敏感系统的安全边界,以及选择当前时点上市的考量。
Anthropic 联合创始人兼 CEO 达里奥·阿莫迪在对话中系统阐述了公司的治理与商业逻辑,内容涵盖组织文化、算力采购的风险缓冲策略、科学发现领域的进展、估值原则及 5% 股份公益基金的设立初衷。
本期内容来自摩根大通为 Anthropic 上市举办的投资者对谈,2026 年 11 月 14 日播出,原视频时长 38 分钟。
以下为完整对话内容,全文约 9200 字,阅读时长约 11 分钟。
本期精彩观点
算力是公司面临的最深的商业两难。买多了,财务上容易过度透支;买少了,不仅撑不住客户的推理需求,研发也跟不上——而今天的研发,决定的正是六到十二个月后的模型能力与未来收入。
在买算力这件事上,我们倾向于往少了买。先以较低的成本提前锁定相对较少的算力,如果业绩超出预期,再去现货市场补买。现货虽然更贵,但那是在公司发展特别顺利时才多花的钱,本质上就像买保险。
技术前沿每向前推进一步,就会催生出全新的市场。2023 年大家都在盯着聊天机器人,我们却判断编程市场的体量会远超聊天机器人;如今编程开始走向成熟,科学发现、生命科学这些新领域,又会比编程市场大得多。
认为“好模型一定很贵、便宜模型只能找别家”其实是一种误解。我们有算力乘数效应,能把大模型做得很高效,小模型自然也跟着高效:Haiku 5.5 每百万输入 Token 的价格只要 10 美分。
上市前我听过最有共鸣的一条建议是:绝不要让你的公司比它的真实价值多值一美元。这和 Anthropic 一贯的做法一致:少承诺、多兑现,从不在发布前发帖预热吊胃口。
AI 处在指数增长曲线上,所以前期往往看着什么都做不成。2023 年模型连高中数学都做不了,后来开始一次解出一百个未解难题,再后来甚至出现了够得上菲尔兹奖水准的突破。
我谈及的那些风险绝非营销噱头。从生物和网络安全领域的滥用、潜在的经济冲击,到对 Agent 失去控制,我们从公司成立第一天起就在投入精力应对。
人才和文化:技术再强、文化不合也不要
问:我第一次接触 AI 是在 2012 年,当时我们请 Palantir 来帮忙。看到它的效果后,我们成立了自己的 AI 部门,现在已经发展到几千人的规模,在 Anthropic 的助力下落地了一千个应用场景。我们一直提醒团队:使用 AI 就是为了更好地服务客户,仅此而已。虽然我们已经很努力了,但这还只是冰山一角。你在 OpenAI 工作过,是这个领域的先驱,现在做 AI 的公司也很多。你们是怎么和全世界其他公司拉开差距的?
阿莫迪:做 AI 技术的人显然很多,这个领域的大公司我大多都待过。回想这些年在不同地方、与不同人共事的经历——究竟什么让项目成功,什么又导致失败——我得出的结论是:人才和文化才是最关键的。
人才和文化孕育出技术,技术转化为产品,产品又支撑起市场推广、销售以及公司的其他一切业务。一家公司在外界的形象、公众如何看待它,归根结底也取决于研发这项技术的人具备怎样的才华,又怀抱怎样的初衷。
因此,当年离开原公司、着手创办 Anthropic 时,我和另外六位联合创始人从第一天起就达成共识:必须专注人才,专注文化。公司打从一开始就是按这个标准搭建的。
每位候选人入职前都要经过一轮文化面试。哪怕在技术上极有天赋,只要不符合我们的文化,我们都会严格坚持原则、予以婉拒。我们不要混蛋,不要总想抢风头、不善于团队协作的人,也不要心里没有公共利益意识的人。
事实证明,只要长期坚持这一原则,虽然短期招人会很痛苦,但最终你会收获一支齐心协力、目标一致的团队。对一家公司来说,最让人头疼的莫过于团队成员个个都很优秀,却无法拧成一股绳,反而互相拆台:这个团队和那个团队较劲,那个团队又和第三个团队作对,所有精力都消耗在内斗上。
而在 Anthropic,所有人都能一起干。只要确立了重要目标——无论是训练一个模型、实现一项安全指标、做出合适的产品,还是推动一项政策落地——全公司都会齐心协力把它做成。这一点,从我们的成果里就能看出来。
从别的公司加入 Anthropic 的人,远比离开的人多得多。我们拥有全行业最高的人才留存率。七位联合创始人至今全员在位,这是大多数同行公司做不到的;而在最早加入的 100 名员工里,超过四分之三至今仍留在 Anthropic。
即便是离开的人,也常常会选择回归。有一次,两位核心产品人员离职了,不到两周就回来了,他们说:“抱歉,我们之前没意识到自己拥有的是什么。”
我大概把 40% 到 50% 的时间都花在人才和文化上。每两周我会在全公司面前讲一次话,我们内部管这叫 DVQ,也就是 Dario Vision Quest(达里奥愿景探索)。名字听起来有点傻,但核心就是我对公司里的每一个人讲真话:坦诚告知正在发生什么,不遮遮掩掩,不打公司腔,同时也鼓励其他管理者这样做。
如此一来,管理者能够信任员工,员工也相信管理者会坦诚相待。每个人都确信我们对他们是真诚的,这一点价值巨大。
《财富》100 强怎么用 Claude
问:作为你们最大的客户之一,Claude 对我们来说是变革性的——目前我们有 25 万名员工每周多次以各种形式使用它。其他《财富》100 强企业都在怎么使用 Claude?
阿莫迪:Claude 的应用场景遍及各行各业。在我看来,这项技术最了不起的地方就在于它的通用性。我们正沿着一条可称之为“认知的摩尔定律”或“智能的摩尔定律”的曲线前进。这带来了一个极好的契机:我不仅借此了解了许多过去一无所知的行业,也能把 Claude 应用到自己熟悉甚至亲身工作过的领域,亲眼见证它带来的惊人变化。
这些用法包括:
●编程:这是企业最早、也是采纳最快的应用领域。我和大多数联合创始人以前都写过很多代码,看到模型如今能完成的工作真是令人惊叹。《财富》100 强里的每一家公司对编程都有庞大需求,通常也最先从这个场景切入。
●更广泛的知识工作:在金融服务业,从最简单的文书处理到最复杂的战略分析,都能看到 Claude 的身影,保险、法律等行业也是如此。比如在起草合同、排查合同漏洞方面,Claude 就非常擅长。
●生命科学:这是让我尤为兴奋的领域,待会儿或许还能多聊几句。从撰写临床研究报告,到辅助基础科研——比如预测蛋白质结合、提升生产效率,乃至做出基础生物学发现,它都在发挥作用。
●电商等领域:Claude 帮助企业提升了运营效率,部分客户甚至直接把 Claude 部署为面向终端顾客的 Agent。
●制造业:像制造业这种我过去完全陌生的领域,正是因为和制造业的 CEO 们交流,我才开始有所了解,他们越来越多地用 Claude 来提高业务效率。此外还有半导体制造、实体建筑施工等,可以说实现了全面覆盖。
Agent 进敏感系统:安全第一,没有绝对保证
问:你提到了 Agent,这自然是当前所有使用 Agent 的人都在关心的问题。如果一家企业既需要赢得信任,又受监管约束,在真正放手让 Agent 接触敏感信息之前,你觉得大家必须先做什么?
阿莫迪:我认为排在第一位的其实是安全。
如今 Agent 的能力增长得极快。难点不在于它们能不能完成生命科学里的极高难度任务,或者搭出软件架构——它们在这些方面的进步速度十分惊人。真正制约我们开发这项技术、制约内部部署乃至制约客户落地的,是“能否安全地做到这一点”。我们绝不希望这些 Agent 失控乱来。
因此,我认为在安全地打造这项技术上,Anthropic 的投入超过了业内任何一家公司。我们确保从模型训练的最早期就植入恰当的防护措施,把安全和对齐做到位。我们拥有一支规模庞大的对齐团队,而且始终保持高度警觉:每隔几个月我们就会复盘一次——尽管在安全、安保和对齐上已经倾注了这么多心血,但还是得再冲刺一轮,投入更多资源。
Anthropic 从创立第一天起就专注于服务企业客户,我们深知企业比普通消费者更看重安全性。这是我们有意做出的战略选择,因为我们明白,服务企业与重视安全之间能够形成相互促进。
我们重视安全,源于自身的价值观。创办公司时我们就想得很清楚:安全至上,我们要用正确的方式把这项技术做对。紧接着我们问自己:什么样的业务重点,才能为我们追求安全提供恰当的激励?答案就是企业市场。因为企业在乎信任、在乎长期关系、在乎维护自身声誉,也在乎确保模型不出岔子。
这一点对我们大有帮助——它形成了一种有利于社会的正向激励,让我们的商业利益诉求,与我们最终希望在社会上实现的目标高度一致:以造福社会的方式打造这项技术。
问:我们到底能不能控制住 Agent?比如限定它们的权限,让它们进入敏感系统的同时,确切知道它们只能做 A、B、C、D,别的都做不了?
阿莫迪:我习惯把它类比成自动驾驶汽车的演进。这是一项了不起的技术,益处巨大,最终会比人来做同样的事安全得多。其实人类开车相当危险,AI 开车可以比人安全 10 倍甚至 100 倍,但前提是你得帮助它们跨过那道门槛,确保防护措施到位,并用正确的方式把它们造出来。
世界上没有百分之百的绝对保证。你永远没法打包票说,这辆自动驾驶汽车不管部署给多少亿人,一次事故都不会出——现实世界不是这样运转的。但我相信我们能够做到的是:让它比人类自己操作安全得多,安全很多倍,一百倍、甚至上千倍。我想,这就是我们的目标。
9000 亿美元算力承诺:宁可少买,像买保险
问:来谈谈算力吧。你们披露了高达 9000 亿美元的算力、租约及数据中心等远期承诺。我曾在哪里读到过,其中 80% 的算力用于训练新模型,只有 20% 用于推理,而推理才是我们大多数人实际在用的部分。你们怎么知道自己能拿到所需的算力,而且在未来算得过成本账?
阿莫迪:可以说,算力是公司面临的最深的商业两难。
我们在算力上面临的症结在于:这项技术在迭代上实在太快,而它究竟会如何转化为业务上的经济价值,存在巨大的不确定性。2024 年和 2025 年,公司的年收入都实现了大约 10 倍的增长。但每年站在这个节点上,我们都会说:我们不知道明年会怎样,明年的不确定性实在太大了。而让这种两难更加严峻的是,每年的资金体量都在变得越来越大。
与此同时,我们又必须提前一两年买算力,而买多买少,取决于公司财务上的承受能力:
●买多了,财务上当然容易过度透支;
●买少了,就撑不住客户的推理需求。更重要的是,正如杰米刚才暗示的,研发会受影响——而研发决定了六到十二个月后的模型能力,进而决定你未来创造收入的能力。
因此这是一个极其棘手的难题。对此,我们有两种缓冲机制,外加一套投资策略。
两种缓冲分别是:
●毛利率:毛利率越高,“买多”和“买少”之间的回旋余地就越大。毛利率本质上就是你为算力付出的成本,与每单位算力赚取收入之间的差额。大家在招股书里能看到,我们的毛利率相当不错,尤其是和业内其他公司相比。
●资产负债表上的现金:大家也看到了,我们账上握有大量现金,而且还在继续争取更多。
即便如此,这笔跨越多年的承诺规模依然十分庞大。收入当然增长得很快,但这仍然是一大笔钱。
所以我们的核心做法其实是:倾向于往少了买。
我们会提前以相对较低的成本,锁定相对较少的算力。如果情况不如预期,我们留足了安全保障;如果情况远超预期,我们还可以去现货市场追加采购。到目前为止,现货市场上一直买得到算力,我们相信未来也一样买得到。现货固然更贵,但那是在公司发展特别顺利时才需要花的钱。所以你可以把它想成我们在买一份保险——买保险就是这样,在一切顺利、什么都没出问题的好光景下,你要多付一笔钱。
这就是我们的总体策略。我们很有信心,靠这套打法,既能在需要时投资研发、抓住上行空间;在情况没那么好的时期,也能有足够的保障,不受冲击。
模型会变成大路货吗:每推进一次前沿,就有新市场
问:如果把今天在座各位购买 Token 的用量画成一张图,曲线大概都是这样一路向上的。于是大家很快摸索出一个办法,把一部分昂贵的活拆出来:不需要昂贵的模型,用便宜得多的模型和更便宜的 Token 就能搞定,那部分计算正在变成大路货。这种看法错在哪里?
阿莫迪:有几个层面的原因。
第一点,我们不断在前沿做出更强的模型,而技术前沿每向前推进一步,都会创造全新的市场。
我想人们习惯了一家公司或一个市场从早期到成熟的固定规律:先是一大批初创公司涌现,大家愿意付很多钱,随后产品变成大路货,你就会听到商品化、护城河、廉价替代品这类词。在 AI 的某一个具体应用上,这种规律在一定程度上确实会发生。比如聊天机器人这一个应用,大致就已经走完了这个过程。
但 AI 行业的特殊之处在于,它绝不仅仅是一种应用或一个单一市场。我们正处在一条认知的指数曲线上,随着指数曲线不断向前走,全新的市场就会成为可能。
2023 年,所有人的目光都盯在聊天机器人上。但 Anthropic 评估了模型能做什么之后认为:不,编程会是一件大事,模型开始聪明到可以写代码了,编程市场的体量会比聊天机器人大得多。于是我们专注在技术前沿,没有去纠结争夺聊天机器人市场、整合这个市场,或者在它周围建护城河这些事。
如今编程也开始步入成熟。我觉得编程还有很长的路要走,看看在《财富》500 强里的渗透程度,还有很多事可做。但即便编程开始成熟,市场热点也会转向新领域——这些新领域会比编程大得多,就像当年编程比聊天机器人大得多一样。
比如科学发现、生命科学,以及刚才提到的物理和材料、机器人、网络安全。这些都是比常规编程更难的挑战。正因如此,我们始终把重心放在技术前沿。
第二点,即便是在需要非前沿模型的市场——也就是人们常说的“这个任务用不着前沿模型”、任务难度已经触顶的地方,就像聊天机器人那样——我们也完全有能力用自己的大模型训练出小模型,而且比任何别人能做出的小模型都好。
因为我们掌握了一种叫作“算力乘数”的东西:我们把大模型做得非常高效,这也让我们能把小模型做得非常高效。看看 Haiku 5.5,我们可以把它的价格做到每百万输入 Token 10 美分、每百万输出 Token 50 美分。这比 Fable 便宜了……我想大概有 40 倍……不对,我想是 100 倍,便宜 100 倍。(台下有人插话:80 倍。)
如此大的差距,源于我们能把模型做得这么高效,而这背后正是算力乘数在起作用。看看生态里的其他模型,Haiku 实际上对其中的一些模型构成了帕累托占优。我们完全能做出便宜的模型。“好模型都很贵、便宜模型都来自别家”其实是种误解——只要我们下决心去做,就能做出和任何对手一样高效的便宜模型。
AI 在指数曲线上:前期看着什么都做不成
问:你其实已经基本回答了我的下一个问题。那我们不妨畅想一下:它未来能不能治愈癌症等各类疾病,攻克核聚变、量子计算这些对人类而言不可思议的难题?将来它能帮你们做到吗?
阿莫迪:我们在不同领域反复看到同一种规律。以数学为例,随着技术沿着指数曲线不断攀升,同样的模式正在各处一遍遍重演。
大约在 2023 年,模型连高中数学都做不了。回想当时,大家对聊天机器人的普遍看法是:它们很会聊天,但不擅长数学,不擅长逻辑。
到了 2024 年,模型已经能把高中数学做得相当不错。而到了 2025 年,它们开始攻克数学界的一些小型未解难题。起初只是零星出现一两个案例,大家的反应往往是:哦,那肯定在模型的训练数据里,或者它只是运气好,又或者那道题恰好特别适合用 AI 解。
紧接着,你会看到模型一次解出 100 个未解问题;再往后,甚至有重大数学难题被解决——那些都是数学家解决过的最难的问题之一,解出来足以赢得菲尔兹奖。
这种模式看过很多次之后,如今我们在生物学、机器人这些新领域的早期阶段,又看到了如出一辙的局面。领域专家非常怀疑。制药公司的 CEO 们尤其持怀疑态度,因为他们见过太多试图解决制药难题的技术,也深知他们的问题难得要命。其实数学和编程当年也是如此:人类试图解决编程问题和聊天机器人的历史同样漫长。
但 AI 有一种特性:由于处在指数曲线上,前期往往看起来似乎什么都做不成,或者看起来到处是障碍。在生命科学领域,人们会说障碍在于临床试验,或者在于生产,又或者在于 FDA。但我们发现,这些环节正在被 AI 一点一点攻克,我想再过几年,它们或许会一下子全部解决。
当然,这没法打包票。还是那句话,在任何一个领域,怀疑者都有可能是对的。但我确实看到了巨大的潜力,我们有望以一种非常了不起的方式去解决生物学难题。
Mythos 之后:找到漏洞只是第一步
问:我们来聊聊其中的一些风险。其实在 Mythos 和 Agent 出现之前,网络安全就是我们最大的风险之一,现在依然如此。我们行内确实有几千人在专职做网络安全,甚至可能还有上万人在修补 Mythos 披露出的一些漏洞,我们也很幸运能参与 Glasswing 计划。当然还有 Agent,如今持续运行的 Agent 几乎在攻击外部的每一道防线。大家应该考虑做些什么,为它的到来做好准备,从而保护好自己、我们的供应商乃至整个行业?在座各位可能清楚,还有很多至关重要的行业目前几乎没有任何防护,我们总有一天都得帮这些行业跟上来。
阿莫迪:有几个层面的工作要做。
第一,找到漏洞仅仅是第一步。自从 Mythos 问世以来,我们做得最多的工作就是找漏洞,但这只是起点。我们发现,你可以轻易找出 10 万个漏洞——我们的客户找出了几十万个,我们自己也找出了几十万个。紧接着,真正的瓶颈就出现了:如何真正把这些漏洞修补好?这需要沿着指数曲线再往前走一点,因为修补比找到漏洞更难。因此,我们开始越来越多地提供相关服务,Claude 也开始更擅长修补漏洞。否则前一阵子就出现过这种局面:我们找出了这么多问题和窟窿,结果你们来不及补,我们也来不及补。
我认为在修补之后的第三步,是一开始就写出更安全的代码。我们已经开始提供能够做到这一点的工具。当然,直接用 Claude 写代码也是如此:随着 Claude 写代码越来越好,它写安全代码的水平也会越来越好,而且我们专门针对这方面对它进行了训练。这是第三点。
第四点,虽然目前还没有真正大规模出现,但我一直很期待:网络攻击往往是实时发生的,一次攻击在几小时、几分钟甚至几秒钟内就会完成。因此,让成群的 Agent 在公司的系统和服务器上进行防御性巡逻,实现实时抵御攻击,我认为这极具价值。预计六到十二个月以后,这种模式会越来越普及——既然成群的 Agent 会发起攻击,我们就需要成群的 Agent 来防御。
为什么现在上市:别让公司多值一美元
问:你们即将上市。外界最关心的问题是:为什么是现在?我也想问问你对这件事的真实感受,毕竟上市有利有弊。你对此感到期待吗?你觉得这会让公司变得更好,还是更难管一些?
阿莫迪:选择现在上市有几个原因。最大的一个,还是回到那些算力押注上。当前世界上蕴藏着巨大的机会——围绕生物学、机器人、网络安全以及广义的知识工作,有着庞大的经济价值和机遇。我们想确保投入力度足够大,确保抓住这些机会。因此,在低算力和高算力两种情景之间,我们手头持有的现金越多,缓冲空间就越大。
第二点,其实我们并不太在意具体在哪个月、哪一天,或者在什么样的市场环境下上市。启动这个过程时,由于我以前从未经历过上市,这家公司基本上是用六年时间从零走到今天的,所以我找了很多人请教建议。其中最常见、也最让我有共鸣的建议,虽然大家表述各异,但意思都是一样的:绝不要让你的公司比它的真实价值多值一美元。
我觉得这和 Anthropic 内部的一条准则非常像:少承诺、多兑现。这也是我们一贯的沟通方式。我们不会大谈自己将来要在安全或模型能力上做哪些激动人心的事,也不会在发布前发帖子吊胃口。我们的做法很简单:做出模型,确保它够好,然后发布;做出安全系统,确保它够好,然后发布。对于上市,我的态度也一样,我们想少承诺、多兑现。
公益基金:拿出 5% 的股份,对抗财富集中
问:你们还宣布设立了一个公益基金,在座不少人可能不太了解。能否介绍一下它是什么、为什么要做,以及你对它的设想?
阿莫迪:我们决定拿出公司 5% 的股份,放进这个公益基金。这是在联合创始人承诺捐出 80% 财富之外的又一项举措。除此之外,我们从公司创立起就一直在推行一项针对员工的捐赠配捐计划:发 offer 时,如果员工把一定比例的股票捐给慈善机构或留出来做捐赠,公司就会额外配发给他们相应股票。
把这三件事放在一起,背后的考量其实很明确:AI 是一项极其强大的技术。尽管它已经为这家公司、为整个行业创造了可观的经济价值,但我们希望——当然还不能确定,只是希望——这和未来的机会比起来还很小。毫无疑问,很多好事会由此而来:我希望我们能治愈癌症和阿尔茨海默病,造出更便宜的能源、更好的材料,让每个人的物质都更充裕。
但我们确实存在一种担忧:既然如此庞大的新增财富都源自这同一项技术,而且又集中在少数几家公司手中,我们很可能会看到一个增长巨大、同时财富高度集中的世界。因此,我们想尽一切可能去对抗这种财富集中,设立公益基金正是其中的一部分。
目前具体运作还在摸索中。还是那句话,Anthropic 倾向于少承诺、多兑现,我们不会出去说自己要解决这个问题、那个问题、又一个问题,而是先想清楚用公益基金最该解决哪些问题。不过大家可以想象我们所担心的一些领域:比如保障 AI 带来的劳动力转型顺利;再比如生物安全——生物学即将出现这么多好事,但正如网络安全和任何技术一样,它也可能遭到滥用,因此必须确保这些滥用不会发生,同时建立起有效的防御手段。大致就是这类方向。
十五年后:风险不是营销,希望疾病成为过去
问:很好。最后一个问题:快进到十五年以后回头看,你希望真正发生了什么,又希望什么没有发生?另外,还有什么我们可能漏掉了、你想对在座各位说的?
阿莫迪:有几件事。我最想确保发生的,是这项技术以正确的方式被打造出来。我谈过这项技术的风险以及它出问题的风险。我认为那些风险极其严重——从把这项技术滥用在生物或网络攻击上,到可能的经济冲击,当然还有对 Agent 失去控制。这些绝非营销噱头。我们对这些风险的态度是极其认真的,从公司成立起就在投入精力应对。
因此我认为最重要的,是为整个领域树立一个榜样,告诉大家怎么应对这些风险。这些风险当然绝不能在 Anthropic 发生,但光做到这一点还远远不够。我们需要确保为 AI 行业的其他公司、客户以及供应商都树立榜样,带动其他所有人也负责任地行事。这是公司从一开始一直在努力做的。所以,确保坏的一面得到妥善处理,在我看来是头号大事。
第二件事,自然是确保我们实现所有的积极价值。还是那句话,我们在生物学和医学上能做的事,才刚刚开始。目前无论是制药公司、早期生物技术公司还是学术界的生物学家,都有很多怀疑。我们没法提前知道,也许怀疑者是对的。但我由衷希望能证明怀疑者错了,希望今天你能想到的每一种疾病——心脏病、阿尔茨海默病、癌症——到时候我们再看待它们,就像今天看待黑死病或天花一样,它们都是过去的遗迹。
我相信我们可以拥有一个美好得多的世界,一个所有这些问题都得到解决的世界。这听起来很天真,听起来很疯狂,但我真的相信,我真的相信这能做到。至于需要五年、十年还是十五年,我说不准具体多久,但我们会尽可能快地去做。
资料来源:摩根大通为 Anthropic 上市举办的投资者活动,摩根大通董事长兼 CEO 杰米·戴蒙对谈 Anthropic 联合创始人兼 CEO 达里奥·阿莫迪,Fireside Alpha 2026 年 11 月 14 日发布完整视频,https://x.com/firesidealpha/status/2121303747012030844
本文由 AGI 2050 编辑部根据上述公开资料编译整理,事实信息以原始信源为准。文中观点属于受访者或原作者本人,不代表 AGI 2050 立场,仅供行业交流参考,不构成投资建议。
—— 全文完 ——

AGI 2050的更多文章
- Anthropic 创始人兄妹上市首日专访:大模型赛道的终局是比谁最值得企业托付核心业务
- 亚马逊创始人贝索斯最新访谈:如果不请回黄仁勋,建议从内部提拔 CEO
- OpenAI CEO 奥特曼最新访谈:很难想象没有黄仁勋的 AI 革命
雁评
真实、有观点的好评或吐槽,欢迎分享你的使用体验。