Anthropic Labs 负责人谈 Fable 能力与 AI 原生产品构建：Mike Krieger 访谈

政府禁令、Fable 反应与安全争议 [00:00:00 - 00:10:00]
Fable 改变产品构建方式与 Labs 的定位 [00:10:00 - 00:20:00]
平台与产品边界、AI 原生体验 [00:20:00 - 00:30:00]
编程工具、浏览器形态与产品分发 [00:30:00 - 00:40:00]
现场收尾与致谢 [00:40:00 - 00:40:42]

政府禁令、Fable 反应与安全争议

Alex Kantrowitz：Anthropic 不只是一个大型模型构建者，也正在成为大型产品构建者。过去几个月里，Claude Code 和 CoWork 这样的产品增长很快，而 Claude Code 来自一个外界了解不多的组织：Anthropic Labs。Labs 的工作是以 AI 为核心，构建下一代前沿产品。今天我们请到这间实验室的负责人 Mike Krieger，他是 Instagram 联合创始人，现在负责 Anthropic Labs。Wired 的 Lauren Goode 也会和我一起采访。Mike、Lauren，欢迎上台。Mike，Anthropic 这周看起来很平静，什么事都没有，对吧？Lauren，你先开始。 [00:00:49]

Lauren Goode：我们当然想聊你在 Labs 做什么，也想让大家理解你的角色。但我想先问，你现在和白宫这件事有多接近？

Mike Krieger：比我还担任 CPO 时要远一些。我大约五个月前转到 Labs。如果我还在 CPO 的位置上，肯定会深度参与。现在我当然仍然希望恢复访问；作为产品人，我也希望用户能重新用上它，但我不像以前处在 C 级管理角色时那么贴近。 [00:01:15]

Lauren Goode：Alex，你有追问吗？

Alex Kantrowitz：当然，而且我有大概八个追问。X 上有个人叫 Ben，他说如果 Anthropic 能重新给他开放 Fable，他愿意把自己的长表出生证明原件寄过去。他说自己现在听起来像那些痴迷 4.0 的人。你们会收 Ben 的长表出生证明吗？

Mike Krieger：我不知道我们会不会收。但这件事确实有意思。Fable 只开放了几天，从那以后我每次发推，很多人根本不看我发了什么，只回复“把 Fable 带回来”。这让我想起 Instagram 早年拿掉 Gotham 滤镜后，接下来很多年一直有人说“把 Gotham 带回来”。Fable 显然触动了一些人，而且会比 Gotham 更早回来。真正用过 Fable、开始把它放进工作流的人反应很强烈。我也学会了不要太相信模型发布第一天、第一周的噪音。大家都有自己测试新模型的小玩具例子，但你只有把它放进真实工作里，才知道它到底如何。Fable 刚开始进入这个阶段，我们就不得不先撤回。我记得去年 12 月发布 Opus 4-6 时，很多人放假回家，在圣诞到新年之间真正花了一周使用它，回来后才说：“我终于理解 Opus 为什么好。”Fable 还没有得到这样的机会。 [00:02:45]

Lauren Goode：即便如此，特朗普政府的反应还是很大。这里很多人刚才听了 Alex Stamos 的环节，知道背景是什么。但这发生在模型发布后几天内。给 Wired 一点信用，Wired 昨晚报道称，这可能和 Anthropic 给 SK Telecom 提供模型访问有关，并由此在政府内部引发警示。你对这种几乎立刻发生的反弹有多惊讶？ [00:03:22]

Mike Krieger：这个反应和决定确实令人意外。我们也马上和他们沟通，希望恢复访问。与此同时，我们内部常想起 Facebook 墙上的一句老话：每天都像一周那么长。我觉得这在 AI 里正在成为现实。整个行业都要提醒自己，我们面对的是前所未有的时代和新情况，事情会非常快地演化。因此，建立快速对话所需的能力和连接非常重要。 [00:04:00]

Lauren Goode：我给你们墙上提个新口号：快速行动，越狱万物。

Alex Kantrowitz：我不觉得他们会采用这个口号。我们刚听 Alex 说，一些能力在之前的模型里也存在；今天可用的其他模型也能找漏洞。那为什么你认为 Anthropic 在这件事上被单独拎出来？

Mike Krieger：我不知道为什么 Fable 被特别点名，尤其 Fable 还不是面向网络安全用途的模型。我认为真正变化的是两类能力之间的差别：一类是你知道怎么提示、知道自己在找什么时能拿到的能力；另一类是模型本身给普通使用者带来的能力提升。我不一定认同 Alex 那个“给高中运动员打兴奋剂”的比喻，但“提升”确实是我们做模型安全时很关注的概念。比如在生物领域，我们会在模型卡里比较普通人使用模型、专家使用模型、普通人使用互联网之间的差别。随着模型变强，这种提升趋势一直在推进。所以问题也许不只是为什么 Fable 被单独点名，而是整个能力轨迹正在走向哪里。 [00:05:26]

Alex Kantrowitz：我们刚在节目里请过 Ramp 的首席经济学家 R. Karazian。他提到五角大楼事件期间，虽然有新闻标题说某家公司不再使用 Anthropic，但 Ramp 数据显示，对 Anthropic 模型的支出反而上升了。那似乎成了公司的一个宣传时刻。这也回到我们节目一直讨论的问题：Anthropic 对风险的担忧有多少是真实的，有多少是营销？刚才 Stamos 从安全角度谈了一些，现在你在这里，可以直接回答。它是实质性的、营销性的，还是两者都有？ [00:06:20]

Mike Krieger：我认为，人们对任何公司说的话保持怀疑是对的，也应该用自己的过滤器判断。但对我个人而言，这是真的。我们确实非常在意安全。如果我们公开谈某些事情，目的要么是帮助大家看见我们认为很可能到来的东西，要么是指出我们已经观察到的情况。比如 Mythos 的案例，我们看到的是真实的漏洞扫描和 bug 查找能力，而且是在 Project Glasswing 初始公告中的企业伙伴合作场景里看到的。这项技术很棒，不是营销意义上的“很棒”，而是真的能做非常了不起的事情。正因为如此，当我们说出自己看到的情况时，听起来也可能像炒作。我希望能按一个按钮让所有人相信我们不是在炒作，但现实不是这样。至少从我的角度看，我们是在尽量如实描述。 [00:07:17]

Lauren Goode：我的理解是，Anthropic 的 Labs 以及研发团队会使用最好的 AI 模型来构建新产品、做原型并检验你们的假设。这个禁令是否已经限制了 Labs 做这件事的能力？

Mike Krieger：是的。Fable 绝对是我用过的最好的模型。这并不是说工作停止了，我们仍然在用其他模型，也能产出东西。但那些模型确实不如 Fable。某种程度上，前面说的“不要过度相信第一周反应”反过来也成立：当你失去 Fable 时，差异会很明显。已经拿到模型并开始使用的人在 Twitter 上反应很强烈；我自己的感受也是，Opus 4-8 仍然很好，我仍然有生产力，但 Fable 这一类模型带来的工作方式变化确实可感知。 [00:08:31]

Alex Kantrowitz：公众只短暂接触过 Fable，Project Glasswing 里的群体接触过 Mythos。我们并不知道今天能用的模型和这些更前沿的 Anthropic 模型之间到底差在哪里。使用 Fable 或 Mythos 时，你究竟能做哪些不同的事？

Mike Krieger：对我来说，差别在于委派的范围和规模。当然这些模型仍然很不完美。大家会问它是不是五级或六级软件工程师，但重度使用者都知道，模型能力是尖峰式的：某些方面比我强很多，另一些方面又会犯很基础的错。比如我今天还在抱怨它漏看了字母 g 的下伸部分，导致 UI 里被裁掉。视觉能力、调试能力、人类常识都还有改进空间。但整体而言，我从高管角色回到构建者角色后，对这种变化感受非常强。作为高管，你当然会尽量用模型，但不会让它写所有邮件，战略仍然必须来自你，模型更多是帮你压力测试。回到构建者角色之后，我从“请修这个 bug”“这个功能怎么实现”这样的委派，转向“这里有一个用户反馈，或者我想构建一个东西，请给我两三种可行方案”。模型有时会给出让我觉得超出自己理解范围的解释，我会让它用更低门槛的方式讲清楚，然后让它去构建，而且正确率非常高。这会改变你的操作方式。我睡前会给 Fable 排足够多的块状任务，理论上能跑一整晚，结果过一会儿看，它一小时就做完了，好像后面七小时都在等。 [00:09:38]

Fable 改变产品构建方式与 Labs 的定位

Alex Kantrowitz：也就是说，你委派的不再只是一个任务，而是更接近一个目标。能举一个你会交给它的任务例子吗？ [00:11:04]

Mike Krieger：有个例子对程序员来说挺疯狂。我有一个 Labs 项目是用 Python 写的，因为那是我熟悉的语言，Instagram 也全是 Python。后来因为一些部署原因，我们需要把它迁到 TypeScript。我一开始觉得这会很麻烦。Instagram 被收购后，我们多年都讨论过要从 Python 转到 PHP、Hack 或 Facebook 的语言，但至少在我还在时从未真正完成。我们有一个功能叫动态工作流，可以让模型把任务拆成很多子任务。我信任它不只是做单个动作，而是负责一整个语言迁移：几十万行代码，从规划、执行、验证到二次验证。最后我回来时，工作已经完成。

Lauren Goode：这就是一个很大的块状任务。你是说，Fable 做得更快，大约一小时完成；相比以前的模型，差异在哪里？ [00:12:03]

Mike Krieger：过去模型也会说“我做完了”，但你会发现它抄了近路、某处不太对、需要你去验证、或者它切掉了某个角。现在的差异不只是速度，而是更正确、更可靠。

Lauren Goode：这有点像过去一年大家说的“管理实习生”，虽然这对实习生有点冒犯。但你是在说，它更快、更准确、更可靠；而按美国政府的说法，也更危险。

Mike Krieger：还有一个部分是它更有“项目理论”。这个词不一定准确，但它不像只看当前改动的模型。做大规模软件工程的人知道，最好的工程师会把系统里许多相互分散的部分同时放在脑中，也会预见拐角处的问题：如果这个改动不这样做，下一个改动就会变得更难。我在这类模型中看到的显著变化就是这一点。 [00:13:03]

Lauren Goode：说到 Anthropic Labs，大家会想到 Claude Code，因为它确实是一个爆款产品。听起来你的任务就是找出下一个 Claude Code。这个描述准确吗？Anthropic 为什么需要 Labs？

Mike Krieger：要分 2024 年我加入时为什么需要 Labs，以及今天为什么需要 Labs，因为答案在变化。我加入 Anthropic 的第三周，就和联合创始人 Ben Mann 组建了最初的 Labs 团队。当时原因很不同：整个产品工程团队只有 25 人左右，模型本身也还没到今天的水平。我加入时是 Sonnet 3 和 Opus 3，以当时标准是好模型，但还不是实习生级别，更不是 IC3 工程师。如果你只有二三十名工程师，他们会忙于下一个增量功能。我们已经感觉到模型在变强，却还没有足够产品展示这种变化。对我来说，一个好的试金石是：当我们准备发布模型时，是否有产品、演示或其他东西能证明它真的不一样？这会越来越难，比如 Fable 这类能完成周末任务、长时间工作量的能力就很难展示。当时 Labs 的使命是确保产品不要落后于模型指数式进步。Claude Code 就来自第一代 Labs，因为其他产品团队有人在考虑编程，但没人有空间彻底改变形态，拥抱模型会以这种方式演进的事实。

Mike Krieger：Labs 最有用的两个思考练习是：第一，想象模型今天能做的事和多数人实际使用方式之间的差距，然后想办法缩小它；第二，想象模型现在不擅长、但六个月后会非常擅长的事情，然后提前准备产品。Computer Use 也是第一代 Labs 的产物。我们刚做它时效果很糟，比如让 Claude 帮你清理桌面，它会点错东西、删除文件，根本不能发布。但我们保留这个产品，每次新模型出来先内部测试：Computer Use 有没有变好？然后把变化反馈给研究团队，直到某一刻我们认为它足够好，可以围绕它发布产品。它像一座指向未来的灯塔，让你用它衡量未来产品。

Mike Krieger：今天的情况不同了。我们有了很强的产品团队，有 CoWork，Claude Code 增长很大，也有平台。现在 Labs 不再是因为其他团队不做这类思考，而是因为模型进步太快，我们与模型互动的能力也必须演进。比如今天发布的 Claude Code artifacts，就是 Labs 与 Claude Code 团队合作的结果：让 Claude Code 不只是打字回复，还能画图或给出可视化说明。这来自 Labs 很长时间的判断：单一文本框和长文本回答已经不够了。有时模型听起来比我聪明，我会说“能不能给我画张图”，因为我需要那样才能真正理解。我们也在做产品整合，但核心仍然是让不整天研究提示词、指数曲线、高中低 effort 区别的用户，也能更容易使用这些能力。 [00:17:10]

Alex Kantrowitz：这会让使用 Anthropic 模型的人处在一个有趣位置。Cursor 据说刚以 600 亿美元卖给 SpaceX，有人发梗图说，如果没有创造 Claude Code 的 Boris Terny，Cursor 可能能卖 3000 亿。那些在 Anthropic 技术之上构建产品的公司会想：我是和 Anthropic 合作，还是 Anthropic 会在合作之后做出我想做的产品？

Mike Krieger：以 agentic coding 为例，更广泛地说，既做平台又做产品这件事确实很有意思。我们做项目时，目标通常是推动行业某个方向前进。AI 编程编辑器之前就存在，也有些做得很好，但没人像 Claude Code 那样以那么自由的方式思考。现在更多产品有了这种味道。如果我们进入某个行业，只是做所有人已经在做的事，然后加上 Anthropic 品牌，那就是对 Labs 和产品团队时间的糟糕使用。我们进入某个方向，应该是因为我们认为行业要往那里走，并且能构建一个产品证明它。同时，不应该出现所有产品都属于 Anthropic 的世界，那会很糟。理想状态是创造新空间，或者展示其他产品可以吸收的方向。 [00:18:45]

Lauren Goode：这几乎像一家同时做社交、消息、视频等所有东西的科技公司。比如 Anthropic 推出一个被认为和 Figma 竞争的产品，而你之前在 Figma 董事会，所以你后来离开了董事会，对吗？这也是 Alex 问题的一部分。硅谷一向以健康、活跃、容忍风险的创业生态闻名。当大公司带着大量资本和资源进入时，人们会问：他们是不是要偷走我的想法？ [00:19:12]

Mike Krieger：我们的双重存在确实需要谨慎处理，其他公司也要处理类似问题。比如 Amazon 既是基础设施提供商，又有大型电商、视频业务，也服务视频客户。很多客户可以在这种双重世界里生存：他们使用 Amazon 的基础设施，也知道 Amazon 自己也用这套基础设施做业务。你们可以问我们的客户，看我们做得如何。我努力做到的是透明。Cursor 的例子里，我和 Michael 反复沟通过方向会往哪里走。另一个原则是共享构建模块。我们尽量使用外部也能使用的同样能力来构建，而不是内部独占。年初我在同一个舞台参加 Anthropic 的 healthcare day，我们发布的不是只有我们能用的“Claude Healthcare”，而是一系列插件、skills、MCP 和互补能力。我不说这很容易，也不说它没有复杂性，但这是我们处理这种复杂局面的方式。 [00:20:32]

平台与产品边界、AI 原生体验

Lauren Goode：说到创业公司，Anthropic 技术上仍然是创业公司，但估值已经非常高。Instagram 当年卖了 10 亿美元，在 2010 年那确实是创业公司；现在金融环境完全不同。Anthropic 又把自己定位成一家 PBC，并以更有伦理感的 AI 公司形象出现。你如何看待这种定位改变硅谷文化？我会想到 2000 年代初 Google 改变硅谷文化的方式。你觉得 Anthropic 的文化会如何塑造下一个时代？ [00:21:19]

Mike Krieger：这个问题很有意思。我先从内部讲起。我加入 Anthropic，是因为我在结束第二家创业公司 Artifact 时，确定自己想去一家前沿实验室工作。我已经开始用模型写代码，它们当时还不擅长写代码，但我能看出那会是它们最差的阶段，未来只会变好。Artifact 做的是 AI 驱动的新闻推荐，我们也基于这些 API 构建过东西。Alex 以前通过 Artifact 读了很多 Big Technology。Wired 因为有很强的付费墙和登录 cookie，在应用里处理邮件登录很难。 [00:22:10]

Mike Krieger：我最终去 Anthropic，是因为他们言行一致，真的深信要让 AI 对人类有好结果。这在公司内部像水一样流动，也是公司增长后仍然保持凝聚力的原因之一。联合创始人们也经常谈这件事。对我来说，这和 Instagram 的经历很不同。Instagram 每周全员会大部分时间都在谈产品，或许也会谈市场和公司事务，但非常以产品为中心。我在 Anthropic 大约六个月时，和销售组织的领导之一 Kate Jensen 做过一次联合全员会，讲产品和 go-to-market 如何协作。大家反应是：“太好了，我终于理解了我们的产品战略。”我才意识到，这不是传统意义上的产品公司，而是一家使命驱动的 AI 公司，很清楚自己为什么存在。至于它对硅谷的影响，还要观察。我看到的积极信号是，大家重新对慈善事业产生兴趣；根据 AI 走向不同，这可能带来很多新的慈善投入。另一个重要点是，关于 AI 应该如何发展的讨论正在和技术同步发生，而不是像过去很多技术浪潮那样事后追认。 [00:24:08]

Alex Kantrowitz：我也插播一下。我和 Gravitee 做了一部纪录片，讨论 AI agent 安全的未来，采访了 MIT 教授 Ramesh Raskar、前白宫 CIO Teresa Payton、Michelin 的数据与 AI 负责人 Ambika Rajagopal、前 Alibaba 高管 Sharon Guy，最后和 Gravitee CEO Rory Blundell 讨论前路。链接在 show notes 里。回到问题：你说 Anthropic 看到了模型能力和大家实际构建产品之间的差距，Labs 的任务是提前展示 AI 现在和六个月后可能做到什么。请告诉我们你们在构建什么、你看到哪些潜力、大家应该关注什么。给我们一个路线图。 [00:25:40]

Lauren Goode：我也加一个问题：除了你们现在在做什么，如果你有什么“空中数据中心”那种听起来像 Elon Musk 式的宏大愿景，我也想听。告诉我们全部。

Alex Kantrowitz：接下来 15 分钟就由你做产品独白了。

Mike Krieger：我最兴奋的是两个主题。第一个，是给 Claude 一个更有能动性、更有自我认知的环境。现在我们在很多地方做得还很差。比如你在 Claude Project 里让 Claude 生成一个文件，然后说“把它加到项目里”，它会说你需要下载文件再拖进去。昨天之前，Claude Design 和 Claude Code 之间也是这样：你在 Claude Code 里需要一个设计，或者在 Claude Design 里做了 mockup 想构建，结果拿到的是 zip 文件。这有点像互操作性问题，但更大的主题是，如果你让 Claude 更了解自己的环境，产品表达力会完全不同。有 API 客户在实验一种方式：在 agent loop 运行时，给 Claude 一个安全版本的源代码。如果它遇到问题，就不是说“我不知道”，而是能对维护者说“问题可能在这里”。当然，这必须有保护措施，要非常小心开放什么权限。但从产品能力来看，这是昼夜之别。你也能从 Claude AI 的经典聊天到 CoWork 的变化里看到一点：它有更多能动性，有运行时，也更理解环境。但我觉得我们只走了 10%。像 OpenClaw 这样可修改、可对话、不会总说“你必须去设置页打开”的 harness 令人兴奋，前提是有正确的权限和治理。如果做对，它会从头到尾改变我们的产品。

Mike Krieger：第二个主题，是缩小人们理解自己工作的方式和实际完成日常工作的方式之间的差距。我和公司隐私团队的一位同事聊过，她要把一个 ticket 从一个队列移动到另一个队列，再经过任务追踪器到下一个位置，需要八个复制粘贴步骤，还要不断抽查，既烦人又容易出错。我们用一个 Labs 项目帮她把这件事变得不痛苦。她说，这是她 30 年职业生涯里第一次感觉“我脑子里想的工作流程”和“我实际使用的工具”终于合上了。我想把这种感觉带给所有人。Claude 已经让很多非技术人员能写代码，但我们仍然要求用户理解太多概念：沙盒环境和生产环境有什么区别，MCP 是用自己身份还是别人身份连接，数据应该存在哪里。你不可能抽象掉一切，但如果把这两个主题结合起来，让 Claude 有足够的自我认知，又给它一个能以可重复方式解决复杂问题的环境，我会非常兴奋。至于 moonshot，不是在太空里做东西，虽然我们确实在和 SpaceX 谈一些太空相关事项。 [00:29:39]

编程工具、浏览器形态与产品分发

Lauren Goode：那是探索 extraorbital 还是 post-orbital 之类的事情？这绝对不是我的部门，但确实有真正的 moonshot。所以 Labs 并没有具体和算力团队合作？

Mike Krieger：对，算力和芯片是分开的。至于我个人是否相信太空数据中心，我不是数据中心专家，但我和一个把东西送上太空的人聊过，不是 Elon Musk。他非常看好，理由基本是：如果转换得好，能获得近乎无限的能源和土地。他们也对需要的屏蔽技术很有信心。起初我觉得这想法很疯狂，但那次谈话后，我能理解它为什么可能成立，哪怕还需要几年。 [00:30:08]

Lauren Goode：你前面谈到 Claude 中的工作会被压缩，很多步骤会减少。我忍不住想到 token。短期看，如果用户必须走很多步骤、消耗很多 token，似乎对商业模式有利。token 已经成为描述这个行业经济学的单位，大家有时在 token maxing，有时又在 token minimizing。第一，我想听听你在这条光谱上如何使用它。第二，未来有没有可能行业不再用 token 衡量，就像 MIPS 或拨号上网那些旧指标一样，换成另一种定义这个时代经济学的单位？ [00:31:39]

Mike Krieger：这两个问题都很有意思。今年早些时候，有些公司会展示谁用了最多 token 的仪表盘。我们当然也有内部指标，但我们发现，使用 token 最多的人和我心中最有生产力的人并没有很强相关性。大家可以在自己公司试一下：先写下你认为最有生产力的十个人，再看 top 10 token users，两者未必重合。单纯表扬最大使用量是危险的，也很容易被游戏化。更深一层是，你可以让 Claude 对某个问题给出十个变体，但如果你真的深入思考过，也许只会选择两个最有希望的方向，再在迭代后加第三个。所以我不认为 token 数等同于价值。真正消耗最多 token 的，可能是我那个从 Python 转 TypeScript 的项目，确实用了几百万 token。但我们在看模型发布时，不只看模型智力，也看智力、effort 和 token 效率的组合。未来很大的杠杆，是在给定任务上越来越高效，最好用户不需要刻意思考，我们自动把解法调到更适合问题的形态。

Mike Krieger：至于基于结果的定价，我在 CPO 角色时确实想过。如果是 Sierra、Fin 这类有清晰客户服务结果的场景，比如一个客户请求被解决而没有升级，那比较好定义。但现在我们问 Claude 的很多任务非常模糊。比如我让 Claude 批判我的战略文档，结果是什么？也许要六个月后才知道战略是否有效。因此很难捕捉价值。我希望看到更多实验：能不能更好地捕捉它对个人或公司的价值，再找到合适的收费方式。我们最具体的尝试是 Claude Vantage 智能体：我们替客户运行 agentic harness、工具调用和基础设施。普通模式是你给它任务，它消耗 token，完成后告诉你。另一种结果模式则是你定义“好结果”是什么、给出 rubric，它就按结果导向去执行。 [00:34:05]

Alex Kantrowitz：也许如果大家都转向这种 API，定价就能更多基于结果。我们这里有一张 Financial Times 的图，显示应用发布数量在飙升，但获得显著使用量的应用似乎减少，应用评论也在下降。Mike，你怎么看？是不是每个人都在写代码和发布应用，但我们并没有真的看到生产力大爆发？ [00:35:02]

Mike Krieger：这和应用使用的大趋势有平行之处。我一直在想消费级 AI 的突破产品会是什么。到目前为止，我不确定我们是否已经看到很多。我的背景是消费者产品。Instagram 发布时，应用生态还像荒野时代，人们对 app 很兴奋，两个看起来很随机的人做出一个 app，三个月内就能冲到照片和视频榜第一。今天这难多了，前十名高度固化，很多时间被 TikTok、Reels 这类产品占据。突破性的消费者体验非常难。这也说明消费者产品的集中度有多高，数据重力有多强。比如你的 Google Docs 就在 Google Docs 里，即使有人做了一个强两倍的 AI 文档编辑器，你会不会迁移所有内容？也许不会。难的事情仍然难，做出人们想要的东西仍然很难。我们内部有非常强的模型，但并不是所有产品都会成功。这对产品人反而是利好，因为说明我们仍然有价值。即便能更快写代码，突围在很多方面比以往更难。至于 Instagram，如果今天有这些工具，我们也许能用一个月而不是三四个月做出来。 [00:36:54]

Alex Kantrowitz：Instagram 卖出时大概有 13 或 18 个人。用这些工具，你觉得当时需要多少人？大家都在说“10 亿美元一人公司”，你们能接近到什么程度？

Mike Krieger：我觉得也许四到六个人可以做到。更重要的是，如果继续发展，我们可以并行做更多事情。Instagram 当年的产品团队像五岁孩子踢足球：球在哪，所有人都跑过去。要做视频，所有人就去做视频。我们没法分位置。Android 版当时用了大约一个月，我们把所有人从 iOS 拉走，大家重新学 Android，在那一个月里 iOS 更新几乎停了。今天用模型，Android 也许一周就能做完。现在我在 Anthropic 内部有一个 Labs 项目，用来加速工程师写代码和 code review。我同时维护它的 iOS 和 Android 版本。我可以让做 iOS 的 Claude 去 ping 做 Android 的 Claude，说“我实现了这个功能”，然后 Android 版本判断这个功能是否适用、如何实现。我们当年不能把所有这些都委派出去，但平台接近平价的梦想现在变得相当可行。 [00:38:40]

Lauren Goode：你现在可能会接到 Instagram 剩下那些团队成员的电话，问自己在新时代还能不能入选。听起来如果你愿意，也可以把 Gotham 带回来。最后一个问题：你曾经参与的产品后来在儿童伤害等问题上变得具有伦理争议。你说消费级 AI 还没有真正的爆款，但我觉得已经有一个：聊天机器人。聊天机器人已经给年轻人带来真实危险和伤害。你在 Labs 构建产品时，如何考虑让这项技术变得更强所带来的潜在伤害和风险？ [00:39:25]

Mike Krieger：我们确实有一些原型或概念，会让我们说：这个产品如果发布，对世界不好，或者会把人推向错误方向；即使我们做的是较好版本，更道德复杂或更糟糕的版本也可能带来伤害。内部经常问这个问题会产生差别。我们有核心产品和模型表现很好，这给了我们一种奢侈：如果某件事可能被广泛使用但方向不对，我们可以选择不做。更重要的是把这种思考前置。现在让公司里有人，Anthropic 尤其会这样，比如经济学家，提前思考你构建的东西会如何影响世界，这已经更正常了。 [00:40:17]

现场收尾与致谢