Anthropic联合创始人Tom Brown：从MIT毕业生到AI巨头的创业之路
Anthropic联合创始人Tom Brown：从MIT毕业生到AI巨头的创业之路
在AI大模型快速发展的今天，Anthropic作为行业的重要参与者，其发展历程和创始团队的经历备受关注。我们深度对话了Anthropic联合创始人Tom Brown，听他分享从MIT毕业生到OpenAI早期员工，再到创立Anthropic的传奇经历。
早期经历：从MIT到创业公司
创业初体验
Tom Brown在21岁时从MIT计算机科学专业毕业，2009年夏天加入了朋友创立的Linked Language项目。这是他第一次接触创业世界，也是心态转变的关键时期。
"我本可以去大公司，可能会学到更多纯粹的软件工程，但和其他联合创始人在一起、没人告诉我们要做什么——公司天然是会死的，除非我们自己想办法。在学校是别人给你任务你去做——像条等饭吃的狗。创业更像狼：必须自己猎食，不然孩子会饿死。"
这个心态转变成为他后来做更大更刺激事情最有价值的收获。
多段创业经历
在Linked Language之后，Tom经历了多个创业项目：
- MoPub：移动广告公司，担任第一位工程师
- Solid Stage：DevOps工具项目，进入YC孵化器
- Grouper：社交约会应用，负责工程面试
在Grouper的经历特别有趣，他回忆道：
"我之所以被打动：我是个非常社恐的孩子。我想要一个能让像我这样的尴尬人群走出去、和别人聊天——和女生说话——又能在朋友陪伴下有安全感的东西。"
转向AI：从Grouper到OpenAI
自学AI的六个月
2014年离开Grouper后，Tom决定转向AI研究。他制定了六个月的自学计划：
- 上Andrew Ng的机器学习课程
- 做Kaggle项目
- 读《Linear Algebra Done Right》和统计教材
- 用YC校友额度买GPU，通过SSH连接完成课程
"我想：我们有生之年可能会做出'变革性AI'；如果做到了，那会是最大的事——也许我能帮上忙。但我大学线代只拿了个B-——也可能是C+——而且看起来你得是超级明星才能帮得上忙。"
加入OpenAI
通过Grouper认识的Greg Brockman（OpenAI联合创始人），Tom成功加入了OpenAI：
"Greg说，既懂机器学习又懂分布式系统的人很缺（他用了'paucity'这个词）。所以，是的，去做那个方向。"
在OpenAI的前九个月，Tom主要做StarCraft环境，而不是机器学习本身。这体现了OpenAI早期对工程基础设施的重视。
GPT-3的突破：缩放律的发现
关键洞察
Tom在OpenAI参与了GPT-3的工程工作，见证了"缩放律"的发现：
"那条可靠的线——配好'菜谱'的前提下，多用算力就有更多能力——让人清楚：这件事正在发生。即便当时训练花的钱不算多，缩放趋势也可见。"
最让他印象深刻的是：
"最初的缩放律论文画出了一条跨越约12个数量级的直线。我从没见过什么东西能跨12个数量级还这么稳。这让我把全部工作转向缩放。"
工程挑战
从TPU转向GPU是GPT-3成功的关键：
"OpenAI从TPU转GPU，很大程度是因为GPU上的PyTorch比TPU上的TensorFlow更好用。这解锁了快速迭代——好的可靠的软件栈让你能快试快改，搭出一整套能跑的系统。"
创立Anthropic：使命驱动的选择
离开OpenAI的原因
2019年，Tom和团队离开OpenAI创立Anthropic：
"当时有两个团队：Safety和Scaling，都向Dario和Daniela汇报。我们合作非常顺畅。那个组最严肃地对待缩放律：会有一个时刻，人类把控制权交给'变革性AI'——最好它是对齐的，过渡顺利，但也可能不是。赌注极高。"
早期挑战
Anthropic起步时面临巨大挑战：
"起步时我们一点不像会成功。OpenAI有10亿美元和明星资源；我们只有七个联合创始人在新冠期间摸索，没有清晰产品。早期加入的人都是冲着使命来的。"
Claude的发展：从Slack机器人到编码助手
产品演进
Anthropic的产品发展经历了几个阶段：
- Claude 1 Slack机器人：2022年夏天发布，比ChatGPT早九个月
- API重启：ChatGPT发布后重新启动API
- Claude.ai：推出网页版产品
- Claude 3.5：真正"跑起来"的转折点
编码能力的突破
Claude在编码上的成功让Tom也感到惊讶：
"一个朋友要改一个没有源码的工具，只有编译后的二进制。她问：能反编译吗？Claude啃了10分钟，给出了一版C代码，还起了变量名。她可能花三天也能做：重构十六进制表、写点代码去反推；但Claude端到端做出来了。"
Claude Code的成功
Claude Code最初是内部工具，后来意外成为外部产品：
"Claude Code起初是内部工具——帮我们工程师的。Boris折腾出来的。我们并不知道它会在外部成功。我们本来是把全部赌注下在API上。"
AI基础设施：史上最大规模建设
算力需求增长
Tom认为人类正在经历史上最大规模的基础设施建设：
"照当前轨迹，明年就超过两者：用于AGI计算的支出每年大约3倍增长。每年3倍太疯狂了。这条轨迹明年基本锁定；2027年更开放一些。"
多平台策略
Anthropic使用三种不同的加速器：
"我们用GPU、TPU和Trainium。缺点是性能工程团队被拆分到不同平台——额外工作很多。好处是灵活性：一是可以'吸收'更多总产能——加起来比单一更大；二是能把对的芯片配给对的任务。"
电力瓶颈
未来最大的挑战是电力供应：
"总体来说，电力会是最大瓶颈，尤其在美国。我们想在美国建。这也是我们的重要政策目标：让美国更容易审批、建设数据中心。"
对创业者的建议
内在动机的重要性
Tom给年轻创业者的建议：
"多冒险。去做那些能让你的朋友真的兴奋、佩服的事——或者能让你'理想化的自我'在成功后由衷自豪的事。这是我会对年轻的自己说的。"
避免应试教育思维
关于基准测试，Tom强调：
"基准很容易被'刷分'。其他大实验室有团队专门把分数做高。我们没有。这大概是主要原因。那样会产生不良激励。"
未来展望：AI代理的潜力
未被充分开发的方向
Tom认为最有潜力的方向是：
"Claude Code让Claude成为有用的'结对程序员/初中级工程师'——像一个很能打的L2/L3，有时候还会'爆发'，但需要很多引导和上下文，对'做什么'不太拿手。这只是企业工作里很小的一块。教练式地让Claude（或任何模型）完成有用的业务任务——工作流教练、工具链编排、上下文输送——这块空间巨大。"
创业机会
对构建在API之上的创业者，Tom建议：
"我们是最'开发者导向'、最'API导向'的实验室。我们想把平台做到最好，给大家搭建之用。这个领域增长太快了——我们不可能最快发现所有赋能Claude的方式。"
结语
Tom Brown的创业之路展现了从技术专家到企业家的完整成长轨迹。从MIT毕业生到OpenAI早期员工，再到Anthropic联合创始人，他的经历告诉我们：
- 使命驱动：真正伟大的公司往往源于对使命的坚持
- 技术洞察：对技术趋势的准确判断至关重要
- 工程能力：在AI时代，工程基础设施是核心竞争力
- 持续学习：从创业到AI，需要不断学习和适应
正如新产业创投一直强调的：我们相信技术的力量，更相信能够将技术转化为用户价值的团队。Tom Brown和Anthropic的故事再次印证了这一观点。
本文基于The Light Cone播客对Anthropic联合创始人Tom Brown的深度访谈整理而成，内容经过编辑和重新组织，以提升阅读体验。