Anthropic 成長負責人：工程師變快 3 倍之後，PM 反而變成最稀缺的人

2026 年 2 月，Anthropic 的年化營收（ARR）達到 190 億美元，比 14 個月前的 10 億美元成長了 19 倍。對照組更荒謬：Atlassian、Palantir、Snowflake 這些老牌 B2B 軟體公司，經營 15 到 20 年之後的 ARR 大約落在 45 到 60 億美元之間，Anthropic 每隔幾個月就多加一個這樣的公司規模到自己的營收上。

這樣的成長速度背後，Anthropic 的成長團隊規模小到不成比例。2025 年中，整個成長行銷只有 Austin Lau 一個人在扛，paid search、paid social、ASO、email、SEO 全部一人包辦，撐了將近十個月。產品成長這邊也是後來才補上的，Amol Avasarala 當初是主動寄陌生開發信給 CPO Mike Krieger，當時連這個職缺都不存在，他就這樣變成了成長產品的負責人。即使到現在，團隊規模「仍然比外界想像的小很多」。

Amol 最近上了 Lenny Rachitsky 的 Podcast，提到官方 190 億美元的公開數字已經是 2 月底的舊資料，實際數字現在更高。他順便提了一句內部觀察：「線性圖表在 Anthropic 裡根本不酷，每個人都要求看對數線性視角。」

這句話是整場訪談最值錢的切入點，當整間公司預設用對數座標思考，成長團隊從時間分配到工作重點都會被反向重寫一次。Amol 在訪談裡點出三個重點，它們底下都指向同一個邏輯：在指數曲線上，傳統的工作分配方式會把你最值錢的時間花在最不值錢的事情上。

第一個重點：70% 時間花在大型押注上

傳統成長團隊的時間分配是業界常識，大約 70% 做小到中型實驗（到達頁優化、CTA 測試、定價調整），30% 投入比較大型的押注。這套方法在多數公司是理性的，小實驗贏面高、累積速度快、季末看報告也好看。

Anthropic 的成長團隊反過來做，而且反得很徹底。Amol 說他們的比例大約是 50/50 到 30/70，而且「還在持續往更多大型押注傾斜」。關鍵在於兩年後的產品價值差距有多大。

他舉了一個對比，一般 B2B 公司兩年後的產品價值，即使團隊執行得非常好，大約會比現在高 30 到 50%，這是線性成長、而且需要花費大量努力才能達到。Anthropic 預期兩年後的產品價值會比現在高 100 到 1000 倍，因為模型能力本身就在指數上升，而且每一次能力躍升都會開啟全新的應用場景。舉例來說，agentic coding 在 2024 年還不存在，現在已經比「AI 輔助寫程式」這個舊市場大好幾個數量級。

當你的基準線從「兩年後 30 到 50% 差距」變成「兩年後 100 到 1000 倍差距」，微優化的相對價值趨近於零。Amol 的原話是：「這種時候你必須轉向大型押注，否則會見樹不見林。」

他接著舉了 Chrome 擴充套件當例子，那是 Anthropic 成長團隊在沒人做的時候硬做出來的「研究型」產品，當時看起來完全不像傳統成長工作的範圍；現在它變成了 Claude Code 和 Cowork 很多使用情境的底層。「如果我在其他公司，我不會做這個。」Amol 說。

這個邏輯對非 Anthropic 讀者的實際意義是，只要你的產品核心價值是 AI 驅動的（Cursor、Lovable 這類），成長策略都應該往大型押注傾斜；反過來，如果 AI 只是產品的小外掛功能，傳統 70/30 還是比較合理。判斷標準很簡單，看你的產品價值曲線是線性還是指數。

第二個重點：Anthropic 在大規模招 PM

AI 時代的主流敘事之一是：工程師用了 Claude Code 之後產能變 2-3 倍，公司需要的 PM 數量會跟著減少。Amol 在訪談裡直接反駁這個預期，用的還是 Anthropic 內部的實況。

他的邏輯很簡單，一個典型的功能團隊過去長這樣：5 個工程師、1 個 PM、1 個設計師。工程師用了 Claude Code 之後實質產能翻 2 到 3 倍，等於團隊的產出相當於過去「15 到 20 個工程師、1 個 PM、1 個設計師」的水準。工程師的單位時間產能起飛了，但 PM 和設計師的單位時間產能沒有同比成長（Amol 承認他們也有成長，只是幅度遠小於工程師），結果就是 PM 和設計變成整個團隊裡被擠得最慘的兩個角色。

Anthropic 的解法分成兩層同時推進，第一層是大規模招 PM，Amol 在訪談裡直接對著麥克風喊「如果你對成長有經驗，拜託來投履歷」。第二層是他稱為「兩週規則」的內部做法：小於兩週工程量的專案由工程師當 mini-PM 自己處理，跟法務、資安、跨部門溝通都是工程師在跑，PM 只在出大問題時介入；兩週以上的專案則由 PM 正式負責。

這個規則背後還有一層隱藏訊息，Anthropic 在篩「有產品腦的工程師」。Amol 說這種人現在是「獨角獸」級的稀缺資源，因為團隊實質上處在 15 到 20 個工程師搶 1 個 PM 的狀態，能自己兼半個 PM 的工程師價值直接乘以 10 倍。同樣的邏輯對設計師和 PM 自己也成立，能寫程式、能做設計、或能處理跨部門對齊的 PM，在當前這個瓶頸結構下的議價能力都是過去的好幾倍。

這個故事對多數讀者的啟示，是讓你重新看清自己團隊裡真正的瓶頸在哪裡。AI 工具的戰略意義從來都有兩層，一層是讓工程師更快，另一層是讓原本不在瓶頸上的角色（PM 和設計）瞬間被擠成新瓶頸，而新瓶頸的解法通常跟舊結構長得完全不一樣。

第三個重點：CASH 已經是「兩三年年資 PM」水準

訪談裡最新鮮的料叫 CASH，全名是 Claude Accelerates Sustainable Hypergrowth（Amol 自己承認這個縮寫有點土，他強調不是他取的名字）。這是 Anthropic 內部的一個實驗性專案，目標是用 Claude 自動跑完整的成長實驗迴圈。

Amol 把這個迴圈拆成四個步驟來檢視，第一步是從歷史數據和趨勢裡找出可以嘗試的實驗機會，第二步是建構出實際要上線的功能，第三步是測試並確保不會觸及品牌和品質的紅線，第四步是上線後分析結果、產出學習心得。他說 Opus 4.5 之前這個迴圈跑不起來，結果品質不夠好；直到幾個月前 Opus 4.6 上線，整個迴圈「終於開始印錢」。

目前的水準用 Amol 的說法衡量，大概相當於「兩到三年年資的初級 PM」。還不到資深水準，但已經可以對文案修改、小型 UI 微調這類低風險的實驗直接按下啟動，讓 Claude 自己跑完整流程。他預期隨著模型持續進步，可以自動化的實驗規模會繼續擴大。

但整個迴圈裡有一個步驟 Claude 目前完全做不到，短期內也做不到：跨部門對齊。Amol 跟他的設計主管 Joel 最近有一次開完難搞的會議之後，做了這個結論：「就算我們有了 AGI，要讓六個人在同一間房間裡達成一致還是不可能。」

這句話同時說明了兩件事情：第一是當 AI 能做的事情越多，真正稀缺的資源會變成「把所有利益相關者對齊到同一個方向」這種組織政治工作；第二是成長這個工作類別之所以會是最早被 AI 部分自動化的領域，因為它的四個步驟裡有三個都是「跟數據對話」，只有一個是「跟人對話」。

這也解釋了為什麼 Amol 對 PM 這個角色的未來同時抱著悲觀和樂觀的態度。小範圍的 PM 工作（寫 PRD、規劃功能、追 A/B 測試結果）會被 CASH 這類系統吃掉；大範圍的 PM 工作（讓六個部門的人達成共識、判斷哪個方向值得投資、決定什麼時候該放棄）反而會變得更稀缺、更有槓桿。

三個重點，一個底層邏輯

這三件事代表在指數曲線上，工作的價值分布會整個重新排列。微優化會貶值（因為兩年後的產品長得完全不一樣）、執行型的角色會被 AI 吃掉（工程師快 2-3 倍、成長實驗被 CASH 自動化），但判斷型和對齊型的角色會急遽升值（PM 的 why 和 what、跨部門溝通、大型押注的選擇都會變得更貴）。

這些現象在所有 AI 公司都會發生，只是 Anthropic 處在曲線最陡的位置，所以最早感受到、也最早開始調整。對非 Anthropic 的讀者來說，最有用的問題是：你目前的工作中有多少比例是執行型、多少比例是判斷型？如果執行型的比例超過 50%，你值得把接下來幾個月的主要精力放在把執行交給 AI、把自己往判斷型那一側推；如果已經是判斷型為主，那你要學的是怎麼帶領一個被放大很多倍的 AI 團隊。

Amol 在訪談最後有一段話可以當這篇文章的收尾：「進 Anthropic 的第一件事，是要接受你過去 50 到 70% 的工作方式必須整個丟掉。如果你試著把舊 playbook 套進來，你會覺得每件事都在跟你作對。」這句話的適用範圍遠遠超過 Anthropic 這間公司，在任何一條指數曲線上，抓著舊打法是最貴的浪費 📈

相關資料：

Lenny's Podcast：Anthropic's $1B to $19B growth run: how Claude became the fastest-growing AI product in history | Amol Avasare
https://www.youtube.com/watch?v=k-H4nsOTuxU