Anthropic CEO警告:AI將在兩年內消滅一半白領工作

AI指數級增長的驚人真相

Amodei直言不諱地指出,大多數人都被AI的指數級增長所迷惑。他解釋道:"如果某個東西每六個月翻倍,那麼在事情發生的兩年前,它看起來只完成了1/16。"

Anthropic的營收數據完美印證了這個理論:

  • 2023年:從0增長到1億美元
  • 2024年:從1億增長到10億美元
  • 2025年(至今):已超過45億美元
  • "假設這個指數繼續兩年,你將進入數千億的規模。"Amodei警告說,"這就是指數級增長的本質——在爆發前夕,它看起來才剛剛開始。"

    白領工作的末日?AI對就業市場的衝擊

    關於AI對就業市場的影響,Amodei提出了令人不安的預測。他坦承AI確實可能消滅大量入門級白領工作,但強調這並非故意為之,而是技術發展的必然結果。

    在編程領域,這種影響已經顯而易見。Amodei透露:"Anthropic內部編寫的大部分代碼,此時都有Claude模型的參與。"他們的編程基準測試SweetBench從18個月前的3%提升到現在的72-80%,展現了驚人的進步速度。

    更引人注目的是商業模式的轉變。Amodei指出:"當我向消費者展示模型從本科生水平提升到研究生水平,99%的人根本不在乎。但如果我去找輝瑞公司說同樣的話,這將是世界上最重要的事情。"

    與其他科技巨頭的資源競賽

    面對XAI和Meta等巨頭的挑戰,Anthropic如何競爭?Amodei的答案出人意料:"人才是最重要的。"

    儘管Anthropic"只"籌集了接近200億美元,遠低於競爭對手的千億規模,但Amodei堅信資本效率更為關鍵:"如果我們能用1億做到別人10億才能做到的事,那投資我們的資本效率高10倍。"

    對於Meta最近的高薪挖角行動,Amodei的回應展現了他的價值觀:"我們拒絕妥協我們的薪酬公平原則。如果Mark Zuckerberg向飛鏢板扔飛鏢碰巧擊中你的名字,這不意味著你應該比旁邊同樣優秀的同事多賺10倍。"

    開源AI的迷思

    對於開源AI是否會顛覆商業模式的疑問,Amodei提出了獨特見解:"我認為開源在AI領域的運作方式與其他領域完全不同。"

    他解釋說,即使是開源模型:

    • 仍需要託管在雲端
    • 推理成本依然高昂
    • 需要專業優化才能高效運行
    • "當我看到新模型時,我不在乎它是否開源。我只問:它是好模型嗎?它在我們關心的任務上比我們做得更好嗎?"

      個人動機:從父親病逝到AI使命

      訪談中最動人的部分是Amodei分享他的個人經歷。他的父親在2006年去世,而諷刺的是,治癒他父親疾病的方法在他去世後僅3-4年就將治癒率從50%提升到95%。

      "這告訴你解決相關問題的緊迫性,"Amodei說,"如果有人能早幾年找到治療方法,就能拯救更多生命。"

      這段經歷驅使他從理論物理轉向生物學,最終進入AI領域:"生物學的複雜性超出了人類的理解範圍。AI是我看到的唯一能夠超越人類尺度、完全理解和解決生物學問題的技術。"

      末日論者還是現實主義者?

      面對"末日論者"的指控,Amodei憤怒回應:"當有人說'這傢伙是末日論者,他想放慢進度'時,我會非常生氣。你聽到我剛才說的了嗎?我父親因為幾年後才出現的治療方法而去世。我比任何人都理解這項技術的好處。"

      他強調自己的立場:"我可能比任何人都更欣賞AI的好處。但正因為如此,因為如果我們做對了可以擁有如此美好的世界,我感到有義務警告風險。"

      向上競爭:重塑AI產業的願景

      Amodei提出了"向上競爭"(race to the top)的概念,與傳統的"向下競爭"形成鮮明對比:"在向下競爭中,無論誰贏,每個人都輸了。但在向上競爭中,無論誰贏,每個人都贏了。"

      Anthropic通過以下方式實踐這一理念:

      • 率先推出負責任的擴展政策
      • 公開分享所有安全研究成果
      • 投資可解釋性研究並與同行分享
      • "我們試圖為這個領域樹立榜樣,"Amodei說,"這不是關於控制,而是關於提升整個產業的標準。"

        這場訪談揭示了AI發展的驚人速度和深遠影響。正如Amodei所言,我們正站在一個指數級增長的轉折點上,而理解並準備迎接這個未來,可能是我們這個時代最重要的任務。

        參考資料來源:https://www.youtube.com/watch?v=mYDSSRS-B5U

Read more

Claude 的 Project、Skill、Connector 到底怎麼分?一次搞懂三者的關係

Claude 的 Project、Skill、Connector 到底怎麼分?一次搞懂三者的關係

很多人問我,在 Claude 裡面,Project、Skill、Connector 這三個東西到底差在哪裡? 什麼時候該用哪一個? 老實說,我一開始也搞得很混亂。 但實際用了一段時間之後,我發現其實邏輯很簡單。 先從最基本的開始:Connector 是對外的資料來源 如果你需要從外部拿資料,比如說接 Google Calendar、接 Notion、接你自己的資料庫,你就需要 Connector。 它就是一個 MCP 的連結,讓 Claude 可以去外面抓資料回來。 沒有 Connector,Claude 就只能用它自己知道的東西,沒辦法碰到你的資料。 Skill 則是內部的運算邏輯 Skill 沒有辦法對外連接。 它只能在內部用 Python 或程式碼執行。 你可以把它想成是一個 Controller,專門負責處理運算的部分。 比如說,你想讓 Claude 用特定的格式改寫文章、

By Andy Lin
讓 AI 認識你 — Memory is All You Need

讓 AI 認識你 — Memory is All You Need

讓 AI 認識你 — Memory is All You Need 最近我在 Claude 上快速搭建了七大 Agent。 原因很簡單:你的助理應該是越使用越懂你。 而 Claude Project 有個關鍵功能叫 Memory,它會根據你不斷詢問的過程,主動提取記憶。 這就是我認為 AI 助手真正強大的地方。 GA 分析助手:從進階到客製化 自從我串接 GA MCP 後,這位助手已經變得非常厲害。 漏斗分析、訪客來源、異常事件追蹤、站上任何問題都難不倒它。 但我想要的不只是這些。 我希望它隨著時間,能夠對齊我的知識,知道我要什麼。 你不用想太多,不用一次設定好整個 instructions。 試著使用一週,再回頭看看 memory,你會發現它已經根據你的行為開始學習客製化了。 許多助手不需要懂老闆要什麼,但網站分析不一樣。 因為我沒有那麼多美國時間,

By Andy Lin
AGI 來臨:兩大 AI 巨頭的預測與警示

AGI 來臨:兩大 AI 巨頭的預測與警示

在近期的達沃斯論壇上,Anthropic 執行長 Dario Amodei 與 Google DeepMind 執行長 Demis Hassabis 進行了一場關於「AGI 之後的世界」的深度對談,揭示了 AI 發展的最新進展與未來展望。 AGI 時間線預測 Dario 重申了他去年的預測:在 2026-2027 年,AI 模型將能夠在諸多領域達到諾貝爾獎得主的水準。他表示目前 Anthropic 的工程師已經不再親自寫程式碼,而是讓模型來完成編寫工作,人類只負責編輯和周邊任務。他預估在 6-12 個月內,模型將能端到端完成大部分工程師的工作。 Demis 則持稍微保守的態度,認為在十年內有 50% 的機會實現 AGI。他指出編程和數學領域較容易自動化,因為結果可驗證;但自然科學領域則更具挑戰性,需要實驗驗證,且目前模型在「提出問題」和「建立理論」

By Andy Lin
讓 AI 當你的健康顧問:我用 Apple Watch 數據打造個人健康分析 Agent

讓 AI 當你的健康顧問:我用 Apple Watch 數據打造個人健康分析 Agent

最近我嘗試做了一個 Agent,專門用來分析我的身體健康狀況。 這不是什麼有商業潛力的專案,純粹是出於好奇。 我想知道現在的 AI 到底能幫我們把健康分析做到什麼程度。 資料從哪來? 要讓 AI 分析任何東西,首先得有資料。 我第一個想到的就是 Apple Health。 因為我每天戴著 Apple Watch,它本來就會自動記錄睡眠、運動、心跳這些數據。 除此之外,我也在嘗試另一個經絡檢測的儀器,有點像中醫把脈的概念,只是還沒整合進來。 我覺得如果未來能把更多資料源串在一起,應該可以做出更有意思的應用。 技術架構其實不難 我用了一個叫「Apple Health Auto Export」的 App。 這個 App 可以把健康資料透過 REST API 自動傳送到你指定的伺服器。 資料打到伺服器後,我再處理並存到 Database 裡。 接著寫一個 MCP Server,然後在

By Andy Lin