作者丨高允毅
编辑丨岑 峰
最近，一场版权官司意外曝光了 Anthropic 一份内部机密文件《Concise Research Roadmap》，这是 Anthropic 五年前的研究路线图。
这份文档汇集了 Anthropic " 最强大脑 " 们密密麻麻的批注。比如，Anthropic 联合创始人 Tom Brown 指出 " 仓库浏览是简单、高价值的切入点 "，系统与可解释性研究科学家 Nelson Elhage 则预判 " 自动查找项目里的类型定义 " 会是极具用户价值的功能。
面对 " 最强编程助手 " 与 " 工具能力演示 " 的路线之争，CEO Dario 当场定调：" 短期先演示工具使用，长期打造最强编程助手。" 对齐科学家 Amanda Askell 则提出了更深层的担忧：" 如果只在自然语言领域做对齐，却在代码领域做能力研究，势必产生脱节。" 她强调，安全与能力在任何阶段都必须紧密绑定。
要知道，那一年 Anthropic 刚成立半年，全部融资仅 1.24 亿美元。那时距离 ChatGPT 引爆全球还有 16 个月，距离 Claude 1 发布还有 20 个月。整个行业还在怀疑大模型是不是过渡产品。这群从 OpenAI 出走的人，已经一步步计划着 " 实现极高 GPU 利用率 "" 研究长上下文 "" 工具使用的强化学习 "" 对社会影响的评估框架 "......
之后的五年，他们兑现了路线图上的每一个分支，更是交出了一份惊人的答卷。从 Claude 1 到 Opus 5，从宪法 AI（Constitutional AI）到可解释性，再到近期的 Computer Use、MCP 协议、Claude Code、混合推理，都能在 2021 年那条路线图里找到锚点。
01
2021 年的 Anthropic，
究竟看清了什么？
2021 年，ChatGPT 还未问世，整个行业都在摸索大模型落地方向。而 Anthropic 却在内部文档中明确写出 AGI 的核心路径，那就是做有长记忆能力的大型生成式模型，并通过结合自动化奖励与人类反馈的强化学习（RL）完成微调。所有的研究项目，都是以这个中心做的探索实验。
他们认为，检验这套路线的第一个载体，就是 " 对话式软件工程师助手 "。它能通过对话完成软件的创建、编辑与讲解，能写函数、找 Bug、设计 API，还能讨论代码风格与工程最佳实践，最终达到一名软件工程师同事的水准。
这正是今天 Claude Code 的具体雏形。
Dario Amodei 为此定下两步走的落地节奏：短期优先完成能力验证，长期打磨深度生产力工具。团队从打印调试、代码仓库浏览这类轻量化工具能力切入，再逐步拓展到代码执行、自然语言文档编辑等更复杂的工具能力。
围绕这个目标，他们把 " 规模化 " 放在了所有研究方向的最首位，从一开始就为万亿参数规模做准备。
Jared Kaplan 是 Scaling Laws 理论的第一作者，他把这套认知从 OpenAI 带到了 Anthropic，早早就在思考如何训练万亿（1T）乃至更大规模的模型。
除了超大参数模型本身，他们还讨论如何拉高 GPU 利用率，提前适配 TPU、Trainium 等下一代硬件；怎么把块稀疏注意力这类复杂工程封装起来，让非专业人员也能轻松配置超参数；怎么给大模型权重这类核心资产搭好安全防护体系。
Anthropic 还非常重视预训练与数据。
他们从一开始就打算训出行业性能最优的语言 + 代码双料基座模型，给后面所有的微调、功能探索、能力迭代当好底子。他们早早开始搭建全链路高质量数据集，不仅有自然语言和代码，还覆盖了 Diff（版本差异）、PR（拉取请求）、调试记录以及代码运行的评估结果，完整覆盖软件开发的全流程数据。
数据质量上他们也抠得极细，从数据过滤、迁移、微调到多样性优化，全套流程挨个打磨，这样打好数据底子，后面在更高级的强化学习环境里做对比实验、能力迭代，才不会走偏。
同时，他们提前攻坚支撑万亿参数甚至更大规模的机器学习底层技术，同步探索超长上下文能力，或是研究能封装海量记忆与经验的等效外挂方案。
能力与对齐同步推进，是 Anthropic 在文档中提出的另一大特色。
Amanda Askell 在文档评论中提前预判了代码能力与对齐研究脱节的风险，一方面代码能力持续增强，却缺少对应的对齐约束；另一方面对齐研究依赖的模型能力不足，也会限制测试的深度和成果的实用价值，长期下来，对齐研究就会变成与能力发展脱节的 " 信息孤岛 "。
因此，她要求各领域的能力研究与对齐研究应当按比例同步推进，安全不能等模型能力成熟后再补上。
围绕这条原则，Anthropic 规划了一套具体的研究方向。他们用人类反馈训练模型，不止让模型会答题，更要能主动提供帮助、根据反馈调整行为、在用户意图模糊时主动澄清问题。团队系统梳理对齐失效的场景，按难度分类归因，专门研究对齐效果随模型规模的变化规律。
连指导训练的奖励模型本身也被反复校验：在合规人类反馈数据、Stack Exchange 等静态数据集、GAN 对抗生成数据上交叉验证，确保奖励信号真正贴合人类意图，在不同数据源下都足够可靠。最终这些实验都会沉淀成通用方法论， 人类反馈怎么用效率最高、不同对齐目标需要多少数据与资源投入，全部量化落地。
这也是为什么 Claude 能率先打入金融、医疗、法律等高合规行业。
Anthropic 还在持续投入 " 可解释性 " 的长期探索。
Anthropic 想弄清楚模型内部究竟发生了什么，为此，可解释性领域的代表学者 Christopher Olah，专门拆解大模型的神经元、注意力头与内部功能回路。Olah 还提出，要把数据、工具方向的研究和可解释性工作结合在一起。 他们希望从底层机理搞清楚：算术推理、多轮对话、代码生成，究竟如何在神经网络内部实现。
他们把 RL for Tool Use 列成了一项重要研究方向。研究的核心是让大语言模型学会使用工具，理解环境和目标，并通过强化学习不断改进。
当时，他们已经把信息检索、打印调试（printf debugging）等任务列入研究计划。这些任务既有实际价值，也能用来检验：模型接入工具后，能否突破单纯生成文本的能力边界？相比监督学习，通过工具交互和强化学习来训练，能否获得更好的缩放效果和更高的算力效率？
Dario Amodei 的视野并不局限于代码场景。他还提出，自然语言编辑器同样值得探索，比如让模型在类似 Google Docs 的环境里修改文档，既能产出高价值的安全研究成果，也具备广阔的应用场景，而支撑这两类编辑器的工具与底层基础设施，很多都是通用的。
他们真正想验证的是：模型能否从 " 生成答案 "，走向 " 借助工具完成复杂任务 "。如果这条路线成立，能力边界就能从软件开发延伸到更多知识工作场景。
而安全考量始终贯穿在所有研究方向里。
这群科学家从第一天起就带着一股极客的理想主义。Sam McCandlish 在当时就抛出了灵魂拷问：" 怎么安全地部署非沙箱化工具？"Dario 更是预警：部署阶段可直接执行代码的工具风险极高。如今回看 Agent 赛道天天热议的沙箱隔离、权限拦截，全在他们当年的推演之中。
不仅如此，他们还想把公司打造成 AI 伦理研究的 " 山巅之城 "，拉上学术界、政府一起做独立评测，用最高标准的安全框架为全行业树立规范。
最终这一切共同构成了 Anthropic 全栈闭环的研究版图：从底层算力工程（GPU/TPU 适配、训练效率）、模型基座（预训练、数据工程、长上下文）、核心能力（工具调用、代码生成），到安全体系（对齐、可解释性、权重安全），再到社会治理（第三方评估、行业生态），形成了一套完整且没有明显短板的 AGI 研发闭环。
02
这五年，Anthropic 都做了什么
不少网友看完这些讨论，直接称神。" 原来我们现在抢着做的 Agent，是人家的代办清单。"
当年文档中的那些研究路线，变成了 Anthropic 每一个转折点的战略方向。
2022 年，Anthropic 率先在最核心的 " 对齐 " 赛道，拿出了颠覆行业认知的方法论。
2022 年底，ChatGPT 凭借 RLHF（人类反馈强化学习）一夜爆火，把大模型带进了大众视野。但这套方法的痛点也很明显：要雇大量人做标注，成本高、难规模化，还容易把标注人的个人偏好带进去。
就在 ChatGPT 发布半个月后，Anthropic 发表论文提出 " 宪法 AI" 思路：先给模型定一套行为原则，再让一个模型去评判、修改另一个模型的回答，反复迭代之后，模型就能做到既有用又不越界。
对内，它解决了安全调校跟不上模型能力增长的问题，刚好回应了团队早期 " 能力和安全要同步推进 " 的担忧；对外，它定义了 Claude 系列鲜明的产品特质，礼貌、克制、不主动越界，和同时代 GPT 模型形成了极强的辨识度。
搞定了训练方法，Anthropic 开始把模型做大、做长，2023 年在产品和算力两条线上同时破局。
这年 3 月，第一代 Claude 正式对外合作，主打长文本处理和安全属性，用过的人普遍觉得它比同期的 GPT-3.5 " 礼貌得多 "。这是 Anthropic 第一次拿出面向市场的实体产品。
5 月，Anthropic 把 Claude 的上下文窗口从 9K 一口气扩到 100K token，相当于 7.5 万英文单词；两个月后的 Claude 2 公测延续了这一能力。作为对比，当时主流的 GPT-4 仅能支持最高 32K（约 3 万多 Token）的上下文，而 Anthropic 自家的上一代模型更是只有不到 10K 的容量。这一跨越式的长文本能力，让一次性读懂整本书或整个代码库成为了现实。
安全体系也在同步落地。9 月，Anthropic 发布首版《负责任的缩放政策》（RSP），给模型的潜在风险划分等级，能力越高，安全管控就越严，这是行业里第一套成体系的动态安全机制。
到 2023 年 10 月，Google 领投的一轮让 Anthropic 估值站上 184 亿美元。全球大模型行业告别了早期的 " 一超多强 "，开始隐隐显现出两家顶尖独立实验室双雄并立的雏形。
这一年全球 AI 圈也风起云涌，GPT-4 发布树立新的能力标杆，OpenAI 成立专门团队押注长期安全，马斯克创办 xAI，谷歌整合 DeepMind 推出 Gemini。国内则开启 " 百模大战 "，百度、阿里等大厂的大模型集中亮相，智谱、月之暗面、深度求索等创业公司也开启密集融资。
2024 年是 Anthropic 的爆发年，在各个方向都拿出了代表作。
3 月，Claude 3 系列一次性推出三款产品，覆盖旗舰、均衡、轻量三大场景，并补齐了多模态能力。其中旗舰模型 Opus 默认支持 100K 的处理长度，在长文本评测中表现出极高的准确率，首次反超 GPT-4，将长上下文技术转化为扎实的产品竞争力。
随后在 6 月登场的 Claude 3.5 Sonnet 模型能力迎来大幅提升，在多项核心指标上追平 GPT-4o；到 10 月推出升级版时，该模型在代码评测集 SWE-bench Verified 上超过了当时所有闭源竞争对手，让 Anthropic 在软件工程与智能体开发市场中取得了明显的竞争优势。
真正让 Anthropic 拉开身位的，是 2024 年 5 月掀起的那场可解释性热潮。
2021 年，" 可解释性 " 和 " 工具使用强化学习 " 还听起来都过于学院派，远不如堆参数、刷榜单来得实在。
2024 年 5 月，Anthropic 团队利用稀疏自编码器（SAE）成功对 Claude Sonnet 内部的数百万个特征进行了 " 内部扫描 "，从型里提取了 3400 万个特征，还定位到了 " 金门大桥 "" 程序漏洞 " 这些具体概念对应的内部回路。为了证明不是纸上谈兵，他们还做了个实验：手动激活 " 金门大桥 " 对应的特征，让模型不管回答什么问题都绕不开金门大桥。
这是人类第一次在商用级大模型上，做到对内部机制的精准解释和操控。这意味着 AI 安全研究从此不用再 " 开盲盒 "。而同期 OpenAI 也在做相关研究，却一直没公开具体进展；国内学术界有跟踪，但几乎没有产品级验证。这条赛道上，2024 年的 Anthropic 几乎一骑绝尘。
10 月，新版 Claude 上线 " 电脑操作 " 功能，模型能像人一样看屏幕、点鼠标、敲键盘，自主操作桌面软件。
才过一个月，Anthropic 又开源了 MCP 协议，把模型和各种工具、数据之间的连接方式统一了，相当于 AI 应用的 " 通用接口 "。
这掀起了 MCP 热潮，2025 年第一季度，OpenAI、谷歌先后宣布支持 MCP，国内阿里、腾讯、百度、支付宝也在四个月里密集上线相关服务。从各家自己做工具接口，到统一用 MCP，行业半年内就完成了站队。这是 Anthropic 第一次不是在模型能力上，而是在基础设施层上让对手跟进。
2024 年，Anthropic 估值从年初的 184 亿涨到年底的约 410 亿。估值飞涨的背后，是产品开始真正跑通收入，当时 Claude 的年营收已经突破 10 亿美元。
2025 年，Anthropic 把重心放到了智能体上，主战场选在了软件开发。
2 月 24 日，Claude 3.7 和 Claude Code 一起发布。前者能切换 " 快答 " 和 " 深度思考 " 两种模式的模型，用户可以自己控制思考程度；后者则是专门的编程助手，能自己翻遍整个代码库、查类型定义、调 bug、提交代码、跑测试。
这一刻，2021 年文档里的所有讨论都成了现实：从 " 仓库浏览是个好切入点 "，到 " 先演示能力、再做生产力工具 " 的节奏，全部分毫不差落地。大模型不再只是聊天工具，成了真能在电脑前干活的 " AI 同事 "。
5 月发布的 Claude 4 系列，又把长时间连续工作的能力提上新高度。旗舰版能连续几小时执行编程任务，在多项编程测试里都拿了第一。到 9 月的 4.5 版本，编程和智能体能力再上台阶，AI 能力达到初级工程师的水平。
同期，面向办公场景的产品也陆续推出，Anthropic 的生产力工具从程序员群体拓展到普通白领。到了 9 月，Anthropic 完成新一轮融资，估值冲到 1830 亿美元左右。
进入 2026 年，竞争到了更深的层面。
从 5 月到 10 月，Anthropic 密集更新 5.5 代全系列模型，从旗舰到轻量依次推出，多模态、深度思考、智能体三项能力同步成熟。产品不再追求单点能力爆发，而是转向 " 产品级可用性 " 的全面打磨
生态话语权也越来越重。MCP 已经成了全球 AI 工具的事实标准，从模型厂商到应用开发商都在接入，Anthropic 真正从 " 做产品的 " 变成了 " 定规矩的 "。而安全框架、第三方安全测试、行业前沿论坛这些持续推进的动作，也在一步步兑现当年 " 打造机器学习山巅之城 " 的愿景
如今全球 AI 行业，已经形成 OpenAI、谷歌、Anthropic 三家领跑的稳定格局。
五年间行业风口换了一轮又一轮，无数公司追着热点调转方向，而 Anthropic 始终沿着当年画下的线稳步推进。很多人说 Anthropic 是踩中了时代运气，但这份泄露的文档证明，他们如今的成果，本质上都是早有预谋的技术兑现。在行业摸黑赶路的时候，有人早已看清了地图，然后一步步走到了终点。
参考链接：
https://i.smitop.com/concise-research-roadmap.pdf
上车，雷峰网带你看遍全球 AI 顶会精华
可独家畅览：
专家演讲 PPT
大会报告全文
热门论文解读
学术新星访谈
扫描上方二维码
或点击「阅读原文」关注专区。
