Anthropic 14 個月從 10 億衝到 190 億美元 ARR：成長負責人 Amol Avasare 解剖「成功災難」

本文整理自《Lenny's Podcast》2026 年 4 月 5 日播出的單集，受訪者為 Anthropic 成長負責人 Amol Avasare。本系列共三篇，這是第一篇談商業故事與營運哲學，第二篇談 CASH 計畫與 PRD 之死，第三篇談 notebook channels 與職涯哲學。

{{< youtube k-H4nsOTuxU >}}

{{< spotify "episode/08QWCmKgDbMfpojknVW5Fa" >}}

{{< apple-podcast "tw/podcast/head-of-growth-anthropic-claude-is-growing-itself-at/id1627920305?i=1000759379580" >}}

---

14 個月從 10 億到 190 億：log-linear 才是內部唯一的圖表

Amol Avasare 在訪談一開頭就拋出一個讓任何 SaaS 創業者都會倒抽一口氣的數字。Anthropic 的年化收入（ARR）在 2024 年底約 10 億美元，到 2026 年 3 月已經來到 190 億美元，14 個月成長將近 19 倍。Bloomberg 在 3 月初引述執行長 Dario Amodei 在 Morgan Stanley TMT 大會的說法，光是 2026 年 2 月一個月就新增了 60 億美元的年化收入；公開財報路徑顯示，這家公司 2 月底 ARR 約 140 億，3 月再加 50 億衝到 190 億。對照之下，Atlassian 與 Snowflake 用了 15 到 20 年才累積到類似量級的 ARR，Anthropic 現在每幾個月就新增一個它們的歷史總和。

更關鍵的是這條曲線的規律性。Amol 說 Anthropic 的成長是「連續三年 10 倍」：2022 年約 1,000 萬美元、2023 年破億、2024 年底 10 億、2025 年底約 90 億、現在則直奔 200 億。這種跨越多個數量級的指數曲線，畫成一般人習慣的線性圖表會看起來像火箭起飛、後面變成牆面，根本無從辨認趨勢是否在加速。所以 Anthropic 內部把線性圖表當成笑話。「線性圖表是沒人看的，」Amol 在訪談裡半開玩笑地說，「我們所有東西都用 log-linear 軸（縱軸取對數）。」

log-linear 思維對一家公司的影響超過視覺習慣。當你的縱軸是對數，每一格代表 10 倍成長，原本看起來爆炸的曲線會變成一條斜率穩定的直線。這意味著管理層辯論的不是「我們今年要不要再翻倍」，而是「我們有沒有偏離原來那條斜率」。任何偏離都意味著加速或減速，而這條斜率比任何 OKR 都更貼近事實。對團隊來說這也很殘酷，因為要維持指數曲線，你絕對不可能靠把昨天的事情做得稍微好一點來達成，必須一直找新的、跟去年完全不一樣的成長來源。

這個故事最違反矽谷常識的部分是 Anthropic 自己對它的詮釋。Amol 說 Anthropic 從來都不是「最有資源的玩家」：沒有 Meta、Google 的現金流和分發通路，也沒有 OpenAI 的先行者優勢。「我們其實是這個賽道裡最小、資金最少的玩家，能走到今天完全是奇蹟。」這句話放在一家年化收入快要達到 200 億美元、估值幾千億美元的公司執行團隊嘴裡，聽起來幾乎不真實，但它正是理解後面所有營運決策的起點。

「成功災難」吃掉 70% 工時：當每張圖都往上，問題只會更難

Amol 把 Anthropic 內部一個非正式詞彙拋進訪談中，叫做 success disasters，他直接翻成「成功災難」。意思是公司表現好到一個程度，每一張圖都在往上，但這種好讓另外一些東西開始壞掉。他估計自己 70% 的時間都在處理這類問題，只有 30% 留給傳統意義上的「成長 PM 該做的事情」，例如新做一個 onboarding 流程、優化某個 funnel。對任何一個習慣「順風開船」的成長主管來說，這個 70/30 比例本身就是一個警訊。

具體會壞掉什麼？acquisition、activation、monetization 三條主軸全部會壞。當你的網站每週新增的流量比上週多一倍，原本能撐住每秒 1,000 個註冊請求的系統就會被沖垮；當你的試用者每月翻倍，原本一個 PM 帶兩個工程師的 onboarding 團隊就完全 cover 不過來；當你的企業客戶從幾十家暴增到幾千家，原本由幾個 sales engineer 撐著的計費邏輯就會開始漏錢。Amol 的描述很直接：你會花一整天解決一個「為什麼今天的註冊量莫名其妙掉了 15%」的災難，最後發現是因為某個 acquisition 通路跑得太快、把根本不該被分到 B2B 的客戶送進了企業 onboarding。

這也說明了為什麼 Anthropic 的成長團隊規模看起來偏小。整個成長組織約 40 人，分成「客群 pod」（B2B、code、knowledge worker、API）加上幾個橫向職能（platform、monetization）。一家年化收入快 200 億的公司只有 40 人在做成長，這個比例放在傳統 SaaS 是不可思議的稀薄；但放在「70% 時間都在救火」的現實裡，這個團隊規模根本來不及做正常的成長 backlog，更別說一行一行優化轉換率。

Amol 形容他在 Anthropic 第一年是他職涯最難的一段。他過去在 Mercury、MasterClass 都帶過成長團隊，自認為已經看過快公司的節奏，但加入 Anthropic 之後他才知道，自己過去 50% 到 70% 的工作習慣必須整個丟掉。「你必須理解，你過去怎麼工作的方式，從現在起有 50% 到 60%、甚至 70% 都直接丟出門外。」這種顛覆對一個資深成長主管來說，比新手入門還陡。

為什麼小團隊要押大注：把 70/30 反轉成 30/70

傳統成長團隊的資源分配公式很穩定：70% 時間花在小到中型的優化（A/B 測試、文案改寫、頁面重排），20% 到 30% 留給比較大的賭注（新通路、新產品線）。這個比例的背後邏輯是 SaaS 業務的價值複合速率：典型 SaaS 一個產品兩年內可能成長 30% 到 50%，所以今天每多 1% 的轉換率明天還會繼續創造價值。Amol 的觀察是，這個公式在 AI 原生產品上完全不成立。

「在 AI 原生的世界裡，我們在兩年後能交付給使用者的產品價值，可能是今天的 100 倍到 1,000 倍。」Amol 說，「這意味著你今天微優化某個 funnel 拿到的 5% 提升，跟你能不能在兩年後的市場拿到應有位置相比，根本是個位數對天文數字。」他因此把成長團隊的時間分配整個反轉，從傳統的 70/30 翻成 50/50、甚至 30/70：大部分時間花在大型產品賭注，把微優化的時間擠到剩下三成。

這套思路最具體的案例是 Claude 的 Chrome 擴充功能。它不是一個傳統 PM 會排在 Q1 路線圖前三名的功能，但它是 Anthropic 成長團隊主動發起的賭注，後來變成 Cowork 系列功能的關鍵入口。Amol 解釋這類賭注的邏輯：當你不知道下一波 AI 使用者會在什麼介面上使用 Claude，你就不能只把優化都壓在現有的 web app 上；你必須同時押注幾個未來的入口，等模型能力跨過某個閾值後，這些入口就會變成新的成長 surface。

對小型團隊或新創來說，這個資源分配反轉也許是這集訪談最有遷移價值的訊息。如果你的產品建立在 AI 之上，但你的成長 backlog 還是「這週改 CTA 文案、下週調 onboarding 步驟順序」，你其實是在用 SaaS 時代的資源配置撐 AI 時代的曲線。短期內你還是會看到一些優化收益，但你會錯過下一個介面、下一個工作流、下一個能讓你抓到 100 倍價值的賭注。Amol 的 30/70 配置不是數字遊戲，而是一種對指數成長的尊重。

為什麼 2021 年就賭 coding：Ben Mann 的內部文件

Lenny 在訪談中問 Amol：Anthropic 為什麼這麼早就把資源全部壓在程式碼這條路上？Amol 把答案追溯到 2021 年共同創辦人 Ben Mann 寫的一份內部文件。當時 GitHub Copilot 才剛剛推出 technical preview，AI coding 這個市場根本還不存在；但 Mann 主張，Anthropic 應該深度押注程式碼模型，原因不只是市場規模，而是「程式碼模型會回頭加速研究本身的迴圈」。

這個論點細想下來非常細膩。AI 實驗室的競爭力從來不是看誰的單一模型強，而是看誰的研究迭代速度快。每次研究員想驗證一個想法，都要寫實驗程式、跑訓練、分析結果、調整參數，再進入下一輪。如果你的程式碼模型可以幫研究員把這條迴圈的時間從一週壓到一天，整家公司的研究產能會以非線性方式擴張。Mann 的判斷是，coding 不是一個 TAM 賭注，而是一個 research-acceleration 賭注：投資程式碼能力，等於投資自己的迭代速度。

四年之後，這個賭注以最戲劇化的方式兌現。Claude Code 在 2025 年中正式推出，到 2026 年 2 月已經做出 25 億美元的年化收入，被外媒稱為「B2B 軟體史上最快的產品起飛」。它不只是商業上的成功，更重要的是它在 Anthropic 內部已經變成研究員與工程師的標準工具，把 Mann 在 2021 年描述的「研究迴圈加速」從假設變成現實。Amol 在訪談裡明白點出，coding 之所以是 Anthropic 的核心，是因為它同時是「最大的商業 surface」和「最關鍵的研究槓桿」。

這背後還有一層 Amol 沒明說但反覆暗示的邏輯：限制本身製造聚焦。「我們是最小的、資源最少的玩家，沒有 Meta、Google 的分發優勢，也沒有 OpenAI 的先行者紅利。」正因為資源稀缺，Anthropic 必須挑一個最有複合效應的領域全力衝，coding 就是那個答案。今天回頭看，這份 2021 年的內部文件對公司方向的影響，可能比後來幾百次產品決策加起來都大。

PBC 結構與「leave money on the table」：把錢留在桌上的勇氣

訪談接近後半段，Lenny 把問題拉到一個許多 AI 公司都在迴避的張力：商業成長與安全堅持之間的拉扯。Amol 給的答案不是公關話術，而是先把 Anthropic 的法律結構講清楚。Anthropic 是一家 Public Benefit Corporation（公共利益公司，PBC），這個結構在法律上明確移除了「最大化股東價值」作為公司的最高義務。「換句話說，當我們說『把錢留在桌上是 OK 的』的時候，這不只是文化口號，是寫在公司章程裡的法律前提。」

這個法律前提如何落到日常營運？Amol 給出他自己用的「爭議測試二分法」。當一個成長實驗有可能帶來商業收益、但同時觸及一些灰色地帶，他會把它分成兩級。第一級是「這個實驗結果無論好壞都不該上線」，因為它違反 Anthropic 對使用者的承諾或安全準則，根本不應該跑；第二級是「這個實驗可以跑，但必須拉高 ROI 的標準才會被導入」，因為它有潛在風險，所以你需要更高的回報才能正當化。Amol 直接說，他刻意把第二級的門檻設得比典型成長團隊更高。

「有些東西就是 cringe（讓人尷尬），不該推。」Amol 用這個詞描述他刻意排除的成長手法，例如某些誘導式 onboarding、過於激進的 paywall、刻意製造焦慮的 CTA。這些做法在很多 SaaS 公司是標準操作，能短期把轉換率拉高 5% 到 10%，但 Amol 把它們放進不可碰的清單。他的論點不是道德潔癖，而是長期商業判斷：在一個使用者選擇成本越來越低、品牌信任越來越稀缺的時代，每一個 cringe 操作都在消耗未來的議價能力。

這背後其實是 Anthropic 整個策略框架，他們內部叫做 race to the top。意思是，當 AI 能力越來越強，整個產業會越來越受到媒體、監管、客戶的審視；那些把安全當成行銷標籤的公司會被穿幫，而把安全當成產品紀律的公司會建立長期信任護城河。Amol 直白地說：「要影響整個產業的安全標準，你不能站在場邊大喊，你必須留在場內、用商業實力證明安全是可以兼顧的。」這就是為什麼 Anthropic 一邊把 ARR 衝到 190 億，一邊堅持那些「會少賺幾個百分點」的安全紀律。

我的觀察：臺灣 SaaS 老闆該從這條曲線讀到什麼

我在臺灣看過太多 SaaS 公司用「我們也在做指數成長」當話術，但仔細看圖表都是線性的。Amol 描述的 log-linear 文化其實不是視覺習慣，而是一個更深層的選擇：你願不願意承認自己的曲線是不是真的指數，並用對應的營運哲學去配資源。臺灣的 SaaS 多半成長速率落在 30% 到 100% 區間，這完全是線性圖表能很好呈現的範圍；如果你硬把這種速率畫成 log-linear，曲線會幾乎是平的。問題是，當你的競爭對手已經在 AI 原生領域開始跑指數曲線，線性的成長速率實際上等於倒退。

第二件值得借鏡的事是 70/30 反轉。臺灣多數成長團隊的資源配置仍然是「90% 在優化現有 funnel、10% 偶爾做點新嘗試」，比 Amol 描述的傳統 SaaS 還要保守。這個配置在過去十年的 SaaS 黃金期是合理的，因為產品穩態、市場穩態、競爭穩態都成立；但當底層的 AI 能力每六個月就跳一個量級，你今天精雕細琢的轉換率，可能會被一個全新的介面、全新的工作流、甚至全新的客群直接吃掉。把資源從 90/10 改成 70/30、再進一步推到 50/50，可能比再多招兩個工程師更有意義。

最後是 PBC 與「把錢留在桌上」的勇氣。臺灣公司多數還是傳統股份有限公司結構，董事會與股東的最大化義務直接寫在公司治理裡，這讓「為了長期信任少賺一點」變成一種需要不斷對股東辯護的戰術，而不是公司的預設模式。我不是建議大家改公司結構，但 Amol 描述的「爭議測試二分法」與 cringe 清單，是任何公司今天就能用的紀律工具。問問你自己上一個 quarter 推上線的成長實驗，有幾個是你私下也覺得有點 cringe 但還是上了？這個答案會告訴你，未來十年你能不能跟那些刻意把錢留在桌上的對手競爭。