在 Anthropic 内部，一支常驻仅约 20 人、由联合创始人 Ben Mann 牵头的 Labs 团队，近年成了公司产品创新的关键引擎——Claude Code、连接 Agent 与数据源的 MCP 协议，以及今年推出的 Claude Design，都出自这里或在此完成早期孵化。9月8日机器之心等编译的 Business Insider 报道，揭开了这套机制的运作方式。
一、像孵化器一样「下注」，两周定去留
Labs 的玩法简单直接：有想法先做原型（内部称 bets/下注），约每两周对原型做一次坚持还是转向评审。前景不明的创意被直接砍掉，或并入其他项目，人员随即转向新任务；真正跑通的，则从 Labs 毕业转入独立产品团队。Mann 给出的成功率只有 20%–30%，也就是说，约 80% 的探索被预期会失败。项目团队一旦超过 4 人，通常就毕业出去，使 Labs 始终保持小规模、高流动。
二、离模型研究「足够近」，是 Labs 的独门优势
这套机制参照了贝尔实验室、谷歌 Area 120 与 X 登月工厂，但最大特殊处在于它紧贴前沿模型研究。产品团队能极早知道模型能力正在发生什么变化，并提前思考这些新能力能做成什么。Claude Code 就是典型案例：2024 年底前，研究人员已发现新模型在 Agent 编程上展现潜力，Mann 把这个方向交给刚加入的 Boris Cherny；后者最初只想做代码分析工具，被 Mann 要求把目标提到更高，最终原型在公司内部走红，2025 年 2 月以预览版发布，随模型升级成长为增长引擎。研究侧也反向受益——Claude Design 推动了模型视觉输出能力的改进，形成产品与研究的双向反馈。
三、可借鉴，也有张力
报道还点出，国内腾讯 WorkBuddy、DeepSeek、阿里也出现类似小团队快速试错模式，但组织负担与淘汰机制各异。对 Anthropic 自身，张力在于：Labs 孵化出的 Claude Design 已开始与 Adobe、Figma 等生态伙伴的设计软件直接竞争，上市之后如何平衡平台扩张与伙伴生态将是关键命题。Forrester 分析师 Mike Gualtieri 指出，Anthropic 每加一项功能，平台吸引力上升的同时，也可能与现有软件伙伴更正面冲突。
客观来看，Mann 称 Labs 的长期目标是扩大 AI 的行动空间（action space）——让强模型在现实世界完成更多种类的任务，并计划把探索延伸至生物研究、清洁能源存储等基础科学。无论上市后机制能否保持快节奏，这套允许失败、快速重来、贴近模型前沿的方法论，对正押注 Agent 产品化的企业都有借鉴价值；其前提是企业愿意承受高淘汰率，并具备把研究信号快速转成原型的工程能力。