1
0Anthropic联合创始人Tom Brown分享了他从早期创业到共同创立顶级AI实验室的职业历程。他深入探讨了AI扩展定律在模型发展中的关键作用，Anthropic如何通过以开发者为中心和注重安全性的策略来构建Claude，并强调了为满足AI持续发展需求而进行的空前规模的计算基础设施建设。
个人AI之路与创业经验
早期创业经历: Tom Brown在Linked Language和Grouper等早期创业公司积累经验，培养了自力更生和从失败中学习的“狼性”思维。
转型AI研究: 尽管大学线性代数成绩不佳，他通过自学（如Coursera课程和Kaggle项目）努力转型AI研究领域。
加入OpenAI: 通过Greg Brockman的引荐，他作为早期工程师加入OpenAI，主要负责分布式系统工作，并参与了GPT-3的工程建设。
AI扩展定律与Anthropic的诞生
发现扩展定律: 在OpenAI工作期间，他见证了“扩展定律”的重要性，即通过增加计算量可以可靠地提升AI模型智能，尽管初期这一方法被一些人视为“浪费”或“不优雅”。
Anthropic的创立动因: 出于对AI安全和潜在变革性影响的共同关注，他与OpenAI的同事们（包括Dario和Daniela Amodei）共同创立了Anthropic，该团队以使命为驱动。
早期挑战与文化: Anthropic创立初期面临资源不如OpenAI的挑战，但其以使命为核心的文化吸引了早期团队成员，确保了组织凝聚力。
Anthropic的产品开发与策略
Claude的演进与成功: Anthropic在ChatGPT发布后重新推出API，其模型Claude，特别是Claude 3.5 Sonnet，在编码能力上取得了显著突破，成为开发者首选。
开发者优先与API策略: Anthropic致力于成为一个开发者优先、API驱动的AI实验室，旨在提供最佳平台供其他创新者在其基础上构建应用。
“将模型视为用户”: 团队在开发中将Claude模型本身视为用户，为其设计工具和优化上下文，这一理念被认为是Claude Code成功的关键。
AI计算基础设施的挑战与未来
史上最大规模基础设施建设: AI计算基础设施的建设被描述为人类历史上最大规模的基础设施建设，其扩张速度（每年约3倍）令人震惊。
主要瓶颈: 电力供应是当前AI计算基础设施建设的最大瓶颈，尤其是在美国，呼吁简化数据中心建设许可。
多芯片策略: Anthropic是少数采用多种芯片（包括GPU、TPU和Tranium）的AI实验室，这使其能够更灵活地获取计算资源，并根据任务需求匹配最合适的硬件。
