（本文作者为 眸娱，钛媒体经授权发布）

文 | 眸娱

今年七月，体育圈同时发生了两件事。

跳高运动员张国伟在抖音完成了首场直播带货，销售额突破500万元；几乎同一时间，前体操世界冠军吴柳芳在杭州某品牌总部直播间开启个人首场带货，全部佣金捐给了嫣然天使基金。

一个是为了维持团队运作和自身发展，一个是为了用流量做一些力所能及的善事，两条截然不同的路径，指向同一个方向：运动员的职业生涯，正在从领奖台延伸进直播间。

退役运动员批量入淘入抖

7月3日，张国伟发布视频宣布开启直播带货。

评论区炸了，“连张国伟都带货了”“网红的尽头果然是带货”，诸如此类的言论并不少见，因为此前他的社交账号签名里明晃晃写着“不带货”，被网友称为体育网红里的一股清流。

这一守，守了八年。如今破功，500万的销售额超出了他的预期，但离他粉丝破亿的目标还有距离。

而张国伟不是体育圈带货第一人，把时间轴拉长，这条赛道上已经挤满了人。

2025年底，21岁的跳水奥运冠军张家齐宣布退役，8天后她出现在直播间。首秀并不顺利—，对着镜头念脚本，表现还略显青涩。

但七个月后，她和全红婵的哥哥全进华搭档，在广东茂名做户外零佣金助农直播，3小时卖出12万斤荔枝，销售额达189万元，登顶生鲜品类热度榜第一。

比张家齐更早布局的是乒乓球奥运冠军许昕。

2022年，他创立了Xuperman品牌，从两件卫衣起步，到2026年，品牌已覆盖服装、乒乓器材、文创产品，拥有两家线下“乒乓+咖啡”复合体验店，抖音直播间日均开播超15小时。

2024年巴黎奥运会期间，许昕在直播间解说比赛，9场直播累计观看超5000万，一件半袖80块，一件外套300块，价格比想象中亲民，销量比想象中凶猛。

还有更系统化的操作。短道速滑奥运冠军王濛注册了湾道体育公司，这家MCN有一条硬规矩，只招退役运动员，能说会道的推到台前当主播，内向的安排到幕后做中控，她曾带领30多位运动员单场直播销售额达800万元。

据抖音发布的《2024退役运动员数据报告》显示，过去一年，超过2500名退役运动员活跃在抖音平台，入驻人数同比增长15%。其中，973名退役运动员在抖音开播，同比增长12%，累计直播3.59万场，吸引了6.58亿人次观看。

通过抖音电商获得收入的退役运动员同比增长54%，带货订单量同比增长368%，他们一年助力销售超432万单国货、超20万单产业带商品和超8万单农货。

从MCN规模化运营到公益助农直播，从自有品牌闭环到专业知识加垂直带货，运动员直播电商的职业化转型图谱已经成型，这不是几个人的试探，而是一个群体的系统性迁移。

为什么偏偏是直播？

大众的疑问很直接：奥运冠军、世界冠军，为什么不去当教练、进体制，非要跑到直播间里喊上链接？

答案比想象中残酷。

张国伟算过一笔账，为了维持训练、保持竞技状态，他要自费聘请教练、按摩师、康复师，光是场地费用一年开销就不低于20万元。

2020年因伤病宣布退役，2021年复出后没了国家队支撑，成了体育圈的个体户，他坦言实现跳过2米40目标的概率只有10%到15%，但这就是人生，总要勇敢去尝试一次，但短视频流量收入难以覆盖开销，带货是为了延续跳高梦想。

张家齐面临的是另一种困境。和一些退役后很快被安排好去向的运动员不同，她暂时没有明确的工作安排，“我接受大家对于我的一些批判，但是我也需要生活。”

国家体育总局2025年已在江苏、黑龙江等多地举办退役运动员电商培训试点班，围绕流量获取、电商带货核心策略及行业增长机遇开展培训。

培训结束后，有意向的学员可获得市场运营、电商直播等相关岗位的实习实践机会。

政策层面，体育总局明确提出要积极拓宽退役运动员就业安置渠道，鼓励和引导退役运动员面向基层就业和通过多种形式灵活就业。

但现实是，大多数运动员从小在封闭的训练体系中长大，缺乏职场经验和社会实践，像苏炳添那样能被高校聘为院长的属于顶尖中的顶尖，像邓琳琳那样能和品牌达成深度合作的也是少数。

直播电商门槛最低、链路最短，一部手机、一个账号就能开张，而运动员做这件事，确实有天然的优势。

直播电商下半场最稀缺的核心竞争力是信任，而这个特质运动员天然拥有。张国伟全网粉丝超7000万，张家齐的奥运金牌就是最好的信用背书，退役运动员带货订单量同比增长368%，数据本身就在说话。

专业壁垒同样不可替代，许昕卖乒乓器材、张继科卖训练课程、杨丽娜卖泳具，这些品类换了普通主播根本讲不明白。

争议从未停止，但共识正在形成

每一次运动员走进直播间，评论区都会炸锅。

张家齐退役8天就开播，被骂忘本、掉价、急着捞金；张国伟守了八年“不带货”的清流人设，一朝破功，评论区一片“终究活成了自己讨厌的样子”。

有人觉得奥运冠军不去当教练、不留在体育系统，跑去直播是一种浪费，甚至是一种“背叛”。

但另一面的声音同样响亮，奥运冠军退役后无论选择什么职业，只要合规合法，就谈不上该或不该。

张家齐说“每一分收入都是劳动所得，光明正大、无愧于心”，张国伟回应得更干脆，“觉得好就买，觉得不好就看热闹，我不卖惨，大家都不容易。”

争议的本质是固有认知与现实需求的错位。

大众习惯把运动员和纯粹、荣誉绑定，认为他们应该与商业保持距离，但运动员首先是普通人，退役后也要吃饭、要养家，直播带货只是万千职业选择中的一种。

观念的转变正在发生，体操奥运冠军刘璇在接受澎湃新闻采访时，呼吁以包容心态看待退役运动员跨界做自媒体：无论是不是冠军，首先我们都是人，都有权利跟上这个时代。

王濛更早看透了这一点：有人问运动员为什么直播带货，不然呢，他也得生活呀，他只是有一个光环和头衔，他也需要再去产出价值。

从张国伟长期在签名中标注“不带货”被视为清流，到如今坦荡开启带货，这条时间线的变化，折射的正是社会对运动员职业选择包容度的提升，国家体育总局举办退役运动员电商培训试点班就是从政策层面为这条路径提供了支撑。

这场从领奖台到直播间的迁徙还在加速。可以预见，像张家齐、张国伟这样的转型案例会越来越多，金牌不该是沉甸甸的包袱，冠军也不该是永远不变的标签。

当张国伟说我得吃饭、得维持团队的运作，包括我的发展，他不过是在说一个成年人最朴素的道理。

直播带货的下半场，流量和套路正在让位给真诚和信任。而运动员，恰恰最不缺的就是信任。

更多精彩内容，关注钛媒体微信号（ID：taimeiti），或者下载钛媒体App

（本文作者为 数读社，钛媒体经授权发布）

文 | 数读社

大疆与影石的竞争已经到了“热战”阶段。

6月，影石Luna Ultra与大疆Osmo Pocket 4系列相继发布。当月，双方分别被指“骗国补”与“饥饿营销”。

伴随着新品争夺的，还有诉讼之争。从美国到中国，大疆发起对影石的专利侵权诉讼。影石则发起反诉。

两个细分行业的巨头，战况激烈。

越是热闹，就越凸显行业老三、当初的当红炸子鸡——GoPro的尴尬。

7月9日，GoPro宣布创始人兼CEO尼古拉斯·伍德曼向公司提供总额为2000万美元的融资，为即将倒下的公司续了一口气。

可这只是暂时的，目前，GoPro已经连续26个交易日股价低于1美元，距离进入退市流程已经一步之遥。

昙花一现

2002年，创业失败的伍德曼，开着他的老爷车一边冲浪一边旅行。

与很多创业故事一样，这次旅途让他发现了创业机会，他想要记录自己冲浪时的高光时刻，却发现市面上的相机要么太贵、要么太难操作。

一把螺丝刀，一台缝纫机，伍德曼打造出了属于自己的运动相机，这是GoPro的开始。

手搓原型机、车库创业，这些美国科技公司的经典元素，在GoPro身上一样都不少。

伍德曼的故事简单直接，“把相机绑在你身上，然后忘掉它的存在。”

2006年，旗舰系列Hero系列开始发布，GoPro的故事，逐渐在极限运动圈讲通。

在当时那个年代，伍德曼的打法非常互联网，他将相机免费送给冲浪者、滑雪者、跳伞者和摩托车手。这些人展示了极限运动的第一视角镜头，起到KOL的作用，加速Go Pro破圈。

随着Hero 5代配备广角镜头，9代加入高清录制，GoPro开始飞升。公司收入从2010年的6400万美元，快速增长至2014年的13.94亿美元，复合增长率达到惊人的116.03%。

2014年，顶着光环的Go Pro登陆资本市场，股价最高冲到93美元，公司市值130亿美元，伍德曼一夜成为亿万富豪。

这是GoPro的巅峰，几乎以一己之力打开了一片原本空白的市场，将GoPro与极限运动紧密绑定，成为绝对的代名词。GoPro享受了充足的拓荒者福利。

然而，上市是GoPro的巅峰，也是其掉头向下的起点。

登上顶峰的GoPro昏招频出。

在股价飙涨之际，GoPro选择了激进备货，这是对市场盲目乐观的表现。运动相机的市场远没有那般大众和刚需，很多消费者只是为了一两次的场景而使用，用完即闲置。

GoPro的产品复杂而笨拙，很多消费者都是一次性消费，增速很快见顶。

2015年，其营收达到16.2亿美元，但增速已经降到16.19%，增速持续下滑。

此时，伍德曼迫切需要讲新故事，他的策略进一步将其推向万劫不复。

昏招频出

2015年，GoPro重磅打造了拇指相机Hero4 Session，外观是方块，拇指大小，便携度拉满。

可问题便出在价格，399美元的价格，续航时间只有1.5-2小时，不支持4K高清画质，复杂的设置依赖手机，用户普遍认为定价过高。

事实也是如此，当年9月，GoPro对这款产品降价100美元。

降价不仅承认了定价失误，更是暴露了GoPro的库存问题。此前的激进备货，向经销商塞货，已经开始反噬。

2016年10月，GoPro雪上加霜——发布了Karma无人机。这是一次野心勃勃的布局，力图将运动相机从“佩戴式”升级为“飞行式”，抢占空中飞行市场。

彼时，大疆已经凭借技术积累成为无人机领域绝对的霸主，GoPro如同今天的影石，来势汹汹。

可让人大跌眼镜的是，GoPro的技术远未达到要求。

发布仅一个月后，GoPro被迫宣布召回全部已售出的约2500台设备，原因是电池连接存在机械故障，导致无人机在飞行途中突然断电坠毁。

Karma在市场上存活了不到15个月，2018年1月正式停产退市，整个无人机部门被裁撤。GoPro投入的数亿美元直接打了水漂。

场景拓展无效的情况下，GoPro同步进行了软件布局。

2015年，GoPro收购VR软件公司Kolor，这个公司主要运营Autopano拼接软件和Panotour虚拟旅游软件。

2016年，GoPro以总价1.05亿美元的现金和股票收购两家移动视频编辑应用Replay和Splice。这两笔交易占据了GoPro现金储备的大约22%。

这两笔并购的背后，GoPro试图打造出内容生态，进而发展出订阅制，最终获得可持续性收入，但最终的结果是白白消耗宝贵的现金流。Kolor在2018年就宣布关闭。

不死心的GoPro在2020年收购了ReelSteady软件公司，但显然收效甚微。

前后夹击

从无人机开始，GoPro的叙事里出现了中国企业，这也是GoPro梦魇的开始。

大疆是第一个对手。早在2014年前后，大疆就凭借技术，在无人机市场形成了垄断性的地位。当GoPro冒失地进入无人机市场，大疆成为其面前的一堵墙。

事实上，GoPro甚至都还没有逼到大疆动用专利诉讼阶段。在大疆面临禁令、关税压力等问题的背景下，2024年6月，《纽约时报》的数据显示，58%的美国无人机运营商使用大疆设备，远超第二名Skydio的12%。

大疆之后，影石的出现则是直接把GoPro打下深渊。

背靠中国供应链，影石、大疆几乎每年就能推出性能大幅跃升的新品，而GoPro，没有这些优势，很难在产品上形成有效迭代。

2017年，GoPro推出全景相机，遥遥领先于影石。但随后，影石的全景相机迅速迭代，并迅速扩展品类，一步步超越GoPro。

从1到10的阶段，中国厂商显然更有创新精神。影石的“隐形自拍杆”，优化了拍摄效果，AI自动剪辑功能，降低剪辑门槛，成为很多旅游博主、vlog博主和生活展示博主的生产力工具。

GoPro挖掘了市场，又眼睁睁看着中国企业接管市场而无力挽回。

2024年，穷途末路的GoPro，向美国国际贸易委员会（ITC）提起337调查申请，指控影石侵犯其多项防抖及核心技术专利，并激进地要求全面禁止影石产品在美国的进口与销售。

显然，这只是一次绝望的挣扎。今年2月，美国法庭裁定GoPro核心起诉的五项核心发明专利全部不成立。GoPro禁售计划彻底落空。

内存价格的飙升成为压垮骆驼的最后一根稻草。GoPro 的运动摄像头不内置存储空间，用户需自行购买microSD卡，进一步压低了消费者的购买意愿。

今年一季度，IDC报告显示，全球手持智能相机市场，大疆以65%出货量市场份额保持第一，同比增长38%，影石出货量市场份额达到22%，同比增长66%，排名第二，增速第一，GoPro出货量同比缩水了33%，市场份额只有6%。

从2016年开始，GoPro掉头向下，营收一路下滑到6.5亿美元，已经较巅峰缩水6成。其股价也已经较巅峰缩水99%。

今年4月，GoPro宣布全球裁员约145人，裁员比例高达23%，这已经是常规动作。

5月，公司宣布启动“战略评估”，也就是准备卖身，或者寻求合并。

6月，公司提交的监管文件中称，公司面临“持续经营能力的重大疑虑”。

在业绩、股价双杀的情况下，GoPro的结局已经写好。

GoPro如流星划过一般的历程，除了自身战略上的失误，还有难以避免的因素。这也是当前大疆与影石竞争的关键要素。

供应链的较量

过去长达一年时间里，从产品、价格到供应链、销售渠道，发展到当前的诉讼战、公关战，大疆与影石互不相让。

产品方面，大疆发布Osmo 360，与影石直接对标，杀入影石腹地。随后影石发布全景无人机“影翎 Antigravity”正面硬刚大疆。到今年，影石在美国发布的Luna Ultra云台相机，直接对标大疆明星产品Osmo Pocket系列。

价格战方面，今年618期间，大疆十余款产品降价；影石紧跟着官宣代言人并跟随降价。

诉讼战目前已经在中美两个主要市场打响。

公关战则是在隐秘的角落悄然进行。

大疆发布Osmo Pocket 4系列后，很快出现了开售秒没等情况，多个渠道纷纷“秒空”，外界质疑其“饥饿营销”。无独有偶，影石卷入了Luna Ultra卷入“骗国补”争议。

但实际上，这一系列的竞争都无法将对手真正打倒，供应链反而是关键胜负手之一。

回顾GoPro的覆灭之路，产品迭代慢是关键原因。

但这其中的迭代慢，并不只是因为研发慢，还有供应链的问题，当研发能力找不到足以落地的供应链体系，GoPro处处被掣肘。

这样的情况在影石身上也曾发生过。刘靖康最初把办公地点定在南京，这是他大学的所在地，但是创业前期发展并不顺利。直到2015年，刘靖康和团队把公司搬到深圳，影石迎来了转折点。

深圳得天独厚的供应链优势让影石深深受益，“在深圳，连电路板打样都能上午下单下午取货”“原本需要全国调货的上千种原材料，在深圳车程2个小时范围内基本都可以满足。”

哪怕在两个城市都会这么大的区别，更不必说两个国家天差地别的供应链基础。

供应链的支持能够帮助大疆和影石提升产品力， 是大疆、影石打败GoPro的关键。

这也会是双方接下来竞争的潜在胜负手之一。

双方的竞争中，面对降价时，刘靖康表示，单靠价格战并不能实现长期垄断或盈利。

面对诉讼时的态度是，“完全能理解巨头被抢市场的心态，不畏惧任何专利诉讼。”

但面对供应链的排挤，去年年底，刘靖康发布内部信称，影翎A1无人机中，33家核心供应商遭遇排他压力。他直言，这种核心部件的技术溢价，使得影石短期内难以通过降价参与市场竞争，陷入“降本难、定价高、销量承压”的恶性循环。

他也承认了“大疆要比外显的强大得多得多”。

根据披露的内容，供应商供给大疆的器件，在项目合作周期内不允许供给竞争对手，不得应用于竞争对手的运动相机、全景相机、无人机、手持云台等所有产品线。也就是说，大疆对于供应链施加的影响，很大程度上会破坏影石整个产品线的节奏。

从结果看，供应链策略的确对影翎A1起到了延误作用。全球无人机市场，大疆在消费级无人机占比超7成，影石却尚未跻身榜单。

在全景相机领域，目前的报告具体数据差距较大，但基本都证明，大疆已经站上牌桌。

久谦咨询此前的报告是，2025年Q3大疆在全景相机市场份额达43%。沙利文则提到，该季度大疆在国内拿下约37.1%的份额。

双方的竞争还在继续，但从目前展现的效果看，诉讼漫长且未知，产品与价格战无法打垮对手，供应链的把控与版图划分，可能是影石与大疆热战背后真正的胜负手。

更多精彩内容，关注钛媒体微信号（ID：taimeiti），或者下载钛媒体App

（本文作者为 李智勇，钛媒体经授权发布）

文 | 李智勇

Anthropic可能是世界上最懂人工智能的公司之一。

但这并不意味着，Anthropic先天就是一家彻底的《AI原生组织》。

这是个刺激话题，因为这相当于在说最头部的AI公司不AI原生。但实在涉及AI原生组织到底是什么，所以还真得认真写下。

最近，Anthropic发布了一篇文章，介绍公司如何使用Claude实现自助式数据分析。文章披露，目前Anthropic内部95%的商业数据分析请求已经由Claude自动完成，整体准确率约为95%。这无疑是一个令人印象深刻的成绩。[1]

但文章中真正值得关注的，可能不是这个95%，而是另外一个数字：

他们的数据分析系统上线时，离线准确率约为95%；仅仅一个月之后，准确率就下降到了约65%。

造成下降的主要原因并不是Claude的模型能力发生了退化，而是业务数据模型持续变化，供Claude使用的Skill文档没有同步更新。

直到Anthropic把Skill文件和数据模型放进同一个代码仓库，并要求数据模型变更时同步修改相关文档，准确率才重新得到控制。

这个细节暴露了一个比模型能力更深层的问题：

Anthropic或许已经在大规模研发并使用AI，但它的组织底座仍然不完全是为AI设计的。

而它所面临的组织问题其实也不高级，和很多创业公司人员膨胀到100人以上的时候面对的问题几乎一模一样。

一、分析准确率波动，表面是数据问题，实质是组织状态问题

Anthropic把数据分析错误归纳为三个主要原因。

第一，概念和数据实体之间存在歧义。同样是“活跃用户”，不同团队可能采用不同的行为定义、时间窗口和过滤规则。

第二，数据源、业务定义和数据库结构会不断变化，使已有知识逐渐失效。

第三，正确的信息虽然存在，但Claude没有从庞大的数据空间中检索到它。[1]

这些当然是数据分析领域的经典问题。

但从AI原生组织的视角看，它们不应当只是交给分析系统事后解决的问题。（这之后会产生一大堆打补丁的人，各种title，一定程度上FDE也可以看成是它的后果。）

因为所谓数据，本质上不是一堆等待分析的表格，而是企业经营状态的数字化表达，是生产关系的综合。

当产品定义发生变化、销售组织完成调整、客户分类标准被修改时，变化的不只是某张表，而是组织对现实世界的解释方式。

如果这些变化不能同步反映到数据模型、指标定义、权限体系、智能体上下文和评估体系中，说明组织仍然存在两套彼此分离的系统：

一套系统负责真实地经营业务；（大致等于OLTP）

另一套系统事后记录、解释和分析业务。（大致等于OLAP）

AI只是被放到了第二套系统之上。

这仍然是典型的人类组织结构：人和业务系统创造现实，数据团队整理现实，AI最后读取这些整理结果。

从AI First的角度，这种分离和伺候分离的体系显然很“土鳖”，并且是祸乱之源。分离之后的统一几乎难倒了所有公司。

真正的AI原生组织则应当有所不同：

业务运行本身就在持续生成结构化、可验证、可计算的组织状态。

这种状态的终极值就是《无人公司》，这就是为什么我总强调三部曲的顺序是：《AI原生组织》《无人公司》。

二、Anthropic拥有“数据文档”，但还没有完全形成“统一状态”

Anthropic在文章中承认，一个业务概念可能对应大量貌似合理的数据来源。

以收入为例，Claude面对的可能不是一个明确的数据实体，而是数十个看起来都能够代表收入的表、字段和计算方式。

Anthropic因此提出，需要建立更少、更严格治理的标准数据集，并主动淘汰那些近似重复的数据模型。[1]

这项改造非常正确。

但它同时说明，在改造之前，Anthropic内部的数据现实仍然是碎片化的。可以负责任的说，这是通常的情况，我个人见过的每个公司的数据现实都是这么个碎片化的。

一个真正AI原生的组织，不应该在AI提出问题时，才让AI从几十个候选数据源中猜测哪个最接近事实。

组织应当在业务规则产生时，就确定：

换句话说，AI原生组织需要的不是更多数据，而是一个可以被持续执行的组织本体。这个本体的完整性，实时性是生命线。

它不只是数据仓库里的语义层，也不是一份写给Claude阅读的说明文档，而是业务对象、状态、规则、责任和行动之间的统一映射。

数据不是关于组织的资料，数据就是组织本身的可计算状态。而在这里组织既是对象，也是关系，甚至还是过程。

三、Skill文件更像AI时代的“操作手册”

Anthropic目前的解决办法，是把数据模型、语义层、参考文档、标准仪表盘以及供Claude使用的Skill文件尽可能放在同一个代码仓库中。

当数据模型发生变化，却没有同时修改对应的Skill文件时，代码审查机制会发出警告。

目前，Anthropic大约90%的数据模型变更已经会在同一次修改中包含Skill更新。[1]

这已经是相当先进的工程实践，但其实不靠谱。因为“放在同一个代码仓库”中其实就导入了一个依赖。不放怎么办呢？人能都按规则放么？这种小细节反倒是彰显AI原生组织的背后其实是：公司运营、数据、架构、模型的混合体！

从更严格的AI原生标准来看，Skill文件依然是一种“外挂式知识”。

业务系统发生变化之后，人或者AI需要重新修改一份说明，告诉Claude新的数据模型应该如何理解。这个修改应该是内置于AI原生组织的，它自己对此是要有感知的。

它类似过去的软件操作手册，只不过现在操作手册的读者从人变成了智能体。

这里的关键在于，只要组织真相与智能体认知之间还需要通过静态文档进行转译，两者就可能再次发生偏离。

Anthropic所观察到的准确率从95%下降到65%，本质上就是这种偏离的结果。

更彻底的AI原生架构不应依赖智能体“阅读最新说明”来理解组织，而应当让智能体直接运行在版本化、可查询、可验证的实时状态之上。

当一个指标的定义发生变化时，改变的应当不是一份孤立的说明文件，而是一个原子化的系统版本：

数据模型随之改变，语义定义随之改变，权限随之改变，相关智能体的上下文随之改变，评估用例也随之改变。

这时，AI所理解的组织与真实运行的组织才可能始终保持一致。

而达成这一状态的前提是什么？就是我反复提及的：智能优先！AI First！

四、Anthropic的营销系统提供了另一个证据

Anthropic还介绍过其营销运营团队如何使用Claude Cowork生成每周经营报告。

其中提到，有些指标已经进入仪表盘，有些还停留在数据仓库中，还有一些甚至尚未进入数据仓库，只存在于Slack消息或者会议记录里。

过去，营销运营人员每周需要花一到两天寻找和验证这些数据；现在，这项工作主要由Claude完成。[2]

这确实显著提高了效率。

但它更像是让一个非常聪明的数字员工，在多个相互割裂的系统之间寻找、拼接和验证信息：

Claude读取上周报告，查看最新会议记录，搜索Slack，查询数据仓库，然后生成新的经营报告。

这是一种很强的智能体能力，却未必是一种真正AI原生的组织结构。

因为AI承担的仍然是过去由人承担的“信息搬运与对账”工作。

底层的Salesforce、HubSpot、活动管理工具、邮件系统、数据仓库和Slack依然彼此分离，只不过Claude成为了连接这些系统的新胶水。

Anthropic自己也坦率地表示，营销技术工具之间并不能良好集成，报告曾经需要人工汇总，活动需要分别在多个平台中逐项建立。[2]

因此，这套体系更准确的描述或许是：

AI正在帮助Anthropic驾驭一个非AI原生的组织基础设施。

五、95%的自动化，不等于95%的AI原生

这里需要区分两个容易混淆的概念。

一个概念是AI使用率。

另一个概念是AI原生程度。

当95%的分析请求由Claude完成时，说明Anthropic拥有非常高的AI使用率。

但使用AI完成原有工作，并不意味着组织已经围绕AI的运行方式完成重构。

AI使用率衡量的是：

AI原生程度衡量的则是：

如果AI仍然需要阅读分散的文档、猜测指标含义、搜索多个系统、检查数据是否冲突，再由人不断维护Skill来修正理解，那么AI主要还是一个能力极强的使用者。

它还不是组织系统的原生组成部分。

Anthropic公开介绍的许多内部案例，也更多表现为员工使用Claude Code完成调试、生成测试、制作可视化、建立自动化工具以及整理分散的知识。

这些实践显著提升了个人和团队能力，但Anthropic对这些案例的总结，仍然更多强调Claude Code如何增强既有的人类工作流程。[3]

这距离“由AI调度和运行组织”仍然存在明显差异。

这就有个滑稽的结果：因为很多人在向Anthropic这样的公司学习AI原生组织！这和向盲人学走路是类似的。

这个经实在是念的不能再歪了！

必须强调的是：不是说Anthropic它们的实践中没有AI原生的成分，而是说不能把它完全的看成AI原生组织。反倒是它模型对外提供服务和用户之间的结构更像AI原生组织！

六、真正的AI原生组织应该是什么样？

真正的AI原生组织，至少需要四个特征：

每一次交易、决策、组织调整和客户交互，都应当直接形成具有明确语义的组织状态，而不是事后再由分析人员整理。

指标定义、业务规则、权限和责任不能只存在于文档中，而要成为系统可以直接执行和验证的对象。

AI不只是查询数据、生成报告，而要参与任务分派、状态维护、异常发现、资源调度和结果反馈。

当业务模型变化时，数据、语义、流程、智能体上下文和评估体系应当自动形成闭环，而不是等待某个人想起修改Skill文件。

只有完成这些转变，企业才不是把AI放在原有组织之上，而是让组织本身按照智能系统的方式运行。

这些事对于模型公司反倒是可能更难，因为它们探索性过强，如果模型公司是彻底的AI原生，那意味着模型能够训练并且改善自己。

七、Anthropic正在通往AI原生，而不是已经到达

因此，说“Anthropic并不AI原生”，并不是说Anthropic使用AI的水平不高。

恰恰相反，正因为Anthropic已经把Claude深入应用到数据分析、软件开发、营销运营和知识管理中，它才更早暴露出下一阶段的问题：

模型越来越强之后，限制AI效果的已经不再只是模型，而是组织能否提供稳定、一致、实时和可执行的状态。

Anthropic的数据分析系统从95%准确率下降到65%，并不是一次简单的工程事故。

它揭示了AI时代一个更普遍的规律：

Claude可以帮助人类不断修补这些裂缝。

但真正的AI原生组织，不应当依赖一个更聪明的AI不停寻找和修补裂缝，而应当从根本上不让这些裂缝产生。

从这个角度看，Anthropic可能是世界上AI使用程度最高的公司之一，但它仍然是一家正在从“AI增强组织”走向“AI原生组织”的公司。

而这或许也是这篇文章最有价值的地方：

它证明了即使拥有世界上最先进的模型，也不能自动获得一家《AI原生组织》。

参考资料：

[1] Anthropic，《How Anthropic enables self-service data analytics with Claude》
https://claude.com/blog/how-anthropic-enables-self-service-data-analytics-with-claude

[2] Anthropic，《How Anthropic’s marketing operations team uses Claude Cowork to automate reporting and campaign builds》
https://claude.com/blog/how-anthropics-marketing-operations-team-uses-claude-cowork-to-automate-reporting-and-campaign-builds

[3] Anthropic，《How Anthropic teams use Claude Code》
https://claude.com/blog/how-anthropic-teams-use-claude-code

更多精彩内容，关注钛媒体微信号（ID：taimeiti），或者下载钛媒体App