Anthropic 的工程师，为什么会是论文的第一作者？

AI Native Company #01

在传统科技公司里，Researcher 和 Engineer 通常是两种不同的人。

研究员探索新方法、发表论文；工程师把研究成果变成可以运行的系统。

但 Anthropic 的 Careers 页面上有一句很特别的话：

“Engineers here do lots of research, and researchers do lots of engineering.”

工程师做大量研究，研究员也做大量工程。Anthropic 还特别提到：公司的论文都有工程师参与，而且工程师经常成为第一作者。

职位还在，但工作的边界正在改变。

为什么 Research 和 Engineering 开始混在一起？

传统软件时代，一项研究成果可以先形成论文，再经过工程化、产品化，最后交给用户。但大模型越来越不像这样。

新的训练方法有没有价值，可能必须跑进真实系统才能知道；一次工程优化可能改变模型行为；用户如何使用 Claude，又会反过来暴露新的研究问题。

Research、Engineering 与 Product 的反馈循环

于是原本相对线性的 Research → Engineering → Product，越来越像 Research ↔ Engineering ↔ Product 的循环。

研究不再只发生在论文之前，工程也不只是研究完成后的“实现工作”。

Anthropic 过往的 Careers 页面曾写过，研究与工程岗位共用同一个职称：Member of Technical Staff，简称 MTS。

今天 Anthropic 的公开招聘仍能看到 Research Scientist、Research Engineer、Software Engineer 等具体岗位；与此同时，Anthropic 当前官方活动页面仍有技术人员以 MTS 作为职称出现。

更值得注意的是：

专业分工仍然存在，但专业分工不再等于工作边界。

大模型的研究、工程和产品高度耦合。减少职能边界和 handoff，可以让反馈更快流动：研究更快进入系统，工程问题更快回到研究，产品使用也更快影响下一轮迭代。

AI Native 因此可能不是 原来的组织 + AI，而是：

AI 改变工作以后，重新设计工作的流动方式。

这种组织方式并不是免费的。

Anthropic 强调 high-trust、low-ego。它把一部分传统组织通过职位边界、流程和审批解决的问题，转移到了人才密度、共同目标和信任文化上。

高信任不是少管理，而是把一部分管理成本从流程转移到了人才与文化。

对 Anthropic，这可能换来速度和创新；对缺少这些条件的组织，同样的设计却可能变成职责模糊和决策混乱。尤其银行、制造、零售等行业，还要面对合规、审计、职责分离和稳定运营。

多数公司不需要一开始就重组整个组织。

更现实的做法，是选择一个具体 AI 项目，建立小型跨职能团队，让业务专家、工程师、数据人员和 AI 人才从问题定义到上线共同负责；减少不必要的 handoff，给予有限但真实的自主权，再用实际结果决定哪些边界值得继续拆掉。

AI Native Zone

不是 Copy AI Company，而是在企业内部先建立自己的 AI Native Zone。

先创造一小块新的工作环境，让新的协作方式跑起来，再逐步扩大。

这个系列接下来会继续看 OpenAI、DeepSeek、Qwen、Kimi。我们不只想知道它们做了什么，更想知道：

为什么这种方式在那里能够成立？

以及：

如果我们没有 Anthropic 的人才、文化和条件，又能从哪里开始？