編輯 | 云昭
出品 | 51CTO技術棧（微信號：blog51cto）
好家伙，一覺醒來，Claude 要從Coding的程序員轉向辦公白領了！
就在幾個小時前，Anthropic 的一則新發布“Claude for Excel”直接引爆了Hackernews上的用戶，目前評論已經高達348條。
圖片
從coding賽道拓展到office，雖然說已經是業界共識，但Anthropic這一突然的行動，還是讓業界為之一震。
從官方放出的界面和資料來看，看來又是一項堪比ClaudeCode的實用神器。
整體感覺，跟兩年前的 Excel Copilot 產品還是有很多不同之處的。
圖片
有了它，現在可以直接在 Microsoft Excel 中使用 Claude。它可以讀取和修改電子表格，解釋每一個變化；從頭開始構建模型；修復損壞的公式。
具體來看看，它的幾項高亮的技能：
一、幾秒內獲得任意單元格的答案即時瀏覽復雜模型。你可以向 Claude 詢問特定公式、整張工作表，或跨多個標簽頁的計算流程。每個解釋都附帶單元格級引用，便于驗證邏輯。
二、測試不同情景，不破壞原公式在不破壞依賴關系的前提下，更新整個模型中的假設條件?？焖贉y試不同情景——Claude 會高亮所有變更，并附上解釋，確保透明可追溯。
三、調試并修復錯誤幾秒內追蹤 #REF!、#VALUE! 或循環引用錯誤的根源。Claude 會解釋問題原因及修復方式，不影響模型的其他部分。
四、構建模型或填充現有模板可根據你的需求從零創建財務模型，或在保留公式與結構的前提下，用最新數據填充現有模板。
但現在還處于邀測階段，Max、Teams 和 Enterprise 用戶現在即可享受 Beta 版訪問權限。有網友爆料道，waitlist 僅1000個體驗名額。
圖片
可以讓子彈飛一會，到時候小編再為大家呈上一手測評。
Cladue下一個野望：金融
你以為只有excel方面的動作？不，這還沒完。
Anthropic索性把他的下一個商業版圖直接抖出來了：Finance。
我們正在擴展Claude金融服務功能，包括Excel 插件、實時數據和市場分析的新連接器以及預建的Agent功能，包括現金流模型和啟動覆蓋報告。
圖片
為什么從Coding轉向金融？
眾所周知，Claude是模型廠商，從OpenAI離開后，一直以構建“安全、可信任”的模型為己任，但后來慢慢走向了編程領域的商業化道路。
那這次突然的賽道轉向，又是為何呢？
在今天同步放出的官方錄制的視頻中，對外解釋了這一問題。
Anthropic 金融服務部門應用 AI 工程團隊負責人 Alexander Brick表示，此舉是為了把研究成果轉化為復雜行業中安全落地的產品。
Anthropic 最初是一家專注 AI 安全研究的機構。如今，我們正把研究成果轉化為可在復雜行業中安全落地的產品。我們的目標，是構建能夠安全解決世界最復雜問題的模型。
以編程為例，全球只有約 0.5% 的人口是軟件工程師，而企業運行的邏輯幾乎都建立在代碼之上。這意味著 Claude 不僅能理解復雜系統的運作，還能清晰地展示它的思考與推理過程。
而編程還只是復雜問題中的一個小切片，世界上還有大量的難題分布在各個領域，我們的目標是讓模型能逐步進入并解決這些問題。
金融領域同樣如此——這里的問題復雜、監管嚴格、必須具備可驗證性與精確性。而這正是 Claude 在金融行業中展現優勢的原因。
Claude for Financial Services 產品負責人 Nick Lynn 還進一步分享了為什么金融領域特別適合大模型去賦能。
如今的金融分析師常常花大量時間去打磨細節，比如在 PowerPoint 或 Excel 模型中精確到像素的層級，不能出現任何錯誤。有趣的是，我們現在進入了一個新階段——模型也能做到類似的事情，只不過它是通過結構化邏輯的能力來實現的。
這正是我們發現語言模型特別擅長的領域，也是我們重點訓練它們的方向。而這種邏輯推理與結構化能力，正在被抽象并遷移到越來越多的領域——比如創建結構精密的電子表格、制作 PowerPoint 等。這種擴散的速度和范圍，對我來說相當令人震撼。
設計思路公開Claude for 金融，跟其他產品有何不同？
Alexander 常用三個動詞來概括 Claude for Finance 的設計思路：檢索（Retrieve）、分析（Analyze）、創造（Create）。
先說“檢索”。市場上許多研究型智能體已經相當成熟，大語言模型在處理大規模數據、提取洞察方面非常出色，閱讀速度是人類的幾千倍。但Anthropic在金融領域更關注的是，如何讓 Claude 能直接連接分析師的核心數據源。因為在金融業，能否比競爭對手更快地挖掘洞察，就是核心競爭力。
其次是“分析”。信息檢索之后，更關鍵的是能否在規?；h境下進行分析——無論是通過代碼還是電子表格。金融模型并不只是“漂亮的 Excel 表”，它代表的是分析師對未來走勢與企業估值的判斷。所以我們希望 Claude 能真正理解核心金融概念，并能像專業分析師一樣操作 Excel、運行財務模型。
第三是“創造”。金融從業者的工作，最終都是為了與他人共享成果。無論是 Excel、PPT 還是 Word 文檔，輸出必須是“客戶可用、會議可呈現”的。我們希望 Claude 能一體化完成這一過程，讓整個工作流從檢索、分析到生成都能自動銜接，形成真正的智能系統。
提到創造，小編多說一嘴，Claude這次轉向早有端倪。一個月前，Anthropic 就推出了文件創建的功能?？梢哉f，這次是真的在金融產品閉環了。
圖片
Claude產品內部，究竟是怎么工作的？
很明顯，與Coding不同，金融場景對于專業背景要求極高，而且數據相對不容易獲取。Claude內部如何開發出來這樣一款產品的呢？
Alexander也分享了內部的做法。
首先是模型層?！癆nthropic 本質上是一家研究機構，我們的目標是讓 Claude 成為最適合金融行業的 AI 模型。”
金融領域有獨特的挑戰——代碼可以每天被測試，但在我們團隊內部，真正有投行經驗的人并不多。因此我們非常重視與早期客戶的共創，比如 BCI、Perella Weinberg、NBIM 等，讓他們告訴我們最關鍵的應用場景、他們眼中“好的效果”是什么，同時幫助我們識別差距，反饋回研究過程。
其次是產品層。Agent 能力就是內部團隊編寫的代碼，用來幫助用戶與模型交互。
“我們推出了 Deep Research 等功能，現在正重點投入，讓 Claude 能嵌入所有核心工作界面——不僅是 Claude Enterprise Cloud AI，還包括瀏覽器插件、Excel、Chrome 等，讓分析師能在日常工具中直接使用 Claude?！?/p>
最后，平臺層。Claude產品團隊希望構建一個高度靈活、易于定制和部署的平臺。
我們正與 S&P、FactSet、PitchBook 等行業伙伴合作，開發深度集成，讓 Claude 的金融 Agent 能更強大。
網友：Claude現在還沒到那個水平
從 Hacker News 的幾條高贊評論中，可以看出專業用戶對 Claude Code 的態度——既謹慎，又懷抱期待。
“我覺得像 Claude 這樣的工具現在還沒到那個水平。”
一位從業者 jbs789 認為，把 Claude Code 交到未經訓練的用戶手里“會是災難性的”。這類模型要真正發揮作用，前提是使用者必須理解背后的邏輯與數據細節。
他提到，目前 Claude Code 的合理用途更多是作為“檢查器”或“驗證器”，幫助發現潛在錯誤或輔助建模。但若不經過人工復核，他不會信任任何模型生成的財務結果。
圖片
這其實點出了一個關鍵現實：AI 可以生成，但人必須校對。
另一位評論者 sally_glance 則表示，AI 生成 Excel 表格或腳本完全可行，但前提是——必須有完整的文檔，明確每個隱含邏輯和業務關系。否則，大模型只會在“黑箱”中生成錯誤的數字。這類模型更適合做自動化的“起點”，比如創建帶公式和宏的模板，而非直接出具計算結果。
更值得注意的是，網友“sothatsit” 則把 Claude 與 GPT-5 作了直接比較。他認為 GPT-5 Pro 在代碼審查上的嚴謹度已經超越人類，即便是非常仔細的程序員。
他推測，這種能力遷移到 Excel 等領域后，可能帶來顯著質量提升——因為 Excel 表格的錯誤率往往比代碼更高。
但目前，Claude 在代碼審查方面仍落后于 GPT-5，因此他對 Claude Sonnet 4.5 在金融領域的表現持保留態度。
不過我已經開始信任 GPT-5 Pro —— 它在發現軟件 bug 這件事上，往往比我還細致，即使我已經非常小心。
如果照這個趨勢來看，用這些工具來幫忙審查 Excel 表格，也可能顯著提升質量。畢竟，Excel 表格的錯誤率往往比軟件還高。
話雖如此，Claude 在代碼審查能力上仍明顯落后于 GPT-5，所以我對 Sonnet 4.5 在這個新領域的表現也不太確定。
我覺得 OpenAI 可能會做得更好。
寫在最后：Anthropic 求深，OpenAI求廣
一個有意思的現象是，全球Top2的AI獨角獸，OpenAI 與 Anthropic ，時至今日，正好走在兩條相反的道路上：一個toC不斷燒錢要規模，一個toB，從開發場景擴展到其他垂直領域。
OpenAI 依靠規模取勝，鎖定大眾市場，通過訂閱（未來或廣告）實現變現。這一策略帶來極高的曝光度，但盈利路徑仍不明朗——畢竟，大多數用戶仍使用免費版本，而廣告模式能否在不損害用戶信任的前提下融入對話體驗，仍是未知數。
Anthropic 則追求“深度”而非“廣度”。公司面向企業構建專業化工具，而非服務個體消費者。其主要收入來自為企業提供可靠、高質量的工作型 AI 系統。這樣的定位讓 Anthropic 能在相對較少的用戶基礎上獲得更高的單客收益，同時也更容易實現穩定現金流——因為企業能直接量化 AI 自動化帶來的成本節約與效率提升。
這兩種模式可以說概括了現在市面上的AI公司的眾生相。泡沫、非泡沫在這兩家公司上折射得淋漓極致。
且讓子彈，快樂地飛吧！
