Anthropic公司内部文件泄露：AI安全承诺为何面临重构危机？

文 | 舒书

过去三天，Anthropic新模型泄露的消息在科技圈持续发酵。

3000份内部文件，因为一个CMS配置失误，暴露在互联网上。网络安全股集体暴跌，安全研究圈高度关注。

但比泄露本身更值得追问的，是另一件事：就在事发前一个月，Anthropic刚刚修改了自己的《负责任扩展政策》（RSP 3.0）。那个曾让行业瞩目的“若风险不可控，就暂停训练”的硬条款，被删除了。

这不是一次简单的技术调整，它折射出AI行业正在经历的深层困境。

一、从硬刹车到软着陆：RSP 3.0的变化

2024年，当Anthropic推出RSP时，整个行业为之侧目。这是第一次，有AI公司公开承诺：如果模型太危险，我们就不做了。

当时的逻辑很清晰：设定危险阈值（比如可能助长生物武器研发），一旦触及，立刻暂停训练，直到安全措施到位。这是一条硬性约束，意味着安全优先级高于商业进度、融资节奏，甚至IPO窗口。

2026年2月，RSP 3.0发布。那条硬性约束消失了。

取而代之的是“前沿安全路线图、风险报告、外部审查”——每3到6个月发布一次报告，由内部专家起草，独立评审，提交董事会。最新解释是：“技术边界模糊，无法预设红线，所以转向透明披露。”

翻译过来就是：从做不到就不许动变成了边做边说。从硬刹车变成了软着陆。

首席科学家Jared Kaplan在接受采访时，直接道出了背后的逻辑：

“如果竞争对手飞速前进，我们单方面承诺暂停训练没有意义。”

这不是技术判断，是生存判断。对于一家估值3800亿美元、正被OpenAI、Google、xAI围剿的公司，继续自我设限在商业上意味着掉队。从硬刹车到透明监控，中间差的不是技术认知，是囚徒困境下的生存本能。

生存本能

二、军事博弈：当安全红线遭遇国家意志

如果说RSP 3.0的调整是主动妥协，那么军事领域的博弈，则是一场真正的底线考验。

Anthropic曾公开承诺：“拒绝参与全自主武器和国内大规模监控。”

2026年2月24日，美国国防部长皮特·赫格塞斯当面向Anthropic CEO达里奥·阿莫迪下达了最后通牒：解除Claude模型的所有军事用途限制（包括进攻性网络行动），否则将面临惩罚。截止时间是2月27日。

后果是什么？要么五角大楼动用《国防生产法》强制接管模型，要么将Anthropic列为供应链风险企业——这个标签通常用于敌对国家的公司，一旦贴上，Anthropic将失去所有国防承包商的商业联系。

2月27日，最后期限到来。阿莫迪未能及时与五角大楼敲定最终条款。截止时间刚过14分钟，赫格塞斯宣布谈判破裂，将Anthropic正式列为供应链风险。特朗普随后下令联邦机构停止使用Anthropic技术。

但故事没有在这里结束。

3月9日，Anthropic正式向加州联邦法院提起诉讼，指控美国政府的系列行动前所未有且不合法。3月26日，加州北区联邦地区法院法官Rita Lin批准了Anthropic的初步禁制令申请，叫停了国防部的封杀令。法庭文件显示，Anthropic提供了关键技术证据：其模型在部署于军方封闭环境后，公司本身无法远程控制——这一证据戳穿了五角大楼的安全风险指控。

Anthropic守住了这条底线，至少在这一回合。

但问题依然存在：底线能守多久？法院的裁定只是初步禁制令，不是终局。五角大楼可以换一种方式再来。而Anthropic的客户名单里，依然有国防部的名字——那些作战规划和情报分析的合作，依然在继续。

三、内部管理的灯下黑

一个CMS配置失误，3000份文件裸奔。

这不是黑客攻击，不是系统漏洞，是最基础的权限设置问题——和AWS S3存储桶忘记关权限一样低级。

剑桥大学研究员验证了泄露材料的真实性：员工育儿假记录、CEO闭门峰会细节、甚至内部安全评估报告，全部暴露在互联网上。

泄露文件中有一句值得注意的话：“Mythos预示着即将到来的一波模型浪潮，届时模型将以远超防御者努力的速度来利用漏洞。”措辞之重，不像市场部写的，更像一份内部预警。

一家正在打造史上最强网络安全AI的公司，被最基础的权限配置失误暴露了内部文件。这种灯下黑的现象在科技史上并不罕见：苹果与FBI之争、微软补丁漏洞、Google内部数据泄露——每一家科技巨头都犯过类似的错误。

但Anthropic的不同在于：它的核心价值就是安全。当一家以安全第一立身的公司，连自己的内部文件都保护不好，这本身就是一个值得追问的问题。

四、AI安全的囚徒困境

RSP 3.0的变化、国防部的最后通牒、CMS的低级失误——这三件事拼在一起，勾勒出一个更深的困境：

AI行业正在经历一场安全叙事的重构。

监管真空：政府没有建立统一的红线，导致企业不敢单方面踩刹车。

竞争压力：如果OpenAI和Google都在加速，任何一家公司的道德洁癖都可能变成竞争劣势。

叙事演化：安全正在从一种工程约束，变成一种公关语言。RSP 3.0的透明披露，本质上是在告诉资本市场：我们还在意安全，但请不要让我们真的停下。

首席科学家Jared Kaplan的那句话，值得被反复讨论：

“如果竞争对手飞速前进，我们单方面承诺暂停训练没有意义。”

翻译过来就是：除非所有人一起踩刹车，否则谁先停，谁先死。这就是AI安全的最大悖论。在监管真空、竞争白热化的今天，没有一家公司敢做唯一的好人。

每个修改都有合理的解释。技术边界确实在模糊，监管环境确实在变化，商业竞争确实在加速。但问题是：当安全承诺可以被修改，它还是承诺吗？当人类在回路中成为免责声明，安全还有意义吗？

囚徒困境

五、对中国AI公司的启示

Anthropic的困境，不是硅谷的孤例。中国AI公司同样面临“安全vs商业”的悖论。

不同的是，中国的监管环境更明确。网信办等部门的AI管理规定，为企业划定了相对清晰的红线。但红线清晰不代表没有压力。当字节跳动、阿里、百度等巨头加速迭代，创业公司同样面临“别人都在跑，我不能站着”的囚徒困境。

从Anthropic的教训中，中国AI公司可以带走三点：

第一，安全承诺需要可执行，不只是可传播。 RSP 3.0的调整说明，安全一旦变成公关语言，就会失去可信度。承诺的价值不在于说得多漂亮，而在于能不能兑现。

第二，组织流程是安全的最后一道防线。 CMS失误不是技术问题，是流程问题。再强的模型能力，也弥补不了最基础的权限管理漏洞。当公司全力追求模型能力的指数级增长时，基础架构的稳健性往往被忽视。

第三，底线需要提前划定，而不是临场博弈。 Anthropic守住了拒绝全自主武器，但作战规划的合作依然存在。这条线划得清楚吗？如果提前划定，就不会被逼到墙角。对于中国AI公司来说，在监管框架内明确自己的安全底线，比在压力面前临时决策更主动。

结语

Anthropic的泄露事件，最终会被修复。CMS权限会被重新设置，泄露的文件会从互联网上消失，RSP 3.0会继续执行。

但那个问题会一直存在：当一家以安全第一立身的公司，在资本压力和国家意志面前，一次次被逼到墙角，它还能守住多少底线？

Anthropic用被制裁、被列为供应链风险的代价，守住了拒绝全自主武器这条线。但这条线能守多久？五角大楼会换一种方式再来吗？

答案从来不是模型更强、算力更大。答案是：把最基本的流程做好，把最基础的承诺守住。

这是Anthropic给整个AI行业上的一课。也是最难的一课——因为在这一课里，Anthropic自己，既是那个抗争的学生，也是那个需要反思的学生。