Anthropic 修訂負責任擴展政策 v3（Responsible Scaling Policy v3），在五角大廈壓力下放寬關鍵安全承諾

Anthropic 被廣泛視為生成式 AI（Generative AI）競賽中具有安全意識的良知，現已發佈了其 負責任擴展政策（Responsible Scaling Policy, RSP v3） 的第三個版本。此次更新從根本上重組了該公司處理災難性 AI 風險的方式，且正值地緣政治與商業摩擦劇烈之際。據報導，隨著該公司面臨美國國防部關於其技術軍事用途的最後通牒，其移除「旗艦級」安全承諾——即如果無法保證安全則暫停開發——的做法已引發行業觀察者的嚴厲審查。

從「條件式暫停」向「務實透明化」的轉變

自成立以來，Anthropic 的 RSP 一直由「條件式承諾」機制所定義。在之前的 RSP v2 下，該公司承諾如果新模型在沒有相應保障措施的情況下跨越特定的「AI 安全等級（AI Safety Level, ASL）」閾值，將停止開發或部署。這種「絆網（tripwire）」方法旨在將安全置於競爭速度之上。

在 RSP v3 中，Anthropic 已轉向不再採取這些硬性停止措施。該公司認為，在競爭對手繼續競相前進的市場中，單方面的暫停是無效的。相反，新政策強調 透明化 和 公眾目標設定。

RSP v3 的關鍵組成部分：

• 前沿安全路線圖（Frontier Safety Roadmaps）： Anthropic 現在將發佈詳述其安全目標的「路線圖」，而非具有約束力的內部暫停。這些路線圖被描述為「雄心勃勃但非約束性」的，旨在建立公眾問責制，而非嚴格的操作瓶頸。
• 風險報告： 該公司承諾每 3 到 6 個月發佈一次全面的風險評估。這些報告將詳述其當前模型的安全狀況，包括目前能力與理想安全標準之間的差距。
• 外部審查： 在特定的高風險場景下，Anthropic 將使其風險報告接受第三方專家審查，以驗證其發現。

Anthropic 的高層將這一轉變定性為對現實的「務實」回應。在隨發佈附帶的部落格文章中，該公司指出，如果其他顧慮較少的開發者繼續推進，「停止 AI 模型訓練實際上對任何人均無幫助」。他們引用了「向頂尖競賽（race to the top）」——即競爭對手會效仿 Anthropic 的安全限制——的失敗，作為此次變革的主要驅動力。

比較：RSP v2 與 RSP v3

下表概述了舊政策與新發佈版本之間的結構性變化。

功能/承諾	RSP v2（舊版）	RSP v3（現行）
核心機制	條件式暫停（ASL 絆網）	透明化與路線圖
安全承諾	如果無法保證安全則停止訓練	務實的單方面目標
文件記錄	內部評估與定義的閾值	公開的前沿安全路線圖
風險報告	側重於臨時和內部	系統性的公開風險報告（3-6 個月）
行業策略	以身作則（向頂尖競賽）	轉向國家競爭力

五角大廈的最後通牒：地緣政治的催化劑？

RSP v3 的發佈時機與 Anthropic 與美國軍方之間日益升級的僵局密不可分。報告確認，國防部長 Pete Hegseth 最近會見了 Anthropic 執行長 Dario Amodei，並下達了嚴厲的最後通牒：解除對 Claude 模型軍事用途的限制，否則將面臨嚴重後果。

據報導，五角大廈要求 Anthropic 允許其 AI 用於「任何合法目的」，這實際上剝奪了該公司對特定軍事應用的否決權。Anthropic 歷來對其技術的使用保持嚴格的「紅線」，禁止用於：

1. 全自動武器（autonomous weapons）（即 AI 在沒有人類干預的情況下做出致命的目標決策）。
2. 大規模國內監控。

國防部威脅要引用 《國防生產法》（Defense Production Act, DPA）——這是一部韓戰時期的法律，允許總統強迫私營公司優先處理國防合同。此外，官員們還提出了將 Anthropic 列為「供應鏈風險」的可能性，這將有效地將該公司列入所有聯邦合同的黑名單，可能使其損失數億美元的收入，並將其拒於利潤豐厚的政府部門之外。

批評者認為，RSP「暫停」承諾的放寬創造了一個便利的政策漏洞。通過移除基於內部安全閾值停止部署的嚴格要求，Anthropic 可能是在調整自身定位，以適應 五角大廈（Pentagon） 的要求，而無需在技術上違反其自身的安全憲章。

行業影響與「能力懸置」

RSP 的修訂突顯了 AI 行業日益增長的緊張局勢：「能力懸置（capability overhang）」。該術語指的是 AI 模型的原始能力與可用於控制它的安全機制之間的差距。Anthropic 之前的政策旨在防止這種懸置變得過大。通過移除硬煞車，該公司正隱含地接受更高水平的風險，以便與 OpenAI 和 xAI 等對手保持競爭，後者已經獲得了廣泛的國防合同。

為什麼這對 AI 生態系統至關重要：

• 軍事 AI 的常態化： 如果作為行業內最直言不諱的安全倡導者 Anthropic 向五角大廈的壓力屈服，這標誌著主要 AI 實驗室中「出於良知的反對」之終結。
• 自我監管的失敗： 這一轉變承認，在國家安全緊要關頭和市場動態面前，自願性承諾是不夠的。Anthropic 明確引用了缺乏聯邦監管作為其政策轉向的原因。
• 聚焦部署後監測： 隨著部署前暫停的消失，行業的安全焦點可能會完全轉向系統構建 之後 的「紅隊演練（red teaming）」和監測，而非從一開始就防止其產生。

結論

Anthropic 的 RSP v3 代表了對 2026 年 AI 格局的一種成熟但憤世嫉俗的體認。2023 年的理想主義——即一家公司可以通過道德領導力引導行業走向安全——已與大國競爭和軍事必要性的冷酷現實相撞。雖然 風險報告 和 前沿安全路線圖 的引入提供了一層新的透明度，但具有約束力的「安全承諾」的移除標誌著一個時代的結束。隨著五角大廈的陰影籠罩，Anthropic 不再試圖減慢火車的速度；它只是承諾在火車加速時更大聲地吹響警哨。