随着 OpenAI 改变立场，Amazon 与 Anthropic 的关系引发开放 AI 反弹

在 Anthropic 拒绝加入一项反对过早限制可下载 AI 模型的行业承诺后，Amazon 与 Anthropic 的关系正面临新的审视。尽管有报道称这两家闭源模型实验室数日前在监管问题上持有相似担忧，Anthropic 的拒绝仍使其站到了 Nvidia、Microsoft、Meta、Google，以及最终加入的 OpenAI 的对立面。

这场冲突紧随中国开放权重模型的快速普及，尤其是 Moonshot AI 的 Kimi K3。开放权重模型会公开其学习得到的参数，使开发者无需依赖原始提供商的 API，即可下载、修改并运行这些模型。

这一技术选择已成为政治立场的分界线。Anthropic 警告称，高能力的可下载系统一旦发布，便无法被召回或进行集中更新。Nvidia CEO 黄仁勋、Elon Musk、Meta、Microsoft 以及数百家较小的科技公司则认为，广泛限制将削弱美国开发者的竞争力。

因此，原始报道很快被一次颇具启示性的立场逆转所超越。OpenAI 最初未加入该行业联名信，随后在周末签署。Anthropic 则仍是最知名的拒签方，尽管 CEO Dario Amodei 明确否认支持禁止开放权重模型。

OpenAI 改变立场，但 Anthropic 坚持原有立场

眼下的变化并非提出一项禁令，而是形成了一个异常广泛的反禁令联盟。

7 月 24 日，Nvidia、Microsoft、Meta、IBM、Dell、Palantir、Hugging Face 等公司支持了一封题为“Open Weights and American AI Leadership”的政策联名信。最初文件共有 25 个签署方，并警告政策制定者不要过早限制可下载模型。

该联盟认为，开放模型有助于竞争、研究、网络安全以及对 AI 基础设施的国家控制。它还敦促华盛顿将普通的模型蒸馏与非法提取专有系统区分开来。

蒸馏是指利用一个模型生成的输出训练另一个模型。这一方法在整个行业都很常见，但当开发者大规模使用欺诈账户或违反访问限制时，它就会引发争议。

该联名信最初的签署方名单中没有 OpenAI、Anthropic 或 Google。这一缺席支持了一种简单的解读：销售闭源前沿系统的公司，正抵制由开放模型开发者和基础设施供应商支持的行动。

这一阵营关系在周末发生变化。Google 和 OpenAI 加入签署，使 Anthropic 成为仍未加入该协议的主要美国前沿实验室。这一更新后的时间线很重要，因为它反驳了 OpenAI 与 Anthropic 仍在广泛限制问题上立场一致的说法。

根据关于该行业联盟的最新报道，OpenAI 现在支持反对过早设限的警告。该公司仍希望建立一套全国性框架，用于评估模型并应对安全风险。

这一区别很重要。支持开放权重模型的可用性，并不意味着接受对未来每一种系统毫无限制地发布。它所反对的，是将开放性本身作为实施一刀切监管的触发条件。

Anthropic 采取了更狭窄、也更怀疑的立场。它同意许多开放模型具有公共价值，但质疑随着能力提高，前沿级模型是否应继续可被自由下载。

Dario Amodei 于 7 月 27 日直接回应。他写道，Anthropic “从未倡导”禁止开放权重模型，并表示危险性较低的模型可以成为公共产品。

Amodei 转而提出针对三个具体领域的管控措施。他希望加强对先进芯片出口的限制，打击工业规模的蒸馏行为，并要求能力足够强的模型无论采用何种分发模式都必须接受强制测试。

这一立场比要求封锁中国模型更为精确。不过，Anthropic 未签署该联名信，也让批评者得以质疑：其偏好的保障措施是否会间接产生类似效果。

OpenAI 的签名让 Anthropic 更难回避这个问题。两家公司主要都依赖对专有模型的受控访问。只有一家加入了为可下载替代方案辩护的联盟。

结果是政策辩论出现了分裂，而非美国公司与中国公司之间的一场清晰对抗。OpenAI 在保留对蒸馏担忧的同时，已向开放模型联盟靠拢。Anthropic 反对禁令，但仍不认同该联盟更广泛的安全论述。

Amazon 与 Anthropic 的经济利益为何影响这场辩论

政策分歧也反映出各家公司从 AI 中获利的方式，以及其战略伙伴能从中受益的环节。

前沿实验室通常出售其托管模型的按量访问服务。客户通过 API 发送请求，而提供商控制底层权重、基础设施、安全系统和服务条款。

开放权重模型将更多控制权转移给用户。公司可以下载模型、进行适配，并将其部署在自有基础设施上。它们还可以在云服务商或专业托管公司之间迁移工作负载。

这种灵活性会对闭源 API 提供商形成直接的定价压力。有能力的可下载模型会在开发者谈判成本、设计备用系统，或决定敏感工作负载是否必须离开自身网络时，提供另一个参照标准。

Anthropic 与 Amazon 的商业联系使这场竞争尤为重要。Amazon 已向 Anthropic 投资数十亿美元，并将 AWS 定位为该公司的主要云服务和训练合作伙伴。Claude 也通过 Amazon Bedrock 分发，使企业能够以托管方式访问多家提供商的模型。

Amazon 与 Anthropic 的合作关系并不能证明 Anthropic 的安全立场出于商业动机。即使某项政策同时保护收入，安全担忧也可能是真实的。不过，经济激励仍值得审视，因为限制措施可能重塑企业采购决策。

Amazon 身处这一议题的两端。客户通过 Bedrock 使用 Claude 时，它能受益；客户在 AWS 基础设施上部署开放模型时，它同样获得云收入。更多模型活动通常会带来更多对计算、存储、网络和推理服务的需求。

Nvidia 的激励则更加明确。可下载模型可以运行在企业数据中心、区域云、研究集群和本地基础设施中。每一个新模型都可能带来对加速器和配套系统的额外需求。

因此，黄仁勋认为市场需要开放和闭源系统并存。Nvidia 的开放模型联名信称，开放开发可让防御方在自己控制的基础设施上检查和适配模型，从而增强网络安全。

Microsoft 同样受益于两条路径。它与 OpenAI 关系深厚，销售托管专有模型，也为开放部署提供基础设施。Meta 发布可下载模型权重，同时利用开放性将采用范围扩大到其自身产品之外。

这些公司并非中立的公共利益组织。它们对开放性的支持与自身商业立场相符，正如 Anthropic 的谨慎态度与其受控访问业务相符一样。这并不使任何一方的论点失效。

更有价值的问题是，拟议规则能否在不消除低成本竞争的情况下应对可证实的危害。针对欺诈性提取的政策应瞄准欺诈行为。针对危险能力的政策，则应对开放和闭源系统采用可比的测试标准。

一刀切的限制将有利于那些独自保有模型访问权的提供商。它们还可能增加对少数美国供应商的依赖，抬高初创公司的成本，却无法阻止外国开发者使用已在其他地方流传的权重。

这正是为何这场辩论不能被简化为开放技术与国家安全之间的对立。它同样是一场关于谁控制分发、谁获取推理收入，以及在客户围绕某个模型构建业务后谁能够更改服务条款的争议。

对于企业买家而言，影响不止于基准测试排名。可下载模型可支持私有部署、自定义安全控制、可预测的容量，以及免受 API 突然变更的影响。托管系统则可提供更容易的更新、更强的集中监控和更少的运维工作。

没有任何一种路径适合所有工作负载。真正的风险在于，监管在衡量系统本身风险之前，就先行选择了一种分发模式。

中国开放模型正同时压低价格并影响政策

华盛顿现在作出反应，是因为中国开放权重模型已经足够实用，美国公司开始将其视为可行的基础设施。

中国开发者已发布一系列模型，在重要任务上与领先的美国系统展开激烈竞争。Moonshot、DeepSeek、Alibaba 和 Z.ai 也通过可下载发布获得国际分发。

Moonshot 的 Kimi K3 在 7 月加剧了这场争论。该模型以有竞争力的能力和较低的运营成本吸引开发者，同时让组织可以自行运行或修改其权重。

其采用规模可以量化。Sensor Tower 估计，Kimi 在 K3 发布后的一周内获得超过 93 万次下载，较前一周增长 200%。

其中约 8.6 万次下载来自美国，周增长率达到 387%。需求强劲到 Moonshot 在容量接近上限时不得不暂时暂停接受新订阅。

根据采用情况分析引用的数据，在统计月份内，中国模型按使用量占据了 OpenRouter 的前五名。这并不能证明其整体技术能力更强，但证实了开发者存在实质性需求。

评估者仍看到局限性。Arena CEO Anastasios Angelopoulos 告诉美联社，中国系统在完整能力范围内仍落后于美国领先者。

因此，竞争威胁来自整体组合，而不一定来自绝对最高分。当模型更便宜、可定制、可下载，或足以完成一项边界明确的任务时，开发者可以接受略弱一些的性能。

这一组合同时给 OpenAI 和 Anthropic 带来压力。如果公司可以使用中国模型处理日常编程、分类、文档处理或智能体任务，它们就能将昂贵的前沿 API 留给最困难的请求。

混合架构降低了对任何单一实验室的依赖。它也会使专有系统成为高端组件，而非每一次交互背后的默认引擎。

美国官员提出了另一种担忧。Anthropic 指称，中国开发者利用工业规模的行动提取 Claude 输出，并训练竞争系统。

在 The Washington Post 获得的一封信中，Anthropic 称 Alibaba 的 Qwen 团队使用了约 25,000 个欺诈账户。这些账户据称与 Claude 进行了超过 2,880 万次交互。

阿里巴巴未就该报道作出回应。Anthropic 曾对 DeepSeek、Moonshot 和 MiniMax 提出相关指控，称其开展了规避地域控制和服务限制的活动。

如果得到证实，此类行为确实构成正当的执法问题。欺诈账户、规避限制和未经授权的大规模提取，并不会因为蒸馏是公认的训练方法而变得可以接受。

不过，证明特定公司存在滥用行为，与证明开放权重分发本质上不安全，是两回事。蒸馏争议也说明，归因判定可能变得多么困难。

研究人员有时能发现某个模型从另一个模型学习而来的模式。一个系统可能复现特定措辞、推理风格，甚至错误地将自己识别为生成其训练数据的模型。

这些信号并不总能揭示数据是如何获得的。开发者可能使用获得授权的合成数据、公开输出、客户生成的记录、欺诈性提取的数据，或这些来源的某种组合。

美国公司同样使用蒸馏。OpenAI 已提供帮助客户从其系统生成训练数据的工具，而 Elon Musk 则称这项技术在整个行业中都很常见。

法律与政策问题在于授权、规模和方法。将每个蒸馏模型都视为被盗财产，会把合法开发一并纳入为防范滥用而设计的类别。

这也可能促使政策制定者低估中国的工程能力。出口管制推动中国实验室提升效率、优化有限的硬件资源，并通过开放分发参与竞争。并非每一项进展都能用复制来解释。

开放权重联盟看到了监管护城河

开放模型支持者担心，政府尚未界定可衡量的安全门槛之前，安全规则就会先保护封闭实验室免受竞争。

这种反对声音远不止来自 Nvidia 和 Meta。超过 200 家初创企业、投资者和科技组织加入了由 Little Tech Association 发起的另一封联名呼吁。

该团体致信白宫科学顾问 Michael Kratsios 和商务部长 Howard Lutnick，敦促政府不要对中国开放权重系统实施全面禁令。

其成员认为，价格可负担、可下载的模型已成为美国初创企业的一项投入要素。取消访问权限将抬高开发成本、扰乱现有产品，并让权力进一步集中到少数前沿实验室手中。

这种担忧并非假设。小型公司通常没有资金训练大型基础模型。它们通过适配现有系统、在多个模型之间分配任务，或为特定客户托管专业版本来构建产品。

当服务商变更 API、限制某个地区、撤回版本或遭遇容量问题时，开放模型仍可继续使用。对初创企业而言，这种控制力可能决定一款产品能否持续运营。

初创企业的反对意见承认，可能有必要采取保障措施。其核心反对理由是，拒绝美国人访问这些系统，对国内开发者造成的损害会比对中国实验室更快显现。

Nvidia 最初的联名信包括 Microsoft、Meta、Palantir、IBM、Dell、Hugging Face、Replit、Perplexity、ServiceNow、CrowdStrike 和 Y Combinator。Elon Musk 也另行给予该行动全力支持。

Mark Zuckerberg 无需亲自签署，因为 Meta 以公司名义加入。Meta 的业务长期受益于广泛分发模型权重，并鼓励开发者在单一受控 API 之外进行开发。

白宫 AI 顾问 David Sacks 将该问题描述为潜在的监管俘获。他认为，占主导地位的封闭实验室可能利用安全政策消除成本更低的开放竞争。

这正是这场争议的主要对立结构：封闭服务商的控制权对阵可下载模型的竞争力。国籍固然重要，但商业上的分歧解释了为何美国公司采取相反立场。

由于政府尚未为美国模型建立详细且一致的安全标准，批评声变得更加尖锐。因此，针对外国开放系统的限制，可能会早于对本国封闭系统施加可比义务而出台。

Anthropic 的回应是，平等对待应取决于能力，而非国籍或许可形式。Amodei 呼吁，无论模型是开放还是封闭，只要能力足够强大，就应接受强制测试。

如果政策制定者透明地界定能力门槛，这项提议可能弥合两大阵营。它需要可复现的评估、明确的执法规则，以及防止围绕某家公司偏好的架构量身定制标准的保障措施。

Anthropic 还认为，开放权重在发布后会带来一个独特问题。托管服务商可以修补模型、加强监控、关闭账户或撤销访问权限；已下载的模型却无法从每一位运营者手中召回。

这种区别确实存在。当一个模型具备能够实质性协助生物攻击、网络行动、大规模监控或其他严重危害的能力时，这一区别尤为重要。

不过，集中控制也有局限。封闭服务商可以变更条款、阻止正当研究，或成为单点故障。用户无法独立检查完整系统，外部研究人员必须依赖公司允许的访问权限。

开放系统给予防御方更多自由来检查、修改和私下运行工具。封闭系统给予服务商更多自由来监控和干预。监管必须正视这一取舍，而非宣称任一路径都普遍更安全。

Anthropic 尚未证明目前可用的中国模型跨越了明确定义的灾难性能力门槛。开放模型支持者也尚未证明，检查与定制将始终让防御方比攻击者更具优势。

双方都在提出面向未来的主张。负责任的政策回应应当根据能力与已观察到的滥用行为来检验这些主张，而非仅凭企业身份。

这也是为何“Anthropic 正在游说实施全面禁令”的说法需要限定。报道表明，该公司一直就蒸馏、出口管制和安全风险向政府官员施压。Amodei 现在表示，对中国模型实施禁令并不能解决他最严重的担忧。

他的政策澄清收窄了 Anthropic 的公开立场。批评者仍可质疑其动机和拟议门槛，但不应将一项已被否认的政策视为既定诉求。

华盛顿下一步行动将定义市场

下一阶段取决于三个信号：有针对性的政府行动、基于能力的测试，以及美国对中国模型的持续采用。

第一个信号是，政府是否会采取针对特定公司的制裁，而非对可下载权重实施普遍限制。商务部实体清单措施、联邦采购规则，或与有据可查的提取活动挂钩的制裁，将显示出一种有针对性的做法。

这种结果将强化这样一种观点：华盛顿正在将国家安全与更广泛的开放模型争论区分开来。它可以惩罚特定行为，同时保留对独立开发系统的访问。

一项劝阻使用所有中国模型的更广泛指导意见，则会指向相反方向。即便没有法定禁令，采购限制和舆论压力也可能促使法务团队拒绝这些系统。

第二个信号是，官员是否会为开放和封闭模型发布一致的能力测试。Anthropic 偏好的政策取决于识别一个系统何时变得足够危险，以至于需要强制评估。

这些测试必须披露哪些能力会触发监管，以及服务商如何对结果提出异议。若仅将其应用于可下载模型，将强化“监管护城河”的批评。

若在不同分发方式中采用相同门槛，则会支持 Anthropic 的论点：它寻求的是风险控制，而非免受竞争的保护。这也会迫使封闭实验室与开放开发者一同接受审查。

第三个信号是现实世界中的采用情况。下载量和模型路由数据表明市场兴趣，但企业承诺将揭示中国系统能否在美国维持长期存在。

开发者应关注 OpenRouter 使用情况、云端可用性、大客户披露，以及 Moonshot、Alibaba、DeepSeek 和 Z.ai 的持续发布。若当前关注周期过后使用量下降，将削弱开放模型威胁封闭服务商市场的说法。

持续增长将迫使 OpenAI 和 Anthropic 改进定价、发布可下载替代方案，或解释客户为何应接受服务商控制。这也会让广泛限制对美国企业的代价更高。

Amazon 的行为尤其值得关注。该公司可以推广 Claude，同时通过 AWS 支持广泛的模型目录。可用性、合规要求或部署支持的任何变化，都将为政策如何影响企业访问提供早期观察窗口。

Amazon 与 Anthropic 的关系最终可能说明市场偏好的折中方案。客户可能会将受控的前沿系统与开放模型结合使用，而非为每项任务选择一种理念。

这种做法需要谨慎评估。在将重要工作负载在不同服务商之间迁移之前，团队需要保留模型版本、许可证、测试结果、安全发现和政策变更的记录。

可搜索的知识库可以帮助技术团队在模型和法规变化时保留这些证据。决策应基于工作负载需求，而非对开放或封闭阵营的忠诚。

因此，当前冲突的影响已超出一篇存在争议的报道。OpenAI 改变了公开立场，Anthropic 否认其希望实施禁令的指控，而一个广泛的科技联盟则要求华盛顿避免过早限制。

Amazon 与 Anthropic 的经济利益仍是这场争议的一部分，但并不能决定争议的结论。决定性问题在于，监管机构能否在不将国家安全政策变成对少数模型服务商保护的情况下，针对已证实的滥用行为采取行动。

开发者和企业采购方现在应提出三个实际问题。拟议规则是否识别了具体的有害行为？它是否对可比的开放与封闭系统采用同等测试？它是否保留了足够的竞争空间，让客户能够更换服务商？

这些答案将决定美国 AI 政策究竟会带来更安全的发展，还是仅仅造就一个更狭窄的市场。