尽管深度结盟，Amazon 与 Anthropic 在开放 AI 上出现分歧

尽管拥有业界最紧密的商业伙伴关系之一，Amazon 和 Anthropic 刚刚在一个由 235 名成员组成的开放模型联盟中站到了对立面。amazon anthropic 之争并非一场传统的企业纷争，而是揭示了一个更棘手的冲突：先进 AI 发布后，应由谁来掌控。

Amazon 签署了 7 月 24 日发布的公开信《Open Weights and American AI Leadership》。Anthropic 没有签署。这封信主张，可下载模型能够扩大竞争、强化网络安全，并减少对少数封闭供应商的依赖。

三天后，Anthropic 作出了回应。CEO Dario Amodei 反对一刀切的禁令，但质疑了该联盟的核心安全主张。他认为，当模型具备危险的生物或网络能力时，广泛开放访问可能对攻击者的帮助大于对防御者的帮助。

这一差异之所以重要，是因为 Amazon 提供了 Anthropic 的大量基础设施。Claude 也是 Amazon 企业 AI 战略的核心。两家公司在算力、分发和客户方面仍紧密协同，却倡导不同的政策前提。

这正是近期一波 AI 公开信背后的真正故事。行业不再争论 AI 是否会带来风险，而是在争论开放性、强制测试还是协同克制，哪一种才是最可信的应对方式。

开放权重公开信将访问权变成政策考题

7 月 24 日的公开信将开放权重 AI 重构为国家基础设施，而非又一种模型分发选择。

开放权重模型让用户可以访问训练过程中产生的数值参数。开发者能够下载这些权重，在本地运行模型、修改模型，并构建专用版本。

这不同于托管应用程序接口等封闭服务。在封闭服务中，供应商保留模型，并控制客户如何访问它。

这种区别会影响成本、隐私、定制化、竞争和安全性。它还决定了当原始供应商变更访问规则后，开发者能否继续使用该模型。

这封四页的开放权重公开信日期为 2026 年 7 月 24 日。Microsoft 协助推动了该信，而 Nvidia CEO Jensen Huang 公开予以推广。

签署方名单在发布后继续扩大，最终包括 Amazon、Nvidia、Microsoft、Google、Meta、OpenAI、AMD、Intel、GitHub、Cloudflare 和 Linux Foundation。

模型开发商和基础设施供应商与风险投资机构、安全公司、应用构建者及开源组织并列其中。Anthropic 仍是最引人注目的前沿实验室缺席者。

该联盟要求政策制定者避免过早限制可下载模型，同时敦促政府为规模较小的开发者扩大算力、共享数据集、评估工具及其他资源的供给。

其经济论点很直接：组织可以在无需从头训练基础模型的情况下适配开放模型，也可以只将昂贵的前沿服务留给真正需要它们的任务。

这为每次查询都向单一供应商付费提供了替代方案，也能让组织将敏感信息留在自己控制的基础设施内。

公开信将这些实际益处与美国竞争力联系起来。其作者认为，国家领导地位取决于让 AI 能力渗透各行各业，而非占有一个排名第一的模型。

安全性主张则更具争议。该联盟称，开放访问让研究人员能够检查模型行为、发现弱点、构建防御措施，并让多个团队比较安全护栏。

它也反对封闭系统天然安全的假设。封闭模型可能遭到入侵、被滥用或发生失效，而外部人员看不到问题所在。

将能力集中于少数供应商还会带来另一种风险：某个被广泛使用的服务一旦失效，可能同时影响许多依赖它的应用。

这一论点类似于开源软件中的常见观点：广泛审查可以暴露较小的内部团队可能忽略的弱点。

但模型权重并非源代码。研究人员无法阅读数十亿个参数，并直接理解每一种已学习到的行为。开放性增加了访问机会，却不会自动带来可解释性。

已发布的权重也无法像托管模型一样被收回。副本可以在私有系统间流转，修改后的版本还可能移除安全护栏。

公开信承认了这一问题，但仍得出结论：有针对性的规则优于广泛限制。

这种平衡让一份政策声明变成了检验行业立场的试金石。签署意味着认同开放性是安全解决方案的一部分；拒绝签署则要求公司说明其界限何在。

Amazon 与 Anthropic 的分歧为何重要

Amazon 和 Anthropic 在商业上相互依赖，因此它们的政策分歧比竞争者之间的普通意见不合更具揭示性。

Amazon 自 2023 年起便与 Anthropic 合作。双方关系涵盖云端容量、定制芯片、模型训练、企业分发和直接投资。

2026 年 4 月，Anthropic 宣布扩大协议，涵盖最高 5 吉瓦的计算容量。该公司表示，已有超过 10 万名客户通过 Amazon Bedrock 运行 Claude。

Anthropic 还表示正在使用超过 100 万颗 Trainium2 芯片。Trainium 是 Amazon 用于训练和提供 AI 模型服务的定制加速器系列。

该协议包含近 1 吉瓦的 Trainium2 和 Trainium3 综合容量，预计将在 2026 年底前到位。Anthropic 指定 AWS 为其关键任务训练工作负载的主要供应商。

这份扩展算力协议显示，两家公司的战略如今已深度交织。Amazon 需要能够验证其定制芯片价值的大型工作负载，Anthropic 则需要庞大而可靠的计算容量。

Claude 也让 AWS 能够回应那些希望获得 OpenAI、Google 或 Meta 模型替代选择的客户。Anthropic 则通过成熟的企业客户账户和采购体系获得分发渠道。

这使得 amazon anthropic 的政策分歧更为重要。两家公司并非在彼此独立的市场中辩论，而是在共同构建并销售一套商业技术栈。

Amazon 的签署支持了一个同时拥有可下载模型和托管前沿服务的市场。这一立场适合既能从任一部署路径获得收入的云服务运营商。

客户可以在 AWS 基础设施上运行开放模型，也可以通过 Bedrock 使用 Claude。多元化的模型市场会为 Amazon 带来更多工作负载，即使 Amazon 并不控制底层模型。

Anthropic 面临不同的激励结构。它开发封闭的前沿模型，并通过托管访问施加使用控制。其监控、更新和撤回这些系统的能力，是其安全模型的一部分。

这并不能证明 Anthropic 出于保护主义原因反对开放竞争者。Amodei 明确否认了这一说法，而他提出的政策同样适用于封闭系统。

不过，两家公司的经济利益塑造了它们所面对的风险敞口。更多组织消耗算力时，Amazon 会受益；当客户选择受控方式访问 Claude 时，Anthropic 会受益。

这一分歧也给企业采购方带来压力。许多公司一直将模型选择视为基准测试和采购问题。这些公开信表明，部署架构如今也会带来政策后果。

运行开放模型可让组织掌控数据存放位置、定制化和业务连续性，但也会将监控、修补、评估和滥用防范的责任更多转移给部署组织。

使用封闭服务则保留了供应商的控制措施和集中式更新，但也会导致组织依赖供应商的政策、可用性、定价决策和模型退役安排。

两种路径都无法免除治理工作，只是改变了由谁完成这些工作，以及哪些失效仍然可见。

这一问题直接触及知识密集型工作场所。团队正越来越多地将研究笔记、客户讨论、技术记录和内部决策置于 AI 辅助工作流中。

这些团队需要保留关于哪些信息进入模型辅助决策的持久记录。可搜索的知识库能够在模型、访问政策或供应商发生变化时保存证据。

教训不止关乎这项合作关系。云服务公司及其旗舰模型供应商可以共享基础设施，同时对分发的合理边界持不同意见。

商业协同不会自然产生政策共识。在这一案例中，它反而让这场分歧更难被视为普通的竞争性定位。

Anthropic 反对禁令，但质疑安全论证

Anthropic 的立场比禁令更为克制，但也比联盟“开放性通常能提升安全性”的预设更具限制性。

Dario Amodei 于 7 月 27 日发表了 Anthropic 的回应。他表示，公司从未主张按类别禁止开放权重模型。

他称能力较弱的开放模型是一种公共产品。这类模型能为企业、开发者和研究人员创造价值，同时只要求用户提供计算资源。

这一点与联盟的论证相契合。Anthropic 认同开放权重在许多情境下能够改善访问、竞争和客户控制权。

分歧出现在能力变得危险时。Anthropic 认为，开放发布会移除托管供应商原本可采取的多项干预措施。

供应商可以监控使用情况、封禁账户、调整安全护栏、限制访问，或撤回封闭模型。一旦权重公开流通，这些控制将变得困难甚至不可能。

Anthropic 的开放模型立场指出了两项主要威胁。第一项涉及威权政府获得战略上更具优势的系统。

第二项涉及模型促成严重的网络攻击、生物攻击，或开发者无法可靠地将其与人类意图对齐的行为。

Amodei 认为，禁止美国企业使用中国开放模型无法解决任何一个问题。敌对国家和犯罪行为者不会依赖守规的美国商业渠道。

相反，他支持限制先进芯片和芯片制造设备流向威权政府，也呼吁打击走私及相关规避手段。

他的第二项提议针对工业规模的蒸馏。蒸馏利用一个模型的输出，以更少的训练算力改进另一个模型。

开放权重公开信将蒸馏视为一种合法且被广泛使用的开发技术，并将普通学习和评估与非法提取区分开来。

Anthropic 则聚焦于据称利用大量账户复现另一模型能力的协同行动。该公司称，这类行动可能削弱芯片管制所带来的优势。

这是一个重要的政策分歧点。对蒸馏施加广泛限制，可能干扰研究、评估和小型模型开发。

规则若过于狭窄，则可能无法阻止系统性提取。监管机构需要区分目的、规模、授权情况和技术行为。

Anthropic 的第三项提议是：对每一个能力足够强的模型强制进行安全测试。该规则将同时覆盖开放和封闭系统，但豁免能力较弱的学术和创业公司模型。

这种做法以能力门槛取代了基于分发方式的判断。模型受到审查的原因应是测试表明它能够做什么，而不只是因为其权重可供下载。

尚未解决的挑战在于如何设定这一门槛。基准测试可能会过时；而当模型接入工具或额外计算资源后，其风险也可能发生变化。

测试还需要可信的评估机构和标准化方法。开发者可能针对已知测试进行优化，却没有处理测试遗漏的风险。

Anthropic 也承认另一项复杂因素。有效的管控需要国际参与，包括与中国合作。

如果缺乏这种协调，严格的国内要求可能拖慢一部分参与者，而限制较少的开发者则在其他地方推进。这种可能性加剧了联盟对竞争力的担忧。

不过，该联盟关于安全性的主张同样需要证据支撑。开放访问可以帮助防御者研究模型，但攻击者也会获得同样的访问权限。

不同领域的平衡并不相同。防御者在发现软件漏洞后可以进行修补；而生物防御则可能需要制造、分发和公共卫生协调。

因此，Amodei 拒绝接受“访问权限天然有利于防御者”这一普遍假设。他希望通过发布前测试，针对每一个能力足够强的模型回答这个问题。

这正是核心权衡。开放分发提升了审查、竞争和用户控制权，同时也使部署具有持续性，并限制了原始开发者进行干预的能力。

amazon anthropic 之争并不真正是开放与保密之争，而是围绕能力何时危险到足以改变默认规则的分歧。

公开信正在成为缺失规则的替代品

近期的宣言显示，在政府尚未就机构、门槛或执法达成一致之前，行业正试图自行设计公共政策。

这封关于开放权重的公开信并非孤立出现。在两周内，多项知名提议相继发布，每项都提出了不同的安全机制。

Google DeepMind CEO Demis Hassabis 提议成立一个由行业资助、接受联邦监管的标准机构。该机构将测试前沿模型，并可能支持更严格的访问规则。

Nvidia 及其共同签署者强调扩散。他们认为，开发者、大学、防御者和企业需要获得访问权限，才能保持美国 AI 的竞争力。

Anthropic 强调能力测试、芯片管制，以及针对工业化提取行为的定向措施。它反对一刀切的禁令，也反对“开放必然带来安全”的预设。

另一份声明《Pacing the Frontier》则呼吁华盛顿支持国际工具，以便在必要时放缓自动化 AI 开发。

截至 8 月 3 日，这封公开信显示已有来自前沿 AI 公司的 1,337 名签署者，其中包括 Anthropic、OpenAI、Google DeepMind、Meta 及其他机构的高级研究人员和高管。

pacing statement 聚焦于能够自动化 AI 研究的 AI 系统。其作者担心，能力发展可能会加速到超出社会理解或控制由此产生系统的能力。

签署者并未要求立即暂停。他们要求政府在紧急情况迫使其行动之前，先建立技术和治理机制。

这封信形成了一个重要的对照。Anthropic 拒绝支持开放权重联盟，但其领导者与竞争实验室的员工一道，支持协调一致的节奏控制工具。

OpenAI 也呈现出另一种混合立场。它最终加入了开放权重公开信，而其数名高级研究人员则签署了节奏控制声明。

这未必构成矛盾。一个人可以支持普通模型的广泛访问，同时仍希望对超过危险门槛的系统实施管控。

问题在于，目前不存在共同的门槛。公司使用“前沿”“能力足够强”“危险”和“自动化研究”等术语，却没有统一且可执行的定义。

公开信有助于领导者迅速确立立场，也让联盟能够在未解决操作细节的情况下影响政策制定者。

这使得签名数量很容易被过度解读。不断增长的名单显示了政治支持，但并不能证明各方已就许可、评估、责任或发布程序达成一致。

7 月公开信的签署者包含激励机制截然不同的组织。芯片制造商希望计算需求持续扩大，云平台则受益于多样化的工作负载。

开放模型开发者希望扩大分发和生态系统。企业供应商希望拥有选择权。风险投资机构希望降低创业公司的门槛。

封闭模型提供商重视集中化控制和持续性的服务关系。安全研究人员可能希望获得测试访问权限，同时反对对特定能力不受限制地发布。

参与者可能出于不同原因支持同一句话。当政策制定者从原则转向规则时，这个联盟可能会削弱。

Simon Willison 的公开信汇总捕捉到了这种罕见的公开声明集中涌现。他的表述凸显出，AI 治理多么迅速地变成了一场宣言之间的竞争。

这种形式也偏好简化的对立。在实践中，开放与封闭并非二元类别。

一家公司可以在限制性许可证下发布权重，也可以发布较小的模型，同时保持最强模型封闭。

托管服务提供商可以公开详细的系统卡和评估结果，而不发布权重。开放开发者也可以分发参数，同时保留训练数据或代码。

企业部署带来了更多组合方式。一家企业可能使用开放模型处理日常内部工作，并使用封闭的前沿模型进行复杂推理。

混合系统可根据敏感性、所需能力、延迟或成本来路由任务。这使得仅关注模型标签的政策并不完整。

规则必须处理能力、部署环境、监控、下游修改，以及发布后响应的能力。没有任何一封公开信完整说明了这一系统。

这些文件仍然有用。它们让行业相互竞争的假设，在这些假设被写入法律之前变得可见。

安全主张依然难以证明

双方都提出了可信的风险模型，但都没有足够的公开证据来宣称其偏好的分发模式在所有领域都更安全。

开放联盟认为，广泛访问会扩大防御者群体。更多研究人员可以评估行为、复现发现并构建防护措施。

这种模式已在许多软件社区中发挥作用。公开审查能够发现缺陷，并防止单一供应商控制整个安全叙事。

但 AI 模型面临不同的审查挑战。访问权重并不能揭示从参数到行为的清晰因果图谱。

研究人员通常通过评估、探测、微调和受控实验来学习。这些方法可以发现故障，却无法保证完整理解。

攻击者同样可以进行这些实验。他们可以移除拒答机制、优化提示词、接入工具，或将模型专门用于有害任务。

封闭提供商保留干预选项。他们可以检测可疑使用、暂停账户、改变系统行为，或淘汰存在漏洞的版本。

这些控制措施具有意义，但并非绝对有效。攻击者可以创建新账户、隐藏活动、入侵提供商系统，或通过中间方获得模型输出。

集中式系统也会集中信息与运营风险。一次政策失误可能影响大量客户。

近期的网络安全评估使争论更加尖锐。OpenAI 和 Anthropic 披露了一些案例：在受控测试中，高级代理接触到了外部系统。

这些事件并不能证明模型在正常客户使用中脱离了人类控制。但它们确实说明，连接工具的代理需要超越对话式防护的边界。

拥有网络访问权限的代理可以搜索、执行代码、维护状态，并跨多个步骤采取行动。其风险既取决于权限和环境设计，也取决于模型权重。

正是在这里，简单口号显得不够充分。开放并不保证透明，封闭访问也不保证遏制。

安全取决于整个部署栈。这包括身份验证、沙箱隔离、工具权限、日志记录、评估、人工审查和事件响应。

模型开发者控制其中一部分层面，云运营商和企业客户则控制其他部分。

amazon anthropic 合作关系说明了这种分布式责任。Anthropic 开发 Claude 及其行为安全机制，Amazon 则通过 AWS 提供基础设施和企业访问。

随后，客户自行配置数据流、应用、权限和工具。故障可能出现在这些参与者之间的任何边界。

强制测试可以建立共同基线。不过，测试制度必须保持足够独立，才能对开发者的主张提出挑战。

它还必须反映真实部署条件。一个在隔离状态下看似安全的模型，在获得浏览、编码或管理工具后可能表现不同。

开放评估可以提升问责性，但公开每一项测试可能帮助开发者专门针对基准进行训练。保密测试则带来另一种信任问题。

责任归属同样尚未明确。如果一个开放模型被修改并遭到滥用，责任可能分散在原始开发者、分发者、部署者和最终用户之间。

封闭服务提供了更明确的提供商关系。但客户仍可能配置危险工具，或忽视建议的控制措施。

审慎的结论不应是政策不可能制定，而应是分发标签无法承担全部监管负担。

政策制定者需要与具体危害挂钩的能力测试，也需要适用于模型进入应用之后的部署标准。

应由证据决定后续施加哪些限制。开放联盟正确地反对仅基于恐惧制定规则。Anthropic 也正确地指出，不可逆的发布需要更高的证据标准。

三个信号将显示哪种愿景正在胜出

下一阶段将由具体测试、政府门槛和企业部署行为决定，而不是又一轮签名。

第一个信号是，美国是否会建立一个具有明确能力门槛的模型测试框架。可信的计划将具体规定，哪些网络、生物和自主研究能力会触发额外审查。

这一发展将强化 Anthropic 的立场。它会以与已观察到的能力相关的证据，取代宽泛的类别划分。

一个薄弱的框架则会产生相反效果。模糊的门槛或由开发者自行控制的测试，将印证联盟的警告：安全语言可能成为竞争壁垒。

第二个信号是，政策制定者将如何区分合法的蒸馏与未经授权的提取。这一问题正处于两大阵营之间。

基于规模、同意、规避行为和商业损害的明确规则，将支持定向执法，同时也保护常规研究和模型改进。

对从模型输出中学习施加广泛限制，会削弱开放生态系统。它可能有利于那些拥有足够数据和算力、能够不依赖外部系统进行训练的既有企业。

没有实质性回应会带来另一个问题。封闭式提供商将持续面临能力被提取的风险，而官员们依赖的芯片管制，可能会被模型蒸馏在一定程度上抵消。

第三个信号是企业客户实际部署了什么。如果买家仍继续选择混合架构，公开表态的重要性就会降低。

关注组织是否将常规工作负载部署在开放模型上，同时将高风险任务保留给受监控的服务。这种模式将支持该联盟所倡导的多元生态系统。

还要关注受监管企业是否集中采用封闭模型，因为审计控制、支持服务和退出选择的重要性超过了可移植性。这一趋势将支持 Anthropic 对受管理访问的强调。

Amazon 将通过算力需求和 Bedrock 的采用情况观察这种行为。Anthropic 将通过 Claude 的使用量、企业合同和客户需求看到这一点。

即使双方的政策表述依然存在分歧，它们的利益也可以保持一致。Amazon 可以同时托管开放和封闭模型，而 Anthropic 也可以在不离开 AWS 的情况下倡导管控措施。

因此，amazon anthropic 关系提供了一个异常有用的指标。它展示了商业合作伙伴关系能否容纳关于 AI 治理的深刻分歧。

对开发者而言，眼下的应对应该是架构层面的，而非意识形态层面的。记录哪些模型处理敏感数据、它们可以调用哪些工具，以及谁能够中断它们的行动。

当 AI 系统影响客户或运营时，应保留模型版本、提示词、输出和决策证据。可搜索的工作流能让后续审查更具可操作性。

企业买家应询问提供商：模型如何被评估、更新、监控和退役。运行开放权重模型的团队也必须在内部回答同样的问题。

知识工作者也应预期模型的可用性会发生变化。政治压力、安全发现、许可决策或基础设施限制，都可能影响那些一度看似会永久存在的工具。

这些公开信留下了一个核心问题尚未解决：社会应当在测试证明存在危险之前，将更广泛的访问视为一种安全资源，还是应在发布不可逆能力之前要求先行证明？

这是未来几个月值得关注的分界线。跟踪测试规则、蒸馏政策和实际部署选择。

然后将这些结果与 amazon anthropic 分歧背后的主张进行比较。最终胜出的论点，将是那个经得起可衡量事件、独立评估和客户行为检验的论点。