Anthropic 与 Google 的合作因 AI 训练访问问题面临美国审查

Anthropic 与 Google 的关联正受到美国审查，因为监管机构发现，大型云服务合作关系可能让强大的科技合作伙伴接触到敏感的 AI 训练信息。不过，公开证据并未显示联邦政府发起了一项专门针对 Anthropic 算法的新调查。

这一区别至关重要。经证实的调查涵盖 Google 与 Anthropic 的关系、Amazon 与 Anthropic 的合作，以及 Microsoft 与 OpenAI 的关系。调查审视了投资条款、云服务承诺、信息访问以及这些安排可能对竞争造成的影响。

调查结果挑战了这样一种简单叙事：独立 AI 实验室在中立基础设施上相互竞争。前沿模型开发者需要巨大的计算资源，而云服务商则希望将有价值的模型纳入自己的平台。因此，双方各自拥有对方难以轻易替代的资源。

Google 通过 Gemini 与 Claude 竞争，同时也提供用于开发和分发 Claude 的基础设施。这种双重身份构成了核心张力。一个紧密合作伙伴可以同时是投资者、供应商、分发渠道和模型竞争对手。

美国审查实际涵盖什么

经证实的美国审查关注的是 AI 合作关系的结构及其竞争影响，而不是公开认定 Anthropic 非法训练 Claude。

联邦贸易委员会于 2024 年 1 月依据《FTC 法案》第 6(b) 条赋予的权限启动正式研究。该权限允许机构为研究目的索取信息，而无需先指控存在违法行为。

相关命令发给了 Alphabet、Amazon、Anthropic、Microsoft 和 OpenAI。该机构希望了解 Google 与 Anthropic、Amazon 与 Anthropic，以及 Microsoft 与 OpenAI 之间投资安排的细节。

这项合作调查涵盖公司治理、咨询权、云服务支出承诺、信息共享，以及每项安排对竞争的影响。调查还要求提供有关计算资源等投入要素访问情况的信息。

FTC 于 2025 年 1 月公布了工作人员的调查结果。这些结论反映了工作人员截至 2024 年 9 月掌握的信息，并补充纳入了截至 2025 年 1 月的公开材料。

报告识别出这三类关系中反复出现的若干特征。云服务商获得了股权利益，在某些情况下还享有咨询、控制或与收入相关的权利。AI 开发商则承诺从合作伙伴处大量采购计算服务。

这些合作关系还建立了交换资源和信息的渠道，其中可能包括与模型相关的资产、知识产权、财务信息、客户指标、芯片设计工作，以及某些训练数据。

这一表述需要谨慎理解。“训练数据”可能指多种信息，从数据集细节到与训练过程有关的运营信息。公开报告中存在删节，并未披露每一项交换记录。

报告也没有称 Google 秘密获得了 Anthropic 完整的训练语料库。它没有声称 Google 指导了 Claude 的对齐过程，也没有认定 Anthropic 复制了 Google 的模型技术。

相反，该机构描述的是结构性风险。云服务合作伙伴可能获得其他基础设施供应商或竞争性模型开发者无法取得的信息。长期技术承诺也可能令更换服务商变得更加困难。

因此，这项审查的范围比针对单个模型行为的传统调查更广。它探讨的是，前沿 AI 底层的基础设施是否让少数云计算公司获得了异常的可见性和影响力。

在阅读最初汇总的标题时，这一区别尤为重要。“审查训练方法”暗示联邦官员检查了 Anthropic 的个别训练决策。经证实的记录支持的是一个更狭窄的结论，即围绕访问、依赖关系和竞争的担忧。

FTC 报告也没有直接宣布这些合作关系违法。工作人员研究梳理潜在风险，并为政策制定者提供证据基础；它不是法院判决，也不是执法投诉。

不过，这项研究改变了监管基线。过去被描述为融资安排的基础设施协议，如今正因可能成为影响模型开发的路径而受到关注。

为什么 Anthropic 与 Google 的关系重要

Google 与 Anthropic 既非单纯竞争对手，也不是传统商业伙伴，这使得评估双方关系格外困难。

Anthropic 于 2023 年选择 Google Cloud 作为服务商。两家公司表示将共同开发计算系统，同时 Anthropic 使用 Google 的 GPU 和 TPU 集群。

张量处理单元（TPU）是 Google 为机器学习工作负载打造的专用处理器。获得这些芯片会影响训练能力、运营效率以及模型部署速度。

Anthropic 的云合作关系明确涵盖其 AI 系统的训练、扩展和部署。这使 Google 成为 Claude 技术基础的一部分，而不只是外部财务支持者。

Claude 也通过 Google Cloud 的 Vertex AI 平台提供服务。因此，企业客户可以从由 Gemini 开发商运营的基础设施上，获得一款与 Gemini 竞争的模型。

这一安排使双方受益。Anthropic 获得计算能力和 Google Cloud 客户渠道；即使客户选择 Claude 而非 Gemini，Google 也能为其平台引入备受追捧的模型。

这种重叠使竞争关系更加复杂。Google 一方面争夺模型用户，另一方面又从 Anthropic 工作负载和 Claude 部署中获得云业务。Anthropic 可以挑战 Gemini，同时又部分依赖 Google 的技术。

Anthropic 也致力于避免依赖单一基础设施栈。它针对不同工作负载使用 Google TPU、Amazon Trainium 处理器和 Nvidia GPU。Amazon 仍是其主要的云服务和训练合作伙伴。

这种多元化限制了 Google 控制 Anthropic 的说法。它也说明了 FTC 为何将多项合作关系放在一起研究。前沿实验室正日益将训练和部署分布在相互关联的供应商之间。

关键问题不在于某一家服务商是否托管了所有工作负载，而在于合同、财务和技术依赖是否会随着时间推移减少真正的选择空间。

训练模型不只是租用一台通用服务器。工程师需要针对特定芯片、网络系统、存储层和开发工具优化软件。迁移这些工作负载可能需要大量工程工作。

因此，一项承诺既可能形成合同层面的锁定，也可能带来技术转换成本。即使另一家服务商提供了算力，迁移仍可能延误训练，或迫使团队重建关键组件。

FTC 的工作人员调查结果警告称，这些关系可能影响计算资源和工程人才的获取。工作人员还指出，使用多个云服务商可能受到限制。

这些担忧并不限于 Anthropic。没有大型合作伙伴的创业公司，所面对的市场环境与获得加速器优先访问权、工程支持和全球分发渠道的公司截然不同。

合作关系可以帮助规模较小的实验室挑战既有平台。没有广泛的计算基础设施，Anthropic 无法以同等规模竞争。这是支持这些安排最有力的论点。

相反的观点是，同样的合作关系也可能让市场集中于少数基础设施所有者。模型公司获得资源，却会与同样塑造客户访问路径的平台绑定。

这两种效果可以同时存在。一项合作关系能够增强一个挑战者，同时也会抬高下一个挑战者进入市场的门槛。

Google 的角色进一步凸显了这种权衡。它提供基础设施、运营模型市场、开发 Gemini，并持有 Anthropic 的经济利益。每一种角色单独看都可以理解，但它们的结合会引来审查。

Anthropic 与 Google 的训练数据问题

最敏感的问题不只是 Anthropic 用什么训练模型，还在于哪个合作伙伴能够看到 Claude 是如何构建的信息。

模型训练数据包括用于教授系统模式、能力、偏好和行为限制的示例。不过，这个说法往往掩盖了几个不同的阶段。

预训练让模型接触大量文本、代码和其他材料。后训练则利用反馈、精选示例、评估和强化信号调整模型回应。

Anthropic 因 Constitutional AI 而闻名，这是一种利用书面原则帮助模型评估和修改回应的方法。该公司开发这一方法，是为了减少每次决策都依赖直接人工反馈的需要。

一套宪法原则并不能取代所有人工判断。它提供的原则会在训练过程的部分环节中指导批评和偏好比较。

Anthropic 还表示，大部分 Claude 4 对齐训练采用了基于标准聊天的人工反馈强化学习。RLHF 利用偏好信号来鼓励评估者更倾向的回应。

该公司后来测试了旨在让模型理解对齐行为为何重要的方法。其对齐研究指出，仅靠行为示例并不能消除模拟代理场景中令人担忧的行为。

在一项缩小规模的实验中，Anthropic 表示，一项干预措施将其测得的不对齐率从 22% 降至 15%。该公司称，在训练中结合行为示例与底层原则解释时，结果更为显著。

这些是公司自行开展的实验，并不能独立证明这一方法能够解决代理型风险。Anthropic 承认，其审计无法排除所有灾难性的自主行动。

这种不确定性使训练信息的访问在商业和战略层面都具有价值。有关失败实验的细节，可能与成功实验的细节同样重要。

了解哪些数据组合失败的合作伙伴，可能避免代价高昂的弯路。关于评估设计、芯片优化或模型行为的信息，也可能影响一项竞争性开发计划。

FTC 并未公开认定 Google 利用 Anthropic 的机密信息改进 Gemini。其报告指出的，是云服务合作伙伴获得其他地方无法取得的敏感信息的机会。

这是一种基于访问权限和激励机制的竞争担忧，而非滥用行为的证据。

Google 需要一定程度的技术可见性，才能安全高效地运营基础设施。云工程师必须了解工作负载需求、硬件利用率、网络和可靠性限制。

Anthropic 也可能与芯片设计者合作，以提升训练性能。这类合作可以减少计算资源浪费，并支持规模更大的实验。

当基础设施提供商开发出竞争模型时，这条界线就更难划清。其通过支持服务获得的运营知识，可能与对模型研究有用的信息紧密相邻。

合同、访问控制和内部隔离政策可以降低这种风险。FTC 公开材料未披露足够细节，无法判断 Google 合作关系中采用的每一项保障措施。

这一核实缺口应当影响文章的结论。公开来源支持审视可能存在的信息优势，但不足以支持 Google 复制 Anthropic 专有训练流程的说法。

同样的谨慎也适用于训练数据本身。该报告没有公布 Anthropic 与 Google 共享的数据集清单，只是更笼统地提及在所研究合作关系中交换的信息。

因此，读者应区分三个问题：

• Anthropic 使用了哪些材料来训练 Claude？

• Anthropic 向 Google 提供了哪些信息？

• Google 的员工或系统在支持 Anthropic 时能够访问什么？

这些问题彼此重叠，但不能互相替代。回答其中一个，并不会自动回答另外两个。

对于开发者和企业买家而言，这一区分会影响信任。组织需要了解模型、云和应用提供商是否对技术信息与客户信息保持清晰边界。

这种担忧也存在于知识工作流程中。在敏感文档间使用 AI 的团队，应了解模型在哪里运行，以及哪些系统能够处理其上下文。在信息跨越不同工具时，受控的知识融合工作流程有助于保持来源可见。

竞争是核心权衡

美国官员必须在资助 AI 挑战者带来的竞争收益，与云依赖造成的集中化之间进行权衡。

Anthropic 的成长为监管机构提供了一个真实的反例，挑战“最大平台必胜”的假设。Claude 与 Google、OpenAI、Meta 和 xAI 的系统直接竞争。

如果没有基础设施合作关系，较年轻的实验室可能难以获得足够的处理器来进行前沿训练。大型云提供商能够提供算力容量、工程支持和即时的企业分发渠道。

这可能在模型层面创造更多竞争。客户获得了另一个严肃的选择，而成熟开发商则面临能力、安全性和服务质量方面的压力。

然而，模型层并不是独立于基础设施层而存在的。每个前沿开发者都依赖芯片、数据中心、网络、能源和专业工程能力。

只有数量有限的公司能以全球规模提供这些资源。随着训练工作负载变得更大、更专业化，它们的议价地位也会增强。

这带来了一个棘手的监管选择。阻止合作关系可能保护独立性，却会使挑战者缺乏必要投入；忽视它们则可能让基础设施所有者在多个模型开发者中积累间接影响力。

FTC 报告捕捉到了这种张力，但未予解决。报告指出，合作关系可以帮助扩展产品和分发模型，同时也警告了锁定效应、转换成本以及获取敏感信息的风险。

Google 对 Anthropic 的投资体现了两面性。它支持了 Gemini 的竞争对手，同时也让 Google 在前沿模型开发市场中占据了更近的位置。

Amazon 与 Anthropic 的关系又增加了一层复杂性。Anthropic 已将 Amazon 确定为其主要云和训练合作伙伴，同时仍维持与 Google 的基础设施合作关系。

这种多云策略为 Anthropic 提供了议价能力和冗余保障。它可以根据芯片可用性、效率或技术适配性分配工作负载。

不过，使用多家提供商并不能消除集中化。它反而可能将开发者绑定到多个大型平台，同时让较小的基础设施公司无法参与最有价值的工作。

英国竞争与市场管理局根据并购规则研究了 Google-Anthropic 关系。该机构最终认定，该安排不符合在这些规定下进行进一步调查的条件。

这项并购决定并未宣称该关系在所有竞争理论下都无害。它处理的是英国法律下一个特定的管辖权问题。

同样，美国审查也不应被视为最终裁决。FTC 工作人员报告识别了市场特征和潜在担忧。任何执法行动都需要单独的法律与事实分析。

与 Microsoft 和 OpenAI 相比，政策挑战会更加清晰。两者的关系同样结合了资金投入、云依赖、模型分发和重叠的产品雄心。

因此，监管机构正在审视一种行业结构，而不是孤立的 Anthropic 问题。反复出现的模式，是模型实验室与控制关键计算基础设施的公司结合在一起。

安全性又增添了一项复杂因素。Anthropic 将其训练和部署选择定位为围绕降低风险展开。紧密的基础设施合作能够提供开展更大规模安全评估所需的能力。

与此同时，外部人士可能难以检验安全性主张。独立研究人员很少能获得同等程度的模型权重、训练记录或计算资源访问权限。

云合作关系可能加深这种信息不平衡。合作方获得技术知识，而研究人员、客户和较小竞争对手只能获得公开摘要。

这并不意味着 Anthropic 已发布的研究毫无意义。该公司发布了关于对齐失败、评估方法和模型行为的异常详细研究成果。

但自愿披露不能替代独立审查。实验室自行决定发布哪些实验、删节哪些细节，以及如何描述不确定的结果。

因此，重要的冲突并非安全性与竞争之间的冲突，而是集中化访问与可信问责之间的冲突。

一项合作关系可以支持更安全的开发，同时限制能够审视该开发的人。监管机构必须评估两种后果，而非假定其中一种会抵消另一种。

公开证据未能证明什么

现有记录足以证明持续审查具有正当性，但不足以证明 Anthropic 或 Google 违反了美国法律。

FTC 工作人员报告描述了潜在的竞争影响。它没有指控 Google 窃取 Claude 技术，也没有指控 Anthropic 秘密交出完整的模型配方。

它也没有证明 Google 的投资决定了 Anthropic 的安全政策。Anthropic 曾公开采取与 Google 及其他主要 AI 开发商不同的立场。

该报告同样未解决围绕模型训练的长期版权争议。版权案件探讨开发者是否依法获取和使用了受保护作品；合作关系调查则探讨公司关系如何影响竞争。

一项涉及 Anthropic 的 2025 年联邦裁决说明了这种差异。法官将模型训练与获取源材料视为两个独立的法律问题。

法院在合理使用分析中认定，Anthropic 将书籍用于模型训练属于转换性使用。但法院并未将这一保护延伸至在永久性中央资料库中保存盗版副本。

该裁决涉及特定的主张、原告、记录和程序情形。它并未为每一种数据集或训练实践设立一项全面豁免。

它也没有处理 Google 是否从 Anthropic 获得信息的问题。将版权案件与 FTC 审查结合起来，会产生比任一记录所支持范围更广的指控。

因此，最初的新闻表述应谨慎理解。“美国审查 Anthropic 的训练方法”将几项不同的争议压缩进了一句话。

联邦官员已审查涉及训练数据和 AI 开发方法的关系。法院则分别审查了为 Claude 训练获取和使用书籍的合法性。

美国机构还审视了前沿模型安全与政府访问问题。这些线索相互作用，但适用不同法律，也回答不同问题。

另一个未解决的问题，是敏感技术访问的含义。云提供商必然会观察到一些工作负载信息。监管机构需要判定，何时常规支持会转变为竞争优势。

答案取决于仍大多不公开的细节。相关事实包括员工访问权限、数据保留、内部防火墙、合同限制，以及信息是否可能流向竞争模型团队。

FTC 的公开报告提供的是类别，而非完整的访问地图。删节保护了机密商业信息，但也限制了外部核实。

这为相互竞争的解读留下了空间。支持者可以认为，基础设施合作既有必要，又受到谨慎控制；批评者则可以认为，集中化供应商获得了对新兴竞争对手的特权视角。

公开证据尚未最终证明任一立场。当前最有力的判断范围更窄。

Anthropic 与 Google 的合作关系带来了与信息访问、转换成本和市场集中化有关的合理风险。监管机构记录了这些风险，但未证明存在不当行为。

这一区分既保护了准确性，也保留了这一事件的重要性。监管机构无需等到违规行为完成，便可识别值得监测的市场结构。

企业客户也应采取同样的审慎态度。不应假定模型合作关系会自动暴露其提示词或专有文档。

相反，他们应审查所选部署的数据处理条款、保留控制、模型训练政策、云架构和访问边界。

开发者还应区分模型行为与基础设施治理。一个良好对齐的回答，并不能揭示信息如何在支持该回答的公司之间流动。

同样，多云策略也不会自动保证独立性。它可以提升韧性，同时保留对少数供应商的深度依赖。

因此，核实缺口本身就是新闻的一部分，而不是忽视此事的理由。未得到解答的问题涉及隐藏在熟悉 AI 产品之下的信息路径。

接下来值得关注的事项

三个信号将显示对 Anthropic Google 的审查会发展为更广泛的竞争案件，还是停留在对行业结构的警示。

第一个信号是美国启动新的执法行动或提出强制性信息请求。一份点名具体排他性行为的诉状，将使事件超出 FTC 描述性工作人员研究的范围。

此类行动需要明确的法律理论。监管机构可能聚焦合同限制、歧视性的基础设施访问、滥用敏感信息，或其他可衡量的竞争损害。

若没有这一步，2025 年报告仍将是最清晰的联邦说明。它提供了监测框架，但本身并不施加处罚。

第二个信号是对技术信息边界进行更多披露。Google 和 Anthropic 可以说明哪些团队会接收与训练相关的信息，以及竞争模型团队如何保持隔离。

有用的披露应涵盖访问控制、保留期限、审计流程和升级程序。关于负责任 AI 的笼统承诺无法回答竞争问题。

一项详细的边界政策将削弱“该关系造成不受控制的信息流动”的说法。持续的模糊性则会加强要求监管访问或独立审计的呼声。

第三个信号是 Anthropic 是否保留了实质性的基础设施选择空间。评估新的算力协议时，应关注其排他性、可移植性，以及它们对工作负载迁移的影响。

Anthropic 采用多个芯片平台表明，它希望保持灵活性。实际考验在于，它能否在不面临难以承受的延迟或限制的情况下迁移重要工作负载。

客户分发同样重要。Claude 在相互竞争的云平台上可用，能够支持用户选择；但前提是企业无需重建整个应用程序，就能更换服务提供商。

对 AI 买家而言，这些信号比对企业忠诚度的猜测更有价值。核心问题是，合作伙伴关系能否在保留可执行边界的同时扩大选择空间。

对开发者而言，眼下应采取的行动是记录每项 AI 工作负载的运行位置。注明由哪个提供商处理提示词、存储日志、提供模型访问，以及控制相关身份系统。

团队还应将已证实的披露信息与假设区分开来。模型文档可以说明训练原则，而云协议则规范基础设施和数据处理方式。

Anthropic 与 Google 的故事仍将持续重要，因为它揭示了现代 AI 竞争的多层性质。单一产品可能横跨竞争对手的模型、共享的处理器、云市场，以及彼此交叠的投资关系。

应关注具体的监管指控、可验证的访问控制，以及工作负载确实可移植的证据。这些事实将决定合作带来的益处是否超过迄今已记录的集中化风险。

在此之前，站得住脚的结论应当保持审慎。美国监管机构一直在审查 Google 与 Anthropic 如何交换资源和敏感信息，其中包括部分与训练相关的数据。

它们尚未公开认定 Google 控制了 Claude 的训练，或滥用了 Anthropic 的机密方法。下一项具有实质意义的发展必须以证据弥合这一差距。