Anthropic 供应链裁决因联邦 AI 保障措施面临挑战

在 17 名前国家安全官员对一项允许五角大楼将 Claude 排除在其供应链之外的法院裁决提出质疑后，Anthropic 再次受到关注。这项 Anthropic 供应链裁决已将围绕军用 AI 保障措施的争议，演变为对联邦采购权力更广泛的检验。这些官员认为，将开发商的使用限制视作安全威胁，会打击保障措施，并削弱政府获取先进技术的能力。

他们于 10 月 20 日提交的文件，请求美国哥伦比亚特区巡回上诉法院全院重新审议。根据 MeriTalk 关于重审挑战的报道，签署人包括 Avril Haines、Jake Sullivan、Susan Rice 和 Wendy Sherman。他们的警告既涉及对其他供应商可能产生的先例，也关乎 Anthropic 的即时商业利益。

核心冲突在于：五角大楼要求获得可靠访问权限，而 Anthropic 坚持对某些军事和监控应用施加限制。包括 OpenAI 和 Google 在内的其他开发商也面临同样的根本谈判：当政府客户希望使用供应商拒绝授权的能力时，会发生什么？答案的重要性不止于选择一个聊天机器人。它决定合同分歧将如何转化为安全认定，以及这些认定会在政府技术采购中延伸到何种程度。

Anthropic 供应链裁决实际改变了什么

9 月的裁决维持了一项具体采购行动；10 月提交的文件要求法院重新考虑这一结果。

2026 年 9 月 25 日，哥伦比亚特区巡回上诉法院一个存在分歧的合议庭驳回了 Anthropic 针对其依据《联邦采购供应链安全法》被排除在外的挑战。该法律通常简称为 FASCSA，赋予机构处理联邦技术采购安全风险的权力。Gregory Katsas 法官和 Neomi Rao 法官构成多数意见，Karen LeCraft Henderson 法官则持异议。

这份合议庭意见书解释了为何该分歧超出了普通的改向另一家供应商采购的决定。多数意见认为，Anthropic 限制 Claude 运行的能力和意愿，构成了该法律涵盖的风险。其推理并不要求认定 Anthropic 意图帮助对手。

这一差异赋予了该裁决更广泛的意义。供应商可以公开施加限制，认为这些限制能够保护用户，却仍可能为政府客户带来运营层面的顾虑。按照多数意见的路径，在满足法定要求时，这些顾虑可以支持排除决定。国会是否原本意图让该法律覆盖这种情形，正是法官们意见分歧所在。

眼下的新闻焦点，是试图重新审视这一解释。重审请求本身并不会推翻判决，也不会授权此前受限制的采购。全院重审意味着由全体法院而非原合议庭重新审议，但仍须遵循法院程序。这些前官员希望进行更广泛的审查，因为他们认为该裁决会对整个国防市场的供应商产生重大影响。

时间线同样需要谨慎处理。受到挑战的裁决于 9 月作出；支持性文件于 10 月提交。将该文件描述为一项新的禁令，会掩盖实际变化。新进展是，针对支持现有采购限制的法律标准，出现了有组织的挑战。

因此，对于关注 Anthropic 与五角大楼争议的读者而言，问题已经转变。此前的谈判围绕双方能否就可接受用途达成一致；上诉则关乎对这些条款的分歧，是否足以支持动用供应链安全权力。这一转变提高了那些技术带有操作限制的公司的风险。

谈判失败通常只会让客户自由选择另一家供应商。安全认定则会在买卖双方之间引入一种不同的关系。它将法定权力、行政认定和司法审查带入一场始于合同措辞的争议。

联邦采购方在访问权限与控制权之间面临选择

实际压力落在既需要强大 AI，又需要可预期使用许可的机构和承包商身上。

AI 模型，即根据输入信息生成输出的训练系统，并不会仅仅因为某个机构能够访问它就变得有用。部署还取决于权限、集成、测试，以及对系统将执行哪些任务的清晰认识。当用户在敏感行动期间依赖该系统时，这些条件尤为重要。

正如多数意见所述，五角大楼的担忧涉及在政府获授权的运行要求下的可靠性。当供应商认为某项拒绝恰当时，模型拒绝执行任务仍可能中断工作流程。从客户角度看，对拒绝行为的不确定性成为产品运营风险的一部分。

Anthropic 对这种不确定性持不同看法。在其 2 月 26 日关于军事使用保障措施的声明中，该公司为针对大规模国内监控和完全自主武器的限制进行了辩护。该公司认为，现有 AI 无法安全、可靠地支持后一类应用。这是 Anthropic 的既定评估，而非对每一种可能军用系统的独立评估。

该公司还描述了现有的国家安全用途，包括情报分析、行动规划、建模、模拟和网络行动。这些例子有助于解释，替换模型为何比更换一个应用订阅更复杂。模型可能已成为更大流程的一部分，涉及受限信息、既定程序以及围绕其行为接受培训的人员。

以一个说明性的情报工作流程为例：它使用 AI 整理文件，并准备初步分析摘要。替换底层模型时，需要检查它是否遵循指令、保留相关差异，以及能否以可接受的方式处理不确定性。看似相近的回答并不能证明性能等同。

替代模型可能在某些任务上表现更好，在另一些任务上则更差。团队仍需评估对其部署至关重要的任务。这是关于切换系统的实际推断，而不是表明某一特定机构已经经历有记录的故障。

承包商还面临额外一层不确定性，因为他们可能通过另一种产品或服务间接接触模型。他们需要了解究竟是哪个组件在执行工作，以及该工作适用哪些限制。仅凭一个知名应用名称，无法回答这些问题。

这正是 Anthropic 供应链裁决超出诉讼范围之处。在规范双方关系的规则仍存在争议时，采购方必须决定对供应商形成多大程度的依赖。开发商则必须决定，联邦市场是否支持其认为必要的限制。

任何一方都无法仅通过泛泛承诺负责任的 AI 来解决这种紧张关系。采购方需要具体的运行预期，供应商需要明确的边界。当系统已经变得有用之后，这些预期才出现分歧，采购关系就会变得不稳定。

安全限制成为供应链风险的证据

核心权衡在于：供应商的保障措施究竟是在保护部署，还是使其运行变得不够可靠。

多数意见和异议意见通过法律条文的含义来审视这一问题。多数意见对相关措辞作出足够宽泛的解读，以涵盖 Claude 设计中内置的限制。Henderson 则认为，该措辞应反映其上下文中提及的破坏和其他蓄意有害干预。

这种分歧之所以重要，是因为正常的 AI 开发必然会塑造模型行为。训练决定模型会回应、拒绝、误解或谨慎处理哪些请求。因此，拒绝可以反映一种有意的设计决定，而不涉及供应商远程干预已部署的系统。

政府的论点将其中一些设计决定视作运营脆弱性的来源。如果模型无法可靠地执行政府认为必要的功能，客户可能会认为继续依赖它不可接受。多数意见接受了该部门在法律框架内提出的理由。

Henderson 的异议则涉及该框架的边界。如果公开执行的合同限制也可被视为操纵，该法律就可能延伸至围绕产品限制的普通分歧。她的异议警告称，未来供应商若在类似处理方式的威胁下被要求改变政策，其谈判地位将受到影响。

通过一个假设性对比，最容易看清这一差异。一家供应商可能披露其软件不会执行某项特定任务。另一个情况是，供应商可能秘密修改软件，以阻碍客户的运营。两种情况都可能影响功能，但它们在同意、欺骗和法定权力方面引发不同问题。

争议中的解释涉及，在该法律下这种差异有多重要。客户对已披露限制的不满，并不能自动解决供应链安全权力是否适用的问题。反过来，供应商真诚的安全理由，也不会自动消除运营风险。

这些前官员支持对政府权力作出更狭义的理解。DefenseScoop 对这一采购先例的报道提到，他们警告该裁决威胁到其他国防承包商。他们认为，对维持保障措施的惩罚将影响未来供应商与政府谈判的方式。

这一预测仍然只是预测。报道并未证明开发商已因该裁决而普遍放弃保障措施。其意义在于官员们指出的激励机制：如果限制会使供应商面临被排除的风险，商业上维持这些限制将更加困难。

因此，Anthropic 与五角大楼的争议令双方对安全的定义都承受压力。Anthropic 强调防止不当或不可靠的使用。五角大楼则强调国家安全任务所需的可靠功能。双方各自指出采购安排应当防止的一种不同失败。

可信的评估必须审视这两类失败。移除限制并不能证明由此产生的系统可以安全执行任务。保留限制也不能证明由此产生的系统满足客户要求。法律争议决定的是，哪些政府权力可以处理这种不匹配，而非解决技术问题本身。

竞争性 AI 供应商继承同样的合同难题

更换开发商会改变供应商，但采购方仍需明确可接受的用途和可靠的性能标准。

OpenAI 和 Google 提供了相关的竞争背景，因为联邦 AI 采购涉及多家开发商。它们的存在并不意味着其产品可与 Claude 相互替代，也不意味着它们的合同限制或技术表现与 Anthropic 相同。

有价值的比较应聚焦于采购关系。每个潜在供应商都必须说明其系统可支持的工作、施加的限制，以及部署所适用的条件。采购方随后需要判断，这些条件是否符合预期任务。

愿意接受更宽泛合同措辞的供应商，可能为政府提供更大的形式灵活性。但这些措辞仍须与模型的实际行为相符。获准尝试一项任务，与已证明能够可靠完成该任务，仍是两项不同的考量。

反过来，同样的区别也成立。条款更严格的供应商，可能提供采购方高度重视的能力。采购方随后需要判断，这些能力在既定限制下是否依然有用。品牌知名度或笼统的性能排名，都无法直接得出任一结论。

Claude 此前面向政府的分发情况说明了其中的复杂性。Anthropic 和 Palantir 于 2024 年 11 月宣布了一项涉及 Amazon Web Services 的政府 AI 合作伙伴关系。该公告涉及为美国情报和国防行动提供访问权限。它表明，模型可以通过软件和云服务提供商的组合触达政府用户。

此类安排使供应商身份成为一个运营问题。应用提供商、模型开发商和托管服务商，可以在同一服务中承担不同角色。因此，针对其中一方的采购限制，可能需要审查整个交付安排。

这并不意味着每项集成都面临相同的法律待遇。它意味着采购方需要具备足够的可见性，以了解自己购买的产品。缺乏这种可见性时，有关供应商资格的保证可能难以与实际执行工作的系统对应起来。

对于政府以外的企业采购方而言，教训同样具体。更换模型可能改变输出质量、拒答行为，以及支持既有部署的证据。团队不应将供应商替换视为此前评估仍然适用的证明。

持续维护的AI 知识库可以帮助整理评估结果、供应商文件和部署决策。关键的规范是保留作出选择的推理过程，以便在条款或产品发生变化时仍可审查。

对于争取联邦业务的开发商而言，Anthropic 采购限制使得及早澄清边界变得必要。模糊的承诺可能掩盖分歧，直到客户已依赖该系统。清晰的条款无法保证达成一致，但能让分歧在部署扩大前更容易被识别。

法律分歧限制了关于政府禁令的宽泛主张

诉讼涉及不同的法定授权，因此一项程序中的胜诉并不会自动解决另一项程序。

当被简化为新闻标题时，加州和华盛顿特区的裁决可能显得相互矛盾。一家法院裁定涉及 Anthropic 的政府行为不成立；另一家法院则维持了一项排除决定。其根本区别在于每项程序所处理的法律授权。

Holland & Knight 对特定合同限制的分析指出，加州案件涉及另一项独立的法定条款。其对供应链风险的定义不同于华盛顿特区巡回上诉法院审议的 FASCSA 措辞。上诉合议庭区分了这一框架，而非简单推翻加州法院。

在一个组织内评估 Anthropic 采购限制时，这一点十分重要。某项认定的存在，本身并不能说明每一项适用的合同要求。具体范围取决于相关授权、采购行为和实施方式。

该律所 9 月的分析还警告称，限制不一定会延伸至承包商的整个企业。在受覆盖合同的履行期间使用，与无关的商业使用可能引发不同问题。因此，读者不应将一则法院新闻标题转化为有关每位员工访问权限的普遍说法。

同样，也存在实质性论点，反对将官员的警告视为最终结论。多数意见审议了 Anthropic 提出的法定和宪法异议，并在本案中予以驳回。其推理使政府立场较无依据的安全担忧主张更具分量。

在第一修正案问题上，多数意见区分了受保护的倡议活动与拒绝接受合同条款。其认定，案卷并未证明 Anthropic 的言论与采购行为之间存在所需的因果联系。前官员对政府动机提出异议，但其提交的文件并未消除这一司法认定。

程序上的分歧同样需要精确看待。批评者强调公开公告与后续正式认定之间的顺序。多数意见审议了该程序，并接受了政府的辩护，包括其关于紧迫性的解释。这些相互竞争的解读都应一并纳入叙述。

技术结论同样仍然有限。裁定某机构在其授权范围内行事，并不认证替代模型的安全性。为 Anthropic 辩护的文件，也不意味着 Claude 符合所有军事要求。法律授权、工程性能和公共政策在此交汇，但并不因此成为同一个问题。

Anthropic 供应链裁决所支持的结论，比任一方最强烈的言辞都更为狭窄。合议庭依据其面前的授权维持了被质疑的行为。前官员正在寻求重新审议，因为他们认为其推理带来的后果超出了该行为本身。

这些后果是否会成为现实，仍需要后续采购决定和供应商行为的证据。在此之前，区分既定裁决与预测，仍是理解这场争议的关键。

三项进展将显示这一先例的影响范围

接下来值得关注的信号，是法院的回应、采购实施情况，以及供应商条款变化的证据。

首先，关注华盛顿特区巡回上诉法院如何处理重审请求。决定重新审议案件，将重新审查合议庭的推理，但并不保证结果会改变。若拒绝重审，在该阶段将维持合议庭裁决。

任何后续意见的实质内容，比笼统宣布胜利更重要。读者应留意对已披露使用限制、操纵的含义，以及拒绝接受合同条款与受保护言论之间关系的讨论。这些边界的改变将直接影响前官员所指出的先例。

其次，关注各机构和合同官如何说明适用要求。书面实施文件将显示该裁决如何影响具体采购。相关证据包括：限制是否延及特定交付成果、支持服务，或合同履行期间使用的技术。

广泛实施将强化官员对于供应商市场整体后果的警告。狭窄实施则会限制部分即时影响，同时保留其底层解释。无论哪种结果，都不应仅凭重审申请的存在而推断得出。

第三，关注是否出现证据表明，开发商正因应变化而调整合同条款或运营保障措施。修订后的协议、记录在案的采购要求和部署评估，将比关于支持国家安全的笼统表态提供更多实质内容。问题在于，行为是否会随着言辞一同改变。

若有证据显示供应商为维持资格而取消此前一直保留的限制，将支持有关保障措施激励被削弱的担忧。若有证据显示协议边界明确、同时保留有益限制，则会使这一预测更为复杂。单一竞争性合同授予本身无法解决这一问题。

这些信号为未来数月评估 Anthropic 供应链裁决提供了实用途径。它们将法律解释与实际采购和产品决策联系起来，也让注意力集中于读者能够验证的结果，而非假定必然伤害或轻易替代。

对于评估政府 AI 风险敞口的团队，应从约束某项部署的实际文件入手。确认模型、其预期任务、适用合同条款以及支持其使用的证据。将采购资格与技术适用性分开看待，并记录任何仍不确定之处。然后，将未来公告与这一基线进行比较：一项新决定是否改变了谁可以供应该系统、系统被允许执行什么任务，或如何评估其性能？沿着这些问题追踪，将使后续进展更容易评估。应结合前官员的异议阅读法院推理，再追踪实施情况是否支持其有关联邦访问权限和保障措施的警告。决定性问题在于，这些相互竞争的要求将如何体现在下一份可执行协议中。