遭“美国政府封杀”后,Anthropic正式提起诉讼!

遭“美国政府封杀”后,Anthropic正式提起诉讼!

整理 | 苏宓

出品 | ZEEKLOG(ID:ZEEKLOGnews)

据路透社报道,当地时间周一,AI 初创公司 Anthropic 正式对美国国防部及特朗普政府提起诉讼,抗议五角大楼将其列为“国家安全供应链风险”主体的决定。

Anthropic 在向美国加州北区地方法院提交的诉讼文件中表示,这一认定“史无前例且非法”,已对公司造成“不可挽回的损害”。公司希望法院撤销该决定,并指示联邦机构停止执行相关认定。

划定 AI 应用红线,双方观点不一

正如我们此前报道,这场争端的核心在于 Anthropic 为其核心 AI 模型 Claude 设定的两条技术使用红线,与美国国防部的使用需求发生根本冲突。

此前,Anthropic 曾与五角大楼签署一份价值最高可达 2 亿美元的合作合同,Claude 也成为少数被纳入美国机密网络环境进行测试的 AI 系统之一。

对此,Anthropic 一直坚持两条底线:

  • Claude 等技术不得被用于对美国民众的大规模国内监控;
  • 不得用于全自主武器系统的作战决策。

而美国国防部认为,一旦政府采购相关技术,其有权在“任何合法用途”中使用,不应受到私营企业设置的技术限制。

2026 年 2 月下旬,五角大楼向 Anthropic 发出最后通牒,要求其在指定期限内取消上述使用限制,否则将被列为“供应链风险”。

Anthropic 首席执行官达里奥·阿莫代伊明确拒绝了这一要求。他表示,公司“无法昧着良心允许五角大楼无限制使用其 AI 模型”,并指出当前前沿 AI 系统的可靠性尚不足以支撑全自主武器等高风险应用,这类使用可能将作战人员和平民同时置于危险之中。

最终,2026 年 2 月 27 日,特朗普发布声明,要求全美所有联邦机构立即停止使用 Anthropic 的相关技术。随后,五角大楼正式将 Anthropic 列入“供应链风险”名单。

3 月 4 日,Anthropic 发文确认已收到美国国防部通知,认定其为对国家安全的供应链风险。

事态升级,Anthropic 起诉

在被列入“供应链风险”后,Anthropic 并未妥协。3 月 9 日,Anthropic 正式向美国国防部及其他联邦机构提起诉讼,指控这一认定缺乏法律依据。

起诉书指出:“Anthropic 与联邦政府签署的合同已经开始被取消。与私营部门的当前及未来合同也面临不确定性,短期内可能危及数亿美元的收入。除了直接的经济损失,Anthropic 的声誉及受宪法《第一修正案》保护的核心自由也正遭受攻击。如果没有司法救济,这些损害在未来数周乃至数月内只会进一步加剧。”

业界的声援

Anthropic 的起诉迅速得到行业回应。提交诉讼数小时后,包括 OpenAI 和谷歌 DeepMind 超过 30 名员工的联名支持声明出现在法院案卷中,其中包括谷歌 DeepMind 首席科学家 Jeff Dean。

声明指出,如果五角大楼对合同条款不满意,本可以“直接取消合同,并购买另一家领先 AI 公司服务”,无需对 Anthropic 施加惩罚性限制。

事实上,彼时在 Anthropic 被列入黑名单数小时后,OpenAI 首席执行官 Sam Altman 宣布 OpenAI 已与美国国防部达成合作,并在 X 平台表示,该机构“对安全高度重视,并希望通过合作实现最佳结果”。此举引发部分 OpenAI 员工抗议。

本次 OpenAI 和 Google 员工的联名声明进一步指出:“如果这一针对美国领先 AI 公司的惩罚性措施继续推进,无疑将影响美国在 AI 及相关领域的产业和科研竞争力,同时也会对本领域围绕 AI 风险与收益的公开讨论产生寒蝉效应。”

其提交的文件还强调,Anthropic 所设红线属于合理安全关切,必须以强有力的防护措施加以保障。在尚无明确公共法律规范 AI 使用的情况下,开发者通过合同条款和技术手段设定的限制,是防止灾难性滥用的重要安全保障。

许多签署声明的员工在过去几周也参与联名公开信,呼吁美国国防部撤回标签,并敦促公司领导层公开支持 Anthropic,拒绝单方面允许其 AI 系统被使用。

最后

目前,Anthropic 与美国国防部的诉讼尚未进入审理阶段,这场政企之间的对抗不仅关乎一家企业的商业利益,更将为全球 AI 技术的军事应用划定边界提供重要参考。

不过对于目前这种状况,Wedbush 分析师 Dan Ives 表示:“未来几个月,这可能对 Anthropic 和 Claude 在企业领域产生连锁反应,一些企业可能会暂停 Claude 的部署,直到法院做出裁决。”

Anthropic 财务主管 Krishna Rao 也在提交法院的文件中指出,政府的行动可能导致公司 2026 年收入减少数亿美元甚至数十亿美元。

参考:

https://www.anthropic.com/news/where-stand-department-war

https://techcrunch.com/2026/03/09/openai-and-google-employees-rush-to-anthropics-defense-in-dod-lawsuit/

https://www.reuters.com/world/anthropic-sues-block-pentagon-blacklisting-over-ai-use-restrictions-2026-03-09/

推荐阅读:

一天开13个会、一个Bug要修200天!前亚马逊L7爆料:这轮大裁员,AI只是“背锅侠”

48小时“烧光”56万!三人创业团队濒临破产,仅因Gemini API密钥被盗:“AI账单远超我们的银行余额”

全球26w+用户在线「养虾」:OpenClaw这一波泼天流量,到底让谁接住了?

未来没有前后端,只有 AI Agent 工程师。

这场十倍速的变革已至,你的下一步在哪?

4 月 17-18 日,由 ZEEKLOG 与奇点智能研究院联合主办「2026 奇点智能技术大会」将在上海隆重召开,大会聚焦 Agent 系统、世界模型、AI 原生研发等 12 大前沿专题,为你绘制通往未来的认知地图。

成为时代的见证者,更要成为时代的先行者。

奇点智能技术大会上海站,我们不见不散!

Read more

【算法详解】理解KMP,真的那么难吗?—— 一篇讲透它的核心思想

【算法详解】理解KMP,真的那么难吗?—— 一篇讲透它的核心思想

🫧 励志不掉头发的内向程序员:个人主页  ✨️ 个人专栏: 《C++语言》《Linux学习》 🌅偶尔悲伤,偶尔被幸福所完善 👓️博主简介: 文章目录 * 前言 * 一、相关概念 * 二、前缀函数 * 三、计算前缀函数 * 四、用前缀函数解决字符串匹配 * 五、kmp 算法模板 * 六、next 数组版本 * 七、周期和循环节 * 总结 前言 本文用尽量详细的语言来讲解说明 kmp 算法内容,学习之前需要知道一点点动态规划的基础,如果不知道最好去了解了解。我们一起来看看算法吧。 一、相关概念 在学习 kmp 算法之前,我们得先提前了解最基本的 “ 动态规划 ” 的知识,否则可能学习的时候会有一些困难,因为它的原理类似于动态规划。 字符串: * 用字符构成的的序列就是字符串。 这个概念很简单,但是我们这里有个小技巧:就和动态规划那样,

By Ne0inhk
力扣校招算法通关:双指针技巧全场景拆解 —— 从数组操作到环检测的高效解题范式

力扣校招算法通关:双指针技巧全场景拆解 —— 从数组操作到环检测的高效解题范式

文章目录 * 前言 * 双指针 * 例题讲解 * 移动零 力扣 * 复写零 力扣 * 快乐数 力扣 * 盛最多水的容器 力扣 * 有效三角形的个数 力扣 * 查找总价格为目标值的两个商品 力扣 * 三数之和 力扣 前言 在力扣校招算法题中,双指针技巧是一类高频且实用的解题方法。它并非真正的 “指针”,而是通过两个数组下标(或迭代器)的协同移动,在数组划分、区间求解、环检测等场景中实现高效遍历与逻辑处理,往往能将时间复杂度从暴力法的 O(n平方)优化至O(n),是校招笔试和面试中突破数组类难题的关键武器。 本专栏将围绕力扣校招高频的双指针题型展开,从 “移动零”“复写零” 的数组操作,到 “快乐数” 的环检测、“盛最多水的容器” 的区间优化,再到 “三数之和” 的多指针协同,逐一拆解双指针的核心逻辑、边界处理与去重技巧,

By Ne0inhk
图的寻路算法详解:基于深度优先搜索(DFS)的实现

图的寻路算法详解:基于深度优先搜索(DFS)的实现

图的寻路算法详解:基于深度优先搜索DFS的实现 * 一、寻路算法概述 * DFS寻路示例 * 二、算法核心思想 * 数据结构设计 * 三、算法实现详解 * 1. 核心数据结构 * 2. 构造函数初始化 * 3. DFS实现 * 4. 路径查询方法 * 四、完整代码实现 * 五、算法测试与应用 * 测试代码 * 输出结果 * 六、算法分析与优化 * 时间复杂度分析 * 空间复杂度 * 优化方向 * 七、DFS寻路与BFS寻路对比 * 八、实际应用场景 * 九、总结 🌺The Begin🌺点点关注,收藏不迷路🌺 一、寻路算法概述 图的寻路算法是图论中的基础算法之一,用于找到从一个顶点到另一个顶点的路径。深度优先搜索(DFS)是实现寻路算法的一种有效方法,它沿着图的深度方向尽可能远的搜索路径。 DFS寻路示例 0123456 从顶点0到顶点6的DFS路径可能是:

By Ne0inhk
设计五种算法精确的身份证号匹配

设计五种算法精确的身份证号匹配

问题定义与数据准备 我们有两个Excel文件: * small.xlsx: 包含约5,000条记录。 * large.xlsx: 包含约140,000条记录。 目标:快速、高效地从large.xlsx中找出所有其“身份证号”字段存在于small.xlsx“身份证号”字段中的记录,并将这些匹配的记录保存到一个新的Excel文件result.xlsx中。 假设:身份证号字段名在两个表中都是id_card。 首先,我们进行准备工作,安装必要的库并模拟一些数据用于测试和性能估算。 pip install pandas openpyxl import pandas as pd import time import random # 为演示和测试,我们可以创建一些模拟数据(实际中使用pd.read_excel读取你的文件)defgenerate_id_card():"""

By Ne0inhk