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

Flutter 三方库 fsrs 突破鸿蒙端智能认知交互模型的高频动态复习算法引擎适配:搭建复杂离线记忆曲线追踪体系全息掌握大脑突触留存衰退参数助力超效在线学习-适配鸿蒙 HarmonyOS ohos

Flutter 三方库 fsrs 突破鸿蒙端智能认知交互模型的高频动态复习算法引擎适配:搭建复杂离线记忆曲线追踪体系全息掌握大脑突触留存衰退参数助力超效在线学习-适配鸿蒙 HarmonyOS ohos

欢迎加入开源鸿蒙跨平台社区:https://openharmonycrossplatform.ZEEKLOG.net Flutter 三方库 fsrs 突破鸿蒙端智能认知交互模型的高频动态复习算法引擎适配:搭建复杂离线记忆曲线追踪体系全息掌握大脑突触留存衰退参数助力超效在线学习 前言 在 OpenHarmony 智慧教育与个人效能类应用开发中,如何帮助用户高效记忆海量知识点(如单词、医学条目、法律条文)?如果仅仅采用简单的均匀复习,学习效率会由于大量重复已知内容而极其低下。fsrs(Free Spaced Repetition Scheduler)算法库为开发者提供了一套比传统的 Anki (SM-2) 更先进、基于 DSR 模型(Difficulty, Stability, Retrievability)的现代间隔重复调度算法。本文将实战介绍如何在鸿蒙端利用该算法构建一个顶级水平的学习大脑。 一、原直线性 / 概念介绍 1.1 基础原理/概念介绍 fsrs 的核心逻辑是基于 基于三个动态指标的三阶模型:难度 (Difficulty)、稳定性

By Ne0inhk
NTC热敏电阻温度换算太复杂?一篇搞定所有算法!

NTC热敏电阻温度换算太复杂?一篇搞定所有算法!

一、NTC热敏电阻是什么         在嵌入式系统开发中,温度测量是一个常见需求。NTC(负温度系数)热敏电阻因其成本低、灵敏度高而被广泛应用。本文将详细介绍如何利用一个简单的分压电路,结合STM32的ADC和数学公式,实现高精度的温度测量。         NTC是Negative Temperature Coefficient的缩写,意为“负温度系数”。其核心特性是电阻值随温度升高而呈指数型下降。这种特性使其对温度变化极为敏感,非常适合作为温度传感器。 * 工作原理:其半导体材料内部的载流子数量随温度升高而增加,导致电阻下降。 * 关键参数: * R25:在25°C(即298.15K)时的零功率电阻值。这是最重要的标称值,例如常见的10kΩ、100kΩ等。在下文计算中,我们的R0就是指这个值。 * B值:材料常数,单位为开尔文(K)。它描述了NTC电阻-温度曲线的形状,代表了在T1和T2两个温度之间的“斜率”。B值越大,在相同温度变化下,电阻变化率越高。常用值如3380K, 3950K等。 * 优点:成本低、灵敏度高、体积小。

By Ne0inhk
HDFS读写机制深度解析:分布式存储的核心奥秘

HDFS读写机制深度解析:分布式存储的核心奥秘

目录 * HDFS读写机制深度解析:分布式存储的核心奥秘 * 摘要 * 1. HDFS架构概览 * 1.1 核心组件解析 * 1.2 数据块管理机制 * 2. HDFS写入机制深度剖析 * 2.1 写入流程概述 * 2.2 副本放置策略 * 3. HDFS读取机制详解 * 3.1 读取流程实现 * 3.2 读取性能优化 * 4. 容错机制与数据一致性 * 4.1 故障检测与恢复 * 4.2 性能对比分析 * 5. 性能优化最佳实践 * 5.1 配置优化 * 5.2 应用层优化 * 6. 监控与运维 * 6.1 关键指标监控 * 6.

By Ne0inhk