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

零代码AI革命:万字实战指南,用Dify轻松构建企业级智能知识库

零代码AI革命:万字实战指南,用Dify轻松构建企业级智能知识库

前言 在当今这个信息爆炸的时代,数据已成为企业和个人的核心资产。然而,如何从浩如烟海的文档、报告、手册和笔记中,高效、精准地提取所需信息,已成为一个普遍存在的痛点。传统的关键词搜索,面对复杂和口语化的查询时常常显得力不从心,无法真正理解用户的深层意图。我们迫切需要一种更智能、更接近自然语言交互的解决方案。 当下普遍存在的几大痛点: 1. 知识孤岛与检索困境: 企业内部的知识散落在不同的系统(如 Confluence, SharePoint, 本地文件夹)中,形成一个个信息孤岛。员工,尤其是新员工,为了找到一个问题的答案,可能需要在多个平台之间来回切换,耗费大量时间,效率低下。 2. AI 技术应用门槛高昂: 大语言模型(LLM)的出现为解决上述问题带来了曙光。但对于大多数非 AI 专业的开发者和中小企业而言,从零开始部署、微调、管理一个大模型,并将其封装成可用的应用,涉及到复杂的后端开发、算法知识、GPU 资源管理和高昂的运维成本,是一项几乎不可能完成的任务。 3.

By Ne0inhk
KimiClaw/MaxClaw/NullClaw/OpenFang/ZeroClaw/PicoClaw/TinyClaw/Miclaw/ArkClaw等18大小龙虾AI Agent框架技术选型全解析

KimiClaw/MaxClaw/NullClaw/OpenFang/ZeroClaw/PicoClaw/TinyClaw/Miclaw/ArkClaw等18大小龙虾AI Agent框架技术选型全解析

OpenClaw登顶GitHub全球TOP1!26万星超越React/Linux,KimiClaw/MaxClaw/NullClaw/OpenFang/EasyClaw/CoPaw/OpenClawChinese/LobsterAI/ClawPhone/Nanobot/NanoClaw/IronClaw/ZeroClaw/PicoClaw/TinyClaw/Miclaw/ArkClaw等18大AI Agent框架技术选型全解析 文章标签:#OpenClaw #GitHub星标第一 #KimiClaw #MaxClaw #NullClaw #OpenFang #EasyClaw #CoPaw #OpenClawChinese #LobsterAI #ClawPhone #Nanobot #NanoClaw #IronClaw #ZeroClaw #PicoClaw #TinyClaw #Miclaw #ArkClaw #AIAgent框架 #技术选型 #GitHub开源 🔥 历史性时刻:2026年3月,OpenClaw以26万+ GitHub Stars正式超越React(24.

By Ne0inhk

find-skills技能全解析:一键解决AI Agent技能搜索、安装与管理痛点

find-skills技能全解析:一键解决AI Agent技能搜索、安装与管理痛点 在AI Agent使用过程中,“找技能、装技能、管技能”是多数用户面临的核心难题——要么四处搜罗技能资源,要么切换平台搜索打断工作流,要么安装后难以统一管理更新。此前在Skills蓝皮书分享过的Skills.sh资源库中,一款名为find-skills的技能异军突起,不仅登顶24h安装榜榜首,长期稳居总榜第二且持续上升,日均安装量突破10k+,与第二名拉开显著差距。 这款由Vercel官方发布的技能,之所以能快速走红,核心在于它完美解决了技能获取与管理的全流程痛点,无需切换平台、无需复杂操作,仅需在单个Agent中运行,就能完成技能搜索、安装、检查、更新的闭环。本文将从核心优势、详细操作步骤、注意事项三个维度,全方位解析find-skills的使用方法,帮助用户高效利用AI Agent技能,提升工作效率。 一、find-skills核心优势:为什么它能成为“技能神器”? 在find-skills出现之前,用户获取技能的方式普遍存在诸多弊端,而它的出现的实现了技能管理的“一站式闭环”,具体优势对比及

By Ne0inhk
人工智能:预训练语言模型与BERT实战应用

人工智能:预训练语言模型与BERT实战应用

人工智能:预训练语言模型与BERT实战应用 1.1 本章学习目标与重点 💡 学习目标:掌握预训练语言模型的核心思想、BERT模型的架构原理,以及基于BERT的文本分类任务实战流程。 💡 学习重点:理解BERT的双向注意力机制与掩码语言模型预训练任务,学会使用Hugging Face Transformers库调用BERT模型并完成微调。 1.2 预训练语言模型的发展历程与核心思想 1.2.1 为什么需要预训练语言模型 💡 传统的自然语言处理模型(如LSTM+词嵌入)存在两个核心痛点:一是需要大量标注数据才能训练出高性能模型,二是模型对语言上下文的理解能力有限。 预训练语言模型的出现解决了这些问题。它的核心思路是先在大规模无标注文本语料上进行预训练,学习通用的语言知识和语义表示,再针对特定任务进行微调。这种“预训练+微调”的范式,极大降低了对标注数据的依赖,同时显著提升了模型在各类NLP任务上的性能。 预训练语言模型的发展可以分为三个阶段: 1. 单向语言模型阶段:以ELMo为代表,通过双向LSTM分别学习正向和反向的语言表示,再拼接得到词向量。但ELMo本质还

By Ne0inhk