Anthropic于2026年10月26日向美国证券交易委员会提交的S-1注册文件中,有两处表述方向截然相反。在风险披露部分,公司称利用人工智能构建更强大的AI可能带来相当大的安全风险;而在业务战略部分,它又把同一过程(公司称之为“闭环”)描述为前沿AI研发中最重要的结构性优势之一,必须积极推进,否则就会落后。这份由首席执行官达里奥·阿莫迪和总裁丹妮拉·阿莫迪签署的文件,以罕见的详细程度说明了这一循环在公司内部已经闭合到何种程度,以及公司为何认为自己无法放慢脚步。
文件描述了什么
从聊天机器人到虚拟协作者
S-1将AI产品的演进分为三个阶段。聊天机器人给出范围狭窄的一次性回答,比如协助重置密码;副驾驶(Copilot)在应用内部辅助完成任务,比如总结文档;虚拟协作者则承担长时间运行、开放式的工作,具备判断力、迭代能力并能调用工具。
Anthropic表示,它有意将Claude打造为面向第三阶段的产品:承接持续数小时、数天甚至数周、无需人工监督的任务,并以能干的人类同事那样的主动性、自我纠错能力和判断力来执行。文件中的一个例子显示,Claude处理了一次完整的月度会计对账,审核差异,起草管理层评论,为首席财务官编制演示文稿,然后将整套材料转交财务总监做最终签核。
闭环
这些能力最具影响的用途在公司内部。文件称,当前版本的Claude已经在编写代码、运行实验,并协助构建下一代Claude模型。文件中的一张示意图展示了一条流水线:人类程序员和计算机把工作移交给智能体,再移交给自主运行的集群,最终以“Claude构建Claude”收尾,标注为“闭环”。
第二张图展示了围绕Claude的两个飞轮。改进循环从更好的模型到更多用例,再到更多反馈,然后回到更好的模型;投资循环从更高的增长到更多投资,再到更强的能力。公司的论点是:谁最快闭合这一循环,谁就能同时让两种优势复利增长。
文件随后补充了竞争逻辑,解释了警告与战略为何并列出现:如果Anthropic未能积极利用AI加速自身创新周期,而竞争对手做到了,它就有逐渐落后的风险。需要记住的一点是,S-1是具有法律约束力的文件,但它同样是为了说服潜在投资者而写的,因此其对风险和优势的表述值得仔细解读,而不能照单全收。
战略背后的数字
2026年上半年的财务数据表明,公司的支出与其表述一致。营收约为$165亿-170亿。扣除营收成本、销售与营销费用以及一笔不大的一般行政费用(公司的人力资源仍在Workday上运行)之后,研发支出之大足以使该期间出现经营亏损。
生产率数据是这一循环变得可见的地方:
| 指标 | 2025年以前 | 截至2026年9月 |
|---|---|---|
| 人均营收 | 约$100万 | 超过$600万 |
| 每位开发者贡献的代码量 | 基线(2022至2024年) | 基线的6至7倍 |
| 员工人数 | - | 约600人(2026年年中) |
一张按季度统计的每位开发者代码产出图表,时间跨度从2021年第二季度到2026年第二季度,显示曲线自2025年年中起急剧上扬。

▲ AI从辅助内部工作转向主导
从辅助到主导
另外两张图表追踪了2025年8月到2026年9月间Claude在公司内部角色的变化。
第一张衡量Claude Code会话无需纠正即可成功的频率,按任务难度细分:
| 任务类型 | 2025年8月 | 2026年9月 |
|---|---|---|
| 琐碎 | 约95% | 约95% |
| 常规 | 约80% | 约90% |
| 实质性 | 约60% | 约90% |
| 开放式 | 约15% | 约85% |
第二张衡量内部任务由谁主导:
| 模式 | 2025年末 | 2026年年中 | 2026年8月 |
|---|---|---|---|
| AI辅助 | 约60% | 下降 | 低于20% |
| AI协作 | 上升 | 峰值约75% | 趋平后略有回落 |
| AI主导 | 接近0%(2026年2月) | 上升 | 约25% |
这些曲线的形态比任何单个数字都更重要。辅助在收缩,协作达到峰值后开始回落,而“AI主导”的份额从2026年2月的几乎为零,六个月后增至全部内部工作的约四分之一。公司自己的时间表预计,完全的递归式自我改进,即AI自主编写并完善自身,可能在一到两年内到来。
为什么单家公司的选择无法减缓循环
文件的竞争框架解释了这一动态为何难以在单个企业层面停下。Anthropic明确表示,如果它不用AI加速自身研发而对手这样做,它就会失去优势。每个竞争者都可以提出同样的论点。改进循环与投资循环还相互强化:更快的循环产生更好的模型,更好的模型吸引更多营收和资本,而这些资本又为更快的循环提供资金。按照文件自身的逻辑,一家退出循环的公司等于选择在两方面同时落后。
这似乎正是悖论的核心。从公司的角度看,风险披露与战略并不矛盾;它们描述的是一场公司认为必须参与的竞赛,哪怕它同时点明了其中的危险。
检测难题
文件中最引人注目的承认涉及时间问题。Anthropic承认,其关于AI驱动加速的数据,大多来自滞后指标。直白地说,上面的图表描述的是已经发生的事情,而不是正在发生的事情。公司警告,其自身领导层和外部观察者可能要等到显著加速发生很久之后才能察觉。
Situational Awareness研究团队的一张图表描绘了这一担忧所指向的情景。该图以GPT-4为基准对有效算力做归一化,时间横跨2018年到2030年,纵轴从10的0次方到10的16次方,能力标记从学龄前儿童水平的GPT-2,到聪明高中生水平的GPT-4,再到研究员Alec Radford的自动化版本、自动化AI研究和超级智能。沿着这条路径,一旦AI开始优化AI,稳步进展就会陡然变成近乎垂直的攀升,这一情景常被称为智能爆炸。文件提出的具体危险并非陡峭本身,而是可能错过曲线转折的那一刻。
这一承认也是知名研究者和安全倡导者一直推动对前沿实验室进行独立政府检查的最清晰理由:如果内部指标在设计上就滞后,那么拥有实时访问权限的外部观察者,就成了事后才知情之外的唯一选择。
当前模型距离真正的发明还有多远
一个合理的反驳是,这一切听起来像是为抬高估值而编的科幻故事。独立证据支持这种怀疑的一部分。Epoch AI的InnovationEval基准测试模型能否独立复现机器学习史上的突破,并使用2026年以前的数据以避免污染。以人类原创发明的100%为基线,GPT-5.6 Sol得分约为12%,Claude Fable 5约为2%。

▲ 模型自我审计时的缺陷传播
换句话说,高代码产出并不等于全新的概念发明,当前前沿模型在后者上仍远未达到人类水准。但基准与文件之间的差距,可能没有看上去那么重要。无论外部观察者是否相信递归式自我改进即将到来,Anthropic表示自己相信,并正基于这一假设投入数十亿美元。
谁来检查检查者
文件点明了第二个直接源自第一个的风险。随着内部对自有AI系统的依赖加深,任何细微的缺陷、偏差或算法错误都可能在无人察觉的情况下传递到模型的未来版本中。由于Claude编写了Anthropic的大部分代码,并承担了其大量内部安全研究,可能带有潜在盲点的系统,恰恰就是负责审计、发现和防止错误的那个系统。
这就造成了一个循环监督问题。一代模型中的缺陷可能被下一代继承,而下一代又带着同样的盲点去评估再下一代。经过几代之后,这个错误之所以不可见,恰恰是因为审计者与它共享同一盲点。
关闭开关的问题
公众对失控AI最常见的疑问是,能不能干脆把它关掉。在狭义的技术层面上,今天的答案是肯定的:前沿模型运行在物理数据中心里,运营者可以切断电源。
但把前面两项承认放在一起看,这道保障在实践中就显得薄弱得多。如果加速只体现在滞后指标中,如果错误能在递归循环内无声传播,那么任何失控事件很可能在握着开关的人意识到需要按下它之前就已经在进行。等决策者认出那一刻时,那一刻早已过去。
如何解读这一警告
S-1展示了一家在运营和财务上都已承诺用Claude构建更强大Claude的公司,它在自己的指标中记录了循环的闭合,又在自己的风险章节中点明了由此产生的危险。其竞争逻辑表明,任何一家公司的克制都无法减缓这一动态。独立基准显示当前模型距离人类水平的发明仍很遥远,但公司的支出反映的是它自己的预测,而不是基准。
对读者而言,可以得出几点实际建议:
- 阅读监管文件,而不只是新闻稿。为SEC撰写的风险章节会说出营销材料从不会说的话,即使它们同样是写给投资者看的。
- 以自主程度的转变(从辅助到协作再到主导)来判断AI进展,而不是只看原始的完成速度。“AI主导”这条线才是值得盯住的。
- 把滞后的产出指标视为不足以支撑安全监测。如果加速只能事后看见,监督就需要事前的访问权限。
- 支持对前沿系统进行独立的外部评估,而不是接受让模型审计自己的代码和自己的安全工作的安排。
这一切都无法断定智能爆炸是否临近。但它确实意味着,对Claude负有最大责任的那家公司已经把自己的警告写进了书面文件,而且这一警告关乎检测能力,不亚于关乎模型能力。


