Anthropic 风险声明被批企业话术，安全形象遭质疑

9月10日，Anthropic 针对过去24小时围绕 AI 风险的安全争议发布官方声明，称 AI 将同时带来巨大收益与前所未有的风险，公司一贯保持透明，模型配有业内最强安全护栏，并率先发布负责任扩展政策（RSP）、是机制可解释性研究的先驱，该领域正被用于分析和预防对齐事故。声明随后引发安全圈强烈反弹，其「安全先锋」形象遭到质疑。

已确认

• Anthropic 官方声明由记者 Hadas Gold 转发扩散，措辞强调「巨大收益与空前风险并存」，但对具体风险内容着墨含糊。
• 声明中 Anthropic 突出自身在机制可解释性和负责任扩展政策上的开创者地位，并称持续以业内最强安全护栏构建模型。
• 声明在 AI 圈引发批评，多位业内人士吐槽「AI 可能毁灭人类」式公关话术，质疑其安全先锋形象。

尚未确认

• 声明所指的具体安全事件细节（研究者 Hubinger 与 Coxon 的相关说法内容）未在帖文中展开，外界对其风险表述是否自洽仍有分歧。

为什么重要

• Shakeel Hashim 撰文批评该声明「非常糟糕」：大量篇幅用于自我表扬，却未坦率讨论风险，也未重申 Hubinger 和 Coxon 的明确说法，认为这家一向以坦诚著称的公司交出了怯懦的「企业话术」。
• 也有不同声音：网友 @menhguin 认为 Anthropic 在风险表态上一致，Dario 等联创多年公开言论与官方口径相近，看不出内部政策冲突；Hesamation 则就「谈风险」与「自身政策」是否自洽提出质疑，讨论仍在延续。

2026-09-10 ~ 2026-09-10 · 5 条相关

事件全程(共 17 集)→

• 第 1 集:Anthropic研究员高调辞职警告AI赌命，引爆阴谋论与安全共识之争(2026-09-09,238 条)
• 第 2 集:前 DeepMind 研究员自曝离职，称同仁真信 AI 灭世风险(2026-09-09,2 条)
• 第 3 集:Anthropic 临近 IPO 的「灭绝风险」言论遭集体嘲讽(2026-09-09,11 条)
• 第 4 集:业内集体担忧 AI 失控，Anthropic 边冲 IPO 边加速(2026-09-09,2 条)
• 第 5 集:AI 圈激辩末日概率：呼吁公开 P(doom) 推导过程(2026-09-09,3 条)
• 第 6 集:AI 灭绝风险警告震动英国议会(2026-09-09,2 条)
• 第 7 集:前Anthropic研究员辞职警告AI风险，引发跨媒体与政界监管浪潮(2026-09-10,32 条)
• 第 8 集:AI 末日论者是否真信引发圈内激辩(2026-09-10,4 条)
• 第 9 集:剑桥教授称 AI 灭绝风险过半 圈内仍系统性低估(2026-09-10,2 条)
• 第 10 集:Anthropic 研究员称开发者自认 AI 或致人类灭绝(2026-09-10,2 条)
• 第 11 集:Anthropic 风险声明被批企业话术，安全形象遭质疑(2026-09-10,5 条)
• 第 12 集:Wildeford 批 Anthropic 公关粉饰安全，呼吁研究员发声(2026-09-10,3 条)
• 第 13 集:Anthropic 前员工辞职帖引爆监管争议，被疑协调公关(2026-09-10,16 条)
• 第 14 集:AI 安全研究者 Irving：超级智能全灭概率约 50%(2026-09-10,6 条)
• 第 15 集:头部实验室连发AI灭绝警告，Coxon辞职帖浏览破1.6亿(2026-09-10,23 条)
• 第 16 集:前Anthropic研究员上NBC警告AI递归自我改进风险(2026-09-11,3 条)
• 第 17 集:前DeepMind研究员自曝年薪超50万美元，离职发声代价巨大(2026-09-12,5 条)

• 【源头】Anthropic 危机声明被批自夸式公关,避谈风险实质 — ShakeelHashim · 2026-09-10
• Anthropic 就风险争议发声明，业内人士吐槽「AI 可能毁灭人类」的公关话术 — Miles_Brundage · 2026-09-10
• Anthropic 风险声明被批企业话术,安全先锋形象遭质疑 — sjgadler · 2026-09-10
• 【源头】Hesamation 质疑：Anthropic 谈风险与自身政策是否自洽 — Hesamation · 2026-09-10

另有 1 条近重复转述:ShakeelHashim