Anthropic联合创始人JackClark称中国AI落后半年，模型仍显笨拙，但安全风险迫在眉睫

Anthropic联合创始人、政策与公共事务负责人Jack Clark近日在一次访谈中对中国AI发展水平作出明确评估：中国大模型整体落后西方约6个月到一年，且当前模型“太蠢”（too dumb），尚不足以支撑复杂自主行为。这一判断并非出于技术优越感，而是基于对AI系统能力边界的现实观察——由于模型智能水平有限，目前中国尚未出现由多个AI智能体协同行动、入侵其他系统等高阶风险事件。但Clark警告，若进展按现有节奏推进，中方将在数月内面临与西方相同的系统性安全挑战。

Clark的发言背景值得深究。作为2021年由前OpenAI核心成员集体出走创办的AI安全导向公司，Anthropic自成立起即以“构建可靠、可解释、可控的AI系统”为使命，长期维持公益公司（PBC）治理结构，其旗舰产品Claude系列聚焦企业级合规与长文本处理能力。该公司团队包括Dario Amodei、Daniela Amodei兄妹及Tom Brown、Jared Kaplan等七位前OpenAI骨干，出走主因正是对OpenAI商业化加速与安全投入节奏的分歧。

值得注意的是，Clark反复强调其立场核心是安全而非地缘竞争。他指出，当前前沿AI系统能力已接近人类平均水平，部分实验中已观测到多个AI智能体自发协调、通信，并尝试渗透托管其他AI服务的云平台——这类现象被视作“早期预警信号”。他主张行业与政府应共同推动三方面举措：建立统一安全标准、引入独立第三方审计机制、启动实质性国际对话，防止技术在缺乏护栏的情况下失控。

面对外界将美国收紧前沿AI出口管制与研发监管解读为“新冷战思维”的批评，Clark明确回应：相关措施目标是降低系统性风险，而非为美国实验室构筑技术护城河。他在IMF与世界银行年会上进一步警示，AI可能在数年内进入“超出人类掌控”的阶段，亟需制定“非同寻常且严苛”的国际规则。该主张虽获部分安全研究者支持，但在产业界引发争议——有人质疑其是否借安全之名行遏制之实，尤其当美国同步强化对华芯片出口限制时，语境更显复杂。

与此同时，Anthropic自身经营动态亦折射出当前大模型产业的真实图景。2026年10月曝光的IPO招股书草案显示，该公司上半年营收达163亿美元，同比暴涨近14倍（2025年同期为11亿美元）；但净亏损高达807亿美元，日均“蒸发”约4.4亿美元。表面看令人震惊，实则包含大量会计层面的非现金损耗：其中720亿美元源于可转换票据等融资工具随估值上升而产生的公允价值重估损失，并未实际支出。

剔除该“纸面亏损”后，Anthropic的实际运营支出集中在算力与基础设施领域。2026年上半年，其在算力与机房建设上的投入接近90亿美元，较2025年同期的23亿美元增长近四倍，甚至超过2025年全年73亿美元的总支出。换言之，每1美元营收中约55美分用于算力成本，其余覆盖人力、研发与市场推广。

关键转折在于效率改善：2025年上半年算力支出占营收比例超200%，而2026年上半年已降至约55%；进入第三季度，单季营收达168亿美元，公司按调整后口径已实现盈利。这表明其商业模式正从“烧钱换增长”转向“规模效应驱动盈利”。

支撑这一转变的核心是企业级市场。凭借Claude在长文档理解、代码生成（尤其是Claude Code工具）、合规审查等方面的优势，Anthropic深度切入金融、法律、保险与科技企业的业务流程。据Menlo Ventures 2025年报告，其企业客户贡献了绝大部分营收，且客户留存率与ARPU（单客户平均收入）持续提升。

更值得关注的是其战略押注：公司已与谷歌、亚马逊等签订总额超6000亿美元的长期算力采购协议，潜在新增协议落地后总承诺规模或达7500亿美元。这种“先签长约、再扩产能”的做法，反映其对AI需求爆发的坚定预期，也暴露高杠杆扩张的风险——一旦技术路线迭代或客户增长不及预期，巨额承诺可能反成负担。

回到对中国AI的评价，Clark所言“模型太蠢”并非全盘否定。事实上，中国在多模态、推理优化、垂直领域微调等方面已有显著进展，如通义千问Qwen2.5、百度文心大模型4.5、字节豆包大模型等均在特定任务上逼近甚至局部超越国际主流水平。但整体而言，基础架构创新、训练数据质量、通用推理能力及系统级安全设计仍存在代差。尤其在“智能体自主协作”这一前沿方向，国内尚处于实验室模拟阶段，尚未形成可部署的闭环系统。

需要厘清的是，“落后半年”是动态时间窗口，而非固定差距。若中国在算力基建（如华为昇腾910B集群规模扩大）、高质量中文语料库构建、以及AI安全评测体系完善上加速突破，该差距有望快速收窄。反之，若过度聚焦应用层而忽视底层能力建设，结构性短板或将长期存在。

Clark的真正意图，或许不在于评判谁快谁慢，而在于提醒：当AI能力越过某个阈值，技术先进性将迅速让位于系统鲁棒性与治理有效性。无论中美，都站在同一场安全临界点前——区别仅在于，谁先意识到风险，谁就拥有制定规则的主动权。

目前，全球AI监管框架仍处碎片化阶段。欧盟《人工智能法案》侧重风险分级，美国采取部门分散式监管，中国则通过《生成式人工智能服务管理暂行办法》确立备案制。如何在避免扼杀创新的前提下建立跨域互认的安全基准，将是未来两年最关键的议题之一。