美国人工智能公司Anthropic在5月14日发布的政策文章中称,前沿AI系统正在进入一个能力加速阶段。该公司认为,到2028年前后,最先进的AI可能不只是回答问题或生成内容,而会更深地参与软件安全、半导体、生物技术和材料科学等领域的发现过程。

这篇文章原本聚焦美国与中国在AI领导权上的竞争。若只看“AI发现”这一层,它提出的核心判断是:谁拥有更强的前沿模型和更多先进算力,谁就可能更快发现漏洞、改进模型、缩短科研周期,并把优势扩展到其他关键技术领域。

Anthropic称,先进AI模型将能够压缩多个行业的研发周期。这包括半导体、生物技术和先进材料。该公司还认为,AI本身会越来越多地用于训练和改进下一代AI模型,使模型能力提升形成更快的反馈循环。

Anthropic关注的AI发现能力

领域 可能变化 文章中的含义
软件安全 更快发现和修复漏洞 AI可协助识别、串联和修补安全缺陷
AI研发 模型参与训练新模型 前沿模型可能加速自身后继系统的开发
半导体 缩短芯片研发周期 更强AI可用于设计、测试和优化流程
生物技术 提高研发效率 AI可能压缩实验设计和候选方案筛选时间
先进材料 加快材料发现 模型可帮助探索新材料组合与性质预测

Anthropic在文章中提到,其向部分合作方开放的“Mythos Preview”模型已显示出这种趋势。该公司称,Firefox在获得该模型帮助后,一个月内修复的安全漏洞数量超过其2025年全年修复量,并接近2025年月均修复量的20倍。

这一例子被Anthropic称为一个提醒:当模型开始参与漏洞发现和安全修复,AI的作用就不再只是辅助工程师写代码,而是进入软件安全流程本身。

为什么算力会影响“发现速度”

Anthropic认为,训练和部署前沿AI模型离不开先进芯片,也就是算力。文章称,模型能力长期以来随着更多计算资源和数据投入而提升。算力不仅用于训练新模型,也用于向客户提供推理服务。

该公司进一步提出,算力优势会转化为算法优势。原因是拥有更多算力的实验室可以运行更多实验,发现更多改进模型的方法;当AI又被用来加速AI研发时,这种循环会进一步收紧。

输入要素 对AI发现的作用
先进芯片 支撑大模型训练和推理
数据 提供模型学习和验证基础
人才 决定研究方向和工程实现
算法改进 提高模型效率和能力上限
资金 支持大规模训练和基础设施扩张

Anthropic称,美国及其盟友目前在先进算力方面仍保持优势。文章同时认为,中国AI实验室拥有高水平人才,但受先进芯片供应限制,其前沿模型发展受到约束。

2028年的两个可能局面

Anthropic在文章中设定了两个2028年情景。

第一个情景是,美国及其盟友保持明显领先。按照Anthropic的设想,如果出口管制和模型访问限制继续加强,美国前沿模型可能在能力上保持12至24个月领先。该公司认为,这种领先会使民主国家在AI规则、安全标准和全球部署上拥有更大影响力。

第二个情景是,中美AI能力接近。Anthropic称,如果先进芯片获取、海外数据中心使用和模型蒸馏等渠道没有受到限制,中国AI实验室可能在模型能力上接近美国前沿水平。在这种情况下,AI发现能力会更快扩散到网络安全、军事技术和产业应用中。

“发现能力”也带来双重用途问题

Anthropic强调,AI发现能力并不只服务于科研和商业创新。软件漏洞发现、自动化网络攻击、无人系统协调等能力,也可能被用于军事和情报领域。

文章提到,未来模型在自主发现软件漏洞、协调无人系统、辅助网络攻击等方面的能力提升,可能改变国家安全竞争。也正因为如此,Anthropic把AI发现能力放在算力、模型访问和出口管制的框架中讨论。

这也是这篇文章和一般AI产业分析不同的地方。它并不只是讨论AI如何提高生产率,而是把“发现速度”视为国家技术能力的一部分。

仍需区分判断和事实

需要说明的是,这篇文章是Anthropic的政策立场文件,并非独立研究机构的中立评估。文中关于2028年的情景判断,带有明确政策主张:美国及其盟友应维持前沿AI和先进算力优势。

但它提出的一个趋势值得关注:前沿AI正在从“生成答案”转向“参与发现”。如果这种趋势继续,AI竞争的核心可能不只是模型排名,而是谁能把AI更快接入科研、工程和安全流程。

对企业和政府来说,问题也会随之变化。未来的竞争焦点,可能不是谁最早发布一个更强模型,而是谁能把模型变成持续发现漏洞、药物、材料和算法改进的基础设施。