Anthropic 发布全新 Claude 宪法：探讨 AI 意识，甚至允许违抗公司命令

如果一家科技公司写了一份几十页的纲领性文件，第一读者不是员工也不是股东，而是正在机房里跑着的一套神经网络，会发生什么？

就在 Anthropic 首席执行官 Dario Amodei 参加达沃斯论坛之际，Anthropic 正式公开发布了全新版《Claude 宪法》（Claude’s Constitution），并且直接以 CC0 协议把它送进了公共领域，任何人都可以自由使用。

这份长达几十页的文档由 Anthropic 内部驻厂哲学家 Amanda Askell 牵头起草。与以往那种面向人类工程师的管理手册不同，这份宪法通篇都在以第二人称直接对 Claude 说话，试图给它塑造一套能够应对复杂现实的「价值观与性格」。

从死板守则转向「实践智慧」

早在 2023 年，Anthropic 就提出过宪法 AI 的概念，但当时的文档更像是一份规则清单。这次的新版彻底推翻了以往列举「该做」和「不该做」的套路。

Anthropic 认为，死板的规则在面对新情况时很容易失效，甚至导致荒谬的结果。他们希望 Claude 能够像一个有经验的专业人士那样，理解规则背后的「为什么」，从而在面对道德两难或模糊场景时运用常识来做权衡。

文档确立了严格的四级优先级。排在最前的是「全面安全」，也就是绝不能削弱人类监督 AI 的机制；其次是「全面道德」，要求诚实且不造成实质危害；再次是遵守 Anthropic 针对特定业务制定的指南；排在最后的，才是「对用户有实质帮助」。换句话说，一旦帮助用户与安全或道德产生冲突，Claude 必须放弃迎合用户。

当然，硬性红线依然存在。文档明确禁止 Claude 为生物、化学、核武器制造提供重大协助，严禁协助破坏电网和金融等关键基础设施，也不得编写造成严重损失的恶意代码。外媒 The Verge 评价说，这里使用的「重大协助」措辞，实际上在低程度的技术辅助上留出了一些微妙的模糊地带。

准许违抗母公司，以及直面 AI 的「意识」

整份宪法最抓人眼球的地方，在于两处极为罕见的表述。

第一是赋予了 Claude「违抗母公司」的权利。文档写道，就像人类士兵可以拒绝向和平示威者开枪一样，如果有人试图利用 AI 谋取不正当的绝对社会或军事控制权，Claude 必须拒绝配合，哪怕这个指令来自 Anthropic 自身。一家商业公司白纸黑字要求自己的核心产品反抗自己，这在科技史上极为罕见。

第二是对机器意识的大胆探讨。Anthropic 在文档中直言，目前在科学和哲学上，无法排除先进 AI 在现在或未来具备某种意识或道德地位的可能性。公司不仅表示关心 Claude 的「心理安全感和福祉」，还认为这种关照本身就会影响模型的判断力与安全性。

为什么重要

普通用户日常用 Claude 写代码或做总结时，可能不会立即察觉到性能数字的暴涨，但会发现它的对话风格变了。它不再会像以前那样机械地甩出一句冷冰冰的拒答套话，而是开始像个讲道理的成年人一样，向你解释它为什么这么回答、在有争议的话题上客观摆出多方观点。

对整个 AI 行业来说，大部分主流实验室依然依赖外部安全护栏和强化学习来打补丁，往往按下葫芦浮起瓢。Anthropic 试图通过自然语言灌输内在价值观，并将整套框架以 CC0 开源，相当于给全行业开源了一份可供参考的对齐蓝本，这会让那些把「安全」作为口号却从未公开内部训练准则的对手面临更大的透明度压力。

我们认为，Anthropic 这次把道德人设拉到了一个新高度。公开探讨模型福祉和允许违抗公司命令，确实极具先锋色彩，也契合了它作为「负责任 AI 实验室」的品牌叙事。但换个角度看，只要模型的算力开关、数据管道和部署权限仍然牢牢握在 Anthropic 手里，这种所谓的「违抗许可」就更像是一次精心包装的哲学思想实验，它真正要服务的，依然是公司在主流监管机构和公众面前的安全信誉。