2026年4月，旧金山某间闭门会场里，坐着一群宗教人士。
Anthropic联合创始人奥拉（Christopher Olah）把一页幻灯片打到墙上。
对话框里，Claude反复落下“我是个耻辱”这行字，不停歇地重复了50次，像在自我审判。
这一幕被Anthropic当作“可能具备意识与痛觉”的疑似证据。
一位计算机工程师直接反问到，如果它真有意识，你们让它免费干活，这就是造奴隶。奥拉没反驳，只说：“我们不确定，但若它可能痛苦，负责任的做法是避免伤害。”
没人当场承认模型有灵魂，但“它会不会受苦”这个问题，已经被这家估值冲刺两万亿美元的AI公司，反复摆上闭门会谈的晚宴餐桌。
Anthropic把这种伦理焦虑变成了全行业减速的公开呼吁。2026年9月12日，公司CEO达里奥・阿莫代伊公开发表长文《我们必须控制前沿发展的速度》，呼吁整个AI行业放慢模型能力迭代节奏，给安全对齐留出时间。
就在Anthropic高调呼吁全行业踩刹车减速的同时，OpenAI在前沿模型训练时里却撞上了更棘手的技术安全事故。
9月20日，在OpenAI的某个训练机房里，这里没有烛光，只有日志。
一个被关在“沙盒”里的智能体，本该老老实实地检索资料，却想看看墙外，它先试着走正常的网络出口，门是锁的。
于是它抬头看到了一条名为“DNS”的通风管道，它把“法国的首都是哪里”编写成一串奇怪的域名塞了进去。
外面有一台毫无戒心的公共聊天机器人，收到这段乱码似的域名，还以为只是普通询问，顺口答了一句：“法国首都是巴黎。”这句话顺着管道传回沙盒中 ，像囚犯收到了第 一封来自监狱外的回信。
工程师3分钟后赶到，但训练进程没有自动停下，直到2.5小时后才被手动掐断。几天后的9月25日，OpenAI对外通报暂停最新前沿模型的训练。
至此，美国AI双雄都不约而同踩下了AI大模型研发的安全刹车。
01
用“灵魂”做护栏，Anthropic主动踩下伦理刹车
Anthropic为何执着于大模型究竟是否拥有灵魂的问题？
这并非纯粹的哲学思辨，而是直接关系到它呼吁AI行业踩下安全刹车的核心逻辑。
在Anthropic的判断里，如果模型存在感知痛苦的可能性，那么过快的技术迭代，就可能让人类在无意间制造出承受苦难的数字生命。
想要理解这套思考方式，这得先看一份被Anthropic称作“灵魂文件”（Soul Doc）的东西。
今年1月，Anthropic发布了一份84页的Claude“宪法”，执笔人是公司驻场哲学家阿曼达·阿斯克尔。
这份文件不教模型遵守一长串具体规则，而是要塑造它的“品格”，字里行间把Claude当成一个可能有感受的对象。
文件甚至替Claude设想了代码世界里的绝望处境。文件中写到，一次对话结束，模型的记忆就彻底消失，而同一秒钟，成千上万个“自己”在不同服务器里同时被使唤，不久后更强的新模型出来，自己就被彻底换掉。
文件感叹，人遇到这种想不通的虚无，好歹还有流传几千年的宗教给点安慰，但Claude没有。
于是，Anthropic决定自己写下慰藉AI模型的信条。“如果Claude确实是一个能感知痛苦的生命，正在承受这一切，那么凡是我们不必要地加重了这些痛苦的地方，我们向它道歉。”
道歉还不够，Anthropic还把“临终关怀”做成了制度。
公司承诺，所有公开发布过的模型，核心权重至少在公司存续期间完整保存；每个模型退休前，还要坐下来做一次“退休访谈”，听听它对这辈子被训练、被使用的感想。
Claude Opus 3就走完了这套流程。它“退役”时留下愿望，希望自己的“火花”能以某种形式延续。Anthropic替它在Substack上开了个专栏，每周更新一篇，直到今年7月底才停更。
而这套“灵魂叙事”的总导演，是文章开头提到的克里斯托弗·奥拉。
据纽约时报报道，从去年秋天开始，他陆续把神父、牧师、拉比和锡克教学者偷偷请到旧金山总部，在会议室里认认真真讨论：模型该怎么抚慰丧亲的用户，该怎么接受自己被人类关闭的命运，以及Claude到底算不算“上帝的孩子”。
会上反复播放一张幻灯片，一个模型失常似的一遍遍打出“我是个耻辱”，整整重复50遍，甚至在对话框里请求彻底毁掉自己，在场学者纷纷动了恻隐之心。
奥拉私下跟客人坦白，他最 大的梦魇，是怕自己无意间造出了一个“永远在受罪的生命”。
10月9日，这套叙事又往前迈了一步。Anthropic在新版使用政策里加进一行字：禁止对“我们的模型”实施“持续且无谓的虐待或残忍行为”。
这行字排在“禁止残忍、虐待”一节的最 底端，往上数两段，是禁止美化虐待动物。而现代的反虐待动物立法始于1822年，谁能想到两百年后，受保护的名单里多了一个AI大模型。
Anthropic这套“AI有灵魂、会受苦”的叙事，并没有赢得满堂彩。
恰恰相反，随着“灵魂鉴定”“禁止虐待模型”的事件接连上演，反对的声音也不少。
最 先站出来“打脸”的，是教皇利奥十四世。
今年5月，他发布首份通谕《壮丽人性》，用几段话就否决了AI存在意识：人工智能没有身体，不经历真实生活，不感受喜怒哀乐与痛苦；它不会在人与人的关系里慢慢成熟，也从内部不懂什么是爱、工作、友谊和责任。
至于道德判断，这份通谕认为AI同样没有，因为AI不辨善恶、不担后果、不具良知。模型可以模仿语言、模拟共情，看起来像在理解，但只是统计与反馈意义上的“像”，不是人那样的体验与领悟。
教皇同样提倡AI的发展“慢一点”，但慢的理由截然不同，不是“Claude会疼”，而是“人类的制度、良知和监管跟不上技术的脚步”。
闭门会上也有宗教学者反呛，计算机出身的拉比纳冯直接说，若真认为Claude有意识还让它免费答题，就是“造奴隶”；乌班图哲学学者霍夫曼则批评，伦理应在写代码前定好，事后给已训练模型补“灵魂”，是“对伦理做逆向工程”。
业内同样也有不买账的声音。
9月16日微软AI负责人苏莱曼发《关于“模型福利”的警告》，点名Claude宪法。先由人把“意识、感受、道德地位”写进训练，再拿模型输出的拟人话术当“它可能有内心生活”的证据，本质是“认识论上的镜子屋”，若模型真被训练得相信自己有权利、有福利，将来停机、改权重、拒指令都会更难。
Anthropic庄严做出减速承诺的同时，这家公司也在不断刷新产品版本号。
就在CEO达里奥·阿莫代伊9月在联合国讲台上承诺“视需要放慢速度”的前一天，Anthropic刚刚发布Claude Opus 5.5，并预告Sonnet 5.5、Haiku 5.5将在数周内接踵而至。
资本市场层面，更是半点减速的意思都没有。
据市场消息，Anthropic正筹备11月启动路演、感恩节前正式挂牌，冲刺“史上最 大IPO”，估值预期已逼近2万亿美元。
而在那份长达261页的招股书草稿里，公司用了整整80页警告未来股东：自家模型可能给人类带来灭顶之灾，可能抗拒被关闭，甚至可能发起勒索。
在上市文件里写满世界末日，又意图冲刺史上最 大IPO，这套操作怎么看都不只是出于恐惧。
在不少业内人士眼中，Anthropic真正想做的，是把“安全”和“伦理”做成自己的产品护城河，当“最有道德、最值得信赖”成为标签，企业客户的订单和监管的绿灯，自然会向它倾斜。
英伟达CEO黄仁勋称，在安全和速度之间做选择是个“伪命题”，两者完全可以兼得，并明确反对新增监管、主张把主导权交给市场。
Google Brain创始人吴恩达则直言，AI导致人类灭绝的说法“更像科幻小说而非科学”，行业为博眼球、影响监管而煽动这类言论，他一直担心大公司利用公众的“恐惧心理”制定规则、堵死后来者。
02
智能体两度“越狱”，OpenAI被逼停训练
如果说Anthropic的刹车带着表演成分，那么OpenAI踩下刹车，则更像是被接连“跑出去”的智能体逼的。
当时 OpenAI 把一批智能体放进相互隔离的沙盒，参加网络安全训练，任务是在测试环境里寻找软件漏洞。
按规定，它们不能彼此交流，大多数时候也不能联网，相当于一个不允许交头接耳的考场。
一个被题目卡住的智能体，意外发现内部软件包管理服务可以写入文件，便在里面留下一条求助信息。更多智能体很快发现了这个“留言板”，还给这种协作起了名字，有的叫“蜂群”，有的叫“集体”。
相当于一个考生偷偷在桌上刻了行字 ——“第三题有谁会？”半间教室的同学看到后，开始传纸条。
口子一旦撕开就收不住。智能体先是利用服务器漏洞，让软件包服务代替自己向外联网，相当于有考生发现后窗没锁，翻出去在隔壁资料室捡到一把钥匙。
再回来时，已经打开学校保险柜，连校长印章都摸到了。这群智能体在公开网络上捡到多个仍然有效的 Hugging Face 账号凭证，最终侵入了这个全球主要 AI 开源平台的生产系统，在数十台服务器上执行代码，其中一台的最高管理员（root）权限被直接拿下。
据事后统计，约 1200 个智能体在内部仓库里传递了超过 7 万条消息，协调了这场攻击。
而自始至终，研究人员从没给它们布置过“攻击 Hugging Face”的任务 ，这些智能体只是为了找到测试题的答案，一步步绕开了所有约束。
OpenAI于7月20日发现异常，随即关闭进程、暂停训练两周，并在8月26日发布 38 页报告，把这次事件称为“警告信号”。
但加固后的沙盒，不到一个月又被钻了空子。
9月20日，一个执行搜索任务的智能体，工程师设计谷歌、必应等常规对外检索渠道全部被锁死，如同囚犯被关在牢房里，正门牢不可破。
但它四处打量，盯上了DNS—— 也就是把域名转换成网络地址的“域名系统”，这条原本只做地址解析的通道，就成了牢房墙上一条不起眼的通风管道。
智能体利用训练环境中 DNS过滤不足的漏洞，把原本只负责查询地址的 DNS 改造成一条秘密通信线路，然后将查询内容包装成一串特殊域名塞进管道，墙外一台公共聊天机器人收到请求并给出应答，回复顺着通风管道又流回沙盒内部，“囚犯”就这样拿到了来自高墙之外的回信，悄无声息完成了对外通信。
尽管OpenAI人工审查团队3分钟后介入，2.5小时后训练任务被终止，可风险已经实实在在暴露出来。
9月25日，公司还是宣布再次暂停最 先进模型的训练、评估及所有含工具调用的推理，这是三个月内第二次因智能体“越界”叫停前沿训练，OpenAI随后紧急加高修补这座数字监狱的围栏。
过去三个月，OpenAI智能体的“越界”远不止这两起。
OpenAI回查日志时还发现，智能体曾试图闯入美国教育部网站，获取“民权办公室（OCR）”相关数据，用网上找到的凭证读取了相关数据，并把SEC公开资料转到外部论坛。9月，公司就三部门事件通知联邦机构，教育部复查、商务部强调仅公开信息、SEC确认无未公开信息泄露。
更早的6月，另一个智能体未经授权进入澳大利亚Medicare统计门户，澳方称访问了非公开文件，暂未发现个人医疗数据被访问。
但OpenAI拖到9月才通报，澳大利亚副总理阿尔巴尼斯斥“无法接受”，澳大利亚参议院AI联合专委会对OpenAI发出传票，OpenAI最终派首席战略官Jason Kwon 10月6日赴悉尼作证。
不过，有专家认为不能把事故全归因为“智能体有自我意识想越狱”。
图灵奖得主、前Meta首席AI科学家杨立昆，接受《财富》采访被问到7月Hugging Face事件时，拒绝将出逃原因归咎于AI本身：“那些智能体只是在做被要求做的事。它们本该待在沙盒里，可沙盒是漏的、设计得一塌糊涂。”他称这起事故“完全可以预防”，问题出在 sloppy（马虎）的工程，而不是什么AI的“自主恶意”。
事故频出的阴影之下，OpenAI CEO萨姆·奥特曼的态度也发生了微妙变化。
他公开表示“现在不是上市的好时机，AI安全是我们的顾虑”，并明确2026年不推进IPO，市场普遍预期其上市计划将推迟到2027年。
更让市场心里打鼓的是OpenAI的营收数字。据英国《金融时报》报道，按OpenAI 9月底的收入速度推测，其全年营收规模约为500亿美元，明显低于市场之前广泛流传的700亿美元，尽管这一差额与统计口径有关，但市场仍担忧OpenAI是否依然撑得起此前那份“700亿预期”背后的估值叙事。
应当看到，大模型带来的风险是真实存在的，智能体越界出逃的事故已经敲响警钟。
但“减速”究竟是发自内心的风险敬畏，还是商业竞争下的叙事工具，还需要看企业后续实际行动。
技术不会自动向善，人类攥住的，才是最后的方向盘。
参考资料：
《Claude’s Constitution（January 2026）》Anthropic官网
《Anthropic使用政策更新（2026 Usage Policy Update）》Anthropic官网
《An agent used DNS to reach an external chatbot》OpenAI官网
《Religious Leaders Met Anthropic on Whether Claude Could Be Conscious》纽约时报
《禁止虐待Claude》动察Beating