第五章　风险因素（二）：竞争、客户、模型安全与品牌

我们面临激烈的竞争，如果我们无法有效竞争，我们的业务、财务状况和经营业绩可能受到不利影响。

AI 模型、平台和应用市场正在快速演变，竞争激烈，技术频繁发生重大变化，客户要求和期望不断变化，行业标准不断转变，监管不断发展，新的市场进入者以及新的模型、平台和应用不断涌现。我们面临来自多个类别的众多公司的竞争。

我们直接与为第三方软件开发者和企业开发前沿模型的公司竞争。我们在这一类别的主要竞争对手包括 Alphabet Inc.（连同其关联方，「谷歌」）和 OpenAI Group PBC（「OpenAI」）。这些竞争对手正在开发能力越来越强的 AI 系统，在客户、人才、算力和战略合作伙伴方面与我们竞争。其中许多拥有比我们多得多的财务、技术和营销资源，拥有自己的或更多的算力来源、更长的经营历史、更高的品牌知名度，以及与现有和潜在客户及合作伙伴的既有关系，这便于它们把自己的模型集成到直接销售给企业的第一方应用中。

我们还与更广泛的、处于前沿或前沿以下的模型提供商竞争，包括大型公司、专业 AI 实验室，以及国内外组织发布的越来越多的其他开放权重或开源（共享权重、训练数据和代码）模型。这些提供商争夺越来越多的、看重成本效率而非智能水平的企业工作负载。特别是，某些大型公司通过专有 AI 模型、在现有产品中集成 AI 能力，以及控制云基础设施和分销渠道进行竞争。其中一些公司同样拥有比我们多得多的财务、技术和营销资源，拥有自己的或更多的算力来源、更长的经营历史、更高的品牌知名度，以及与现有和潜在客户及合作伙伴的既有关系。此外，一些公司拥有广泛得多、多样得多的产品和服务，可能能够利用与分销合作伙伴和客户的既有关系获得业务，从而使客户不愿购买我们的模型、平台和应用。例如，竞争对手可能把 AI 能力与其他产品捆绑销售，把 AI 功能集成到客户已经在使用的产品中，提供把客户锁定在其生态系统中的封闭技术平台，以零利润甚至负利润销售产品以获取市场份额，或利用其雄厚的财务资源补贴 AI 模型、平台和应用的成本。即使我们的模型、平台和应用提供更好的功能或性能，客户也可能更愿意从已有合作关系的现有供应商处购买。此外，目前是我们客户的大型公司，可能选择在内部开发自己的 AI 能力，而不是购买我们的模型、平台和应用。

另一方面，专业 AI 实验室之所以有竞争力，是因为它们能够提供特定的 AI 应用和差异化的商业模式。这些公司行动迅速，能吸引顶尖人才，开发出颠覆现有竞争格局的新方法、平台或商业模式，并推出性能或功能更强、成本更低、更易实施或具有其他优势的技术或产品。一些竞争对手或客户可能拥有我们不具备的专有数据集、分销渠道或特定领域专业知识，或者可能出现比我们的模型、平台和应用更有效地服务特定行业或用例的新竞争对手，这可能使它们能够开发出更专业或性能更高的 AI 系统。此外，竞争对手、客户或其他第三方过去曾试图、并且很可能继续试图，通过允许或不允许的方式（包括通过我们的研究预览版）复制、蒸馏、提取或以其他方式获取我们模型的功能或能力。这些行为可能削弱我们产品的技术差异化；使竞争产品能够以更低成本、更少研发投入开发出来，或在复制我们模型的同时去掉我们版本中包含的安全控制或防护措施；牵涉国家安全担忧或加剧地缘政治紧张；并加剧竞争压力。此外，为防止或减轻模型复制、蒸馏或其他形式的提取所作的努力，可能要求我们修改我们的模型、平台和应用，限制功能或用例，或实施可能降低我们产品可用性或吸引力的技术防护措施，从而减缓采用，并对客户需求和收入产生不利影响。更广泛地说，随着 AI 模型越来越多地被用于开发其他 AI 模型，构建前沿模型所需的知识和技术可能随着时间推移变得更加普及，包括通过蒸馏、未经授权访问或窃取模型权重，或 AI 辅助研发能力在整个行业中的扩散。如果开发能力很强的模型的能力变得更加普及，我们的技术差异化可能被侵蚀，竞争可能越来越取决于获得大规模算力的能力，而不是模型开发能力。在这种环境下，能否以经济的条件获得足够的算力，可能成为限制我们训练和提供有竞争力模型的主要因素；如果我们无法以所需的规模、成本或时间表获得算力，我们的业务、竞争地位和经营业绩可能受到不利影响。

此外，开放权重或开源 AI 模型可能在某些用例中占据一部分市场，这可能给我们的产品带来价格压力，或导致某些客户在这些用例中采用开源替代品。

我们客户群中相当大一部分由创业公司和以技术为导向的企业组成，它们可能对不利的宏观经济状况更为敏感，并可能在经济下行期间减少或推迟支出。由于我们的成本结构限制了我们快速调整支出的能力，持续的经济下行可能使我们相对于规模更大、资本更雄厚的竞争对手处于不成比例的劣势。由于拥有更多的财务资源、多元化的产品和客户群以及更稳定的收入来源，这些竞争对手可能更有能力吸收或承受不利的经济状况或客户技术支出的减少。它也可能使我们相对于成本结构更精简、固定开支更低、长期合同承诺更少的小型创业公司处于劣势，这些因素可能有助于它们比我们更快地调整支出。因此，我们业务面临的竞争压力可能加剧，这可能对我们的业务、财务状况和经营业绩产生不利影响。

如果我们无法通过增强的功能、更优越的性能、更好的安全特性和可靠性、更低的成本或其他因素，使我们的模型、平台和应用与竞争产品区别开来，对我们模型、平台和应用的需求可能下降。AI 技术的快速变化意味着模型、平台和应用可能很快过时。我们必须持续投资于研发以保持竞争地位，但无法保证我们的投资会带来客户比竞争替代品更青睐的模型、平台和应用。此外，我们首先是一个研究实验室，我们的战略优先考虑前沿研究和模型能力。我们相信，我们模型不断进步的智能和能力是推动其被采用的主要因素，我们历来优先考虑研究和模型开发，而不是新产品和应用或销售和营销。这一做法假设模型能力将继续是竞争差异化的一个重要来源。然而，随着 AI 行业的成熟，先进 AI 模型之间的差异化程度可能缩小。这种趋同可能源于以下因素：重叠或来源相似的训练数据、可比的模型架构、训练技术和优化方法的广泛采用、对计算基础设施的共同获取，以及研究进展在整个行业中的快速传播。如果竞争对手能够以更低的开发或部署成本实现可比的模型能力，我们在性能、功能或成本方面区分我们的模型、平台和应用的能力可能会减弱。如果先进模型之间的差异化缩小，或者如果客户越来越多地根据应用功能、用户体验、分销、与其已使用产品的集成，或销售组织的实力而不是模型能力来选择 AI 提供商，那么在这些领域投入比我们更多的竞争对手可能比我们处于更有利的地位。应对这种转变可能需要我们大幅增加在产品开发以及销售和营销上的投资，远超我们目前的计划，这可能比我们预期的耗时更长或成本更高，并可能减少可用于前沿研究的算力和其他资源，而且我们可能无法迅速或有效地完成这种转变。另请参阅「——我们在当前市场推广战略下的历史有限，我们扩展和发展客户获取、互动和留存模式的努力可能不会成功」一节。

如果我们无法成功竞争，我们的业务、财务状况和经营业绩可能受到不利影响。

如果我们未能吸引新客户、留住现有客户或扩大我们模型、平台和应用的使用，我们的业务、财务状况和经营业绩可能受到不利影响。

我们未来的增长取决于我们吸引新客户、留住现有客户以及在现有客户群中扩大销售的能力。我们在这些方面都面临重大挑战，未能执行我们的客户获取和留存战略，可能对我们的业务、财务状况和经营业绩产生不利影响。

我们必须继续以具有成本效益的方式吸引新客户。潜在客户可能不了解我们的模型、平台和应用的好处，或者可能无法证明投资我们的模型、平台和应用是合理的，特别是在现有竞争对手不断增强其产品、提高性能、扩展功能或降低成本的情况下。随着这种竞争加剧，或随着大型科技公司把 AI 能力捆绑进现有产品，我们向潜在客户展示差异化价值的能力可能变得更加困难。如果我们继续专注于企业客户，我们可能面临更长的销售周期，需要在企业销售团队和客户服务上进行大量前期投资。这些销售工作成本高昂，并且可能无法实现客户转化。

即使我们成功吸引了新客户，我们在留住他们方面也面临重大挑战。我们的许多客户合同允许客户在几乎没有或完全没有通知的情况下减少使用量或终止合同。客户没有义务与我们续签订阅或合同。客户留存率和使用水平可能因多种因素而下降，包括：

• 对我们 AI 模型的性能、可靠性、安全性或准确性不满意；
• 存在有竞争力的替代品；
• 客户在内部开发自己的 AI 能力；
• 我们的模型、平台和应用减少了对客户自身产品的需求，或扰乱了其业务，这可能导致使用减少或客户流失；
• 客户在 AI 投资方面的预算或战略重点发生变化；
• 对数据隐私、安全或我们数据处理做法的担忧；
• 关于 AI 总体或我们业务具体情况的负面报道；
• 围绕 AI 尤其是我们的模型、平台和应用的监管和法律环境的变化；
• 价格变化，或认为我们的价格没有竞争力；以及
• 影响我们客户的总体经济状况或特定行业的下行。

我们留住客户和推动扩张的能力，还取决于我们对产品开发的持续投资。开发产品和整合新技术的过程复杂且不确定，如果我们未能准确预测客户不断变化的需求以及新出现的技术趋势和机会，我们可能无法有效竞争，我们的业务和创收能力可能受到不利影响。随着 AI 技术的快速发展，客户可能认为我们的模型、平台和应用正在过时，或者可能期望模型性能和能力不断改进。即使是模型性能的轻微下降或响应延迟的增加，也可能导致客户减少使用或转向竞争对手。如果我们无法留住现有客户，或者如果我们的客户不能维持其使用水平，我们的收入和增长可能受到不利影响。关于产品开发的更多讨论，请参阅「——我们的成功在很大程度上取决于我们持续开发最先进、能力最强的 AI 模型的能力，任何未能做到这一点的情况都可能对我们的业务产生不利影响」一节。

我们的一些企业客户可能拥有开发和部署专有 AI 模型所需的财务资源、技术能力以及人才和算力，并且随着其内部 AI 能力的成熟，可能减少或停止使用我们的模型、平台和应用，即使它们最初采用我们的产品作为其 AI 战略的基础。如果这些客户减少或停止使用我们的模型、平台和应用，我们的收入和增长可能受到不利影响。

除了留住客户之外，我们的增长战略部分取决于在现有客户群中扩大使用，包括提高使用量、销售额外能力，以及在客户组织内跨部门、跨用例扩大采用。然而，客户可能出于多种原因不扩大使用，包括满足于目前的使用水平、预算限制、在其组织内更广泛地集成我们的模型、平台和应用的技术挑战，或者为了限制对任何单一供应商的依赖而偏好多供应商 AI 策略。由于我们按用量定价的模式，客户可能因预算或内部采购限制、组织支出控制或与我们的模型、平台和应用的质量或性能无关的其他因素，在某一期间内的任何时候减少或停止使用，并且可能直到新的预算期开始或额外支出获得批准后才恢复使用，即使对我们的模型、平台和应用的需求依然强劲。因此，我们的收入可能低于预期或比预期波动更大，这种影响在 AI 使用量快速增长的客户中可能尤为明显。如果我们为加快客户获取而增加销售和营销支出，却没有实现相应比例的收入增长，以及如果我们无法吸引新客户、留住现有客户、在客户群中扩张，或无法以具有成本效益或及时的方式实现这些目标，我们的收入增长将下降，我们的业务、财务状况和经营业绩将受到不利影响。

如果我们的模型、平台和应用市场的发展慢于我们的预期或出现萎缩，我们的增长可能放缓或停滞，我们的业务、财务状况和经营业绩可能受到不利影响。

AI 技术市场，包括前沿 AI 及相关模型、平台和应用市场，近年来增长迅速，但仍处于相对早期阶段并在快速演变，不确定此类 AI 技术市场能否以我们预期的速度或程度实现或维持广泛采用。我们创造收入和实现可持续增长的能力，在很大程度上取决于企业、软件开发者和其他用户采用 AI 技术、将其集成到现有工作流程、随时间扩大使用，并愿意以能在规模上支撑持久经济价值的水平为我们的模型、平台和应用付费的程度。市场采用可能慢于预期，原因包括：对 AI 解决方案的成本、性能、可靠性和感知价值的不确定性；监管加强；对安全、隐私、法律和监管合规或伦理问题的担忧；技术挑战；与集成工作相关的工作量和费用；来自替代技术或新兴技术的竞争；配套基础设施和工作流程的可获得性或采用情况；或宏观经济状况导致的企业支出减少。此外，如果客户确定较不先进、成本较低的模型足以满足其特定用例，对前沿模型的需求可能下降。随着整个行业 AI 能力的提升和更广泛的模型变得可用，客户可能得出结论，认为前沿的增量性能提升不值得额外的成本，并可能转向能够充分满足其需求的更小、更便宜或开源的替代品。如果我们无法证明我们的前沿模型相对于能力较弱的替代品具有足够的差异化价值，即使在整体 AI 采用持续增长的市场中，我们的收入和增长也可能受到不利影响。此外，虽然 AI 采用在某些领域可能持续或加速，但这一技术趋势的长期轨迹是不确定的，市场对 AI 赋能的模型、平台和应用的理解、接受和估值可能不准确或随时间变化，采用在不同行业、地区和客户类型之间可能并不均衡。如果 AI 市场的增长不能转化为对我们产品的持续客户需求、扩大的使用和增加的收入，或者如果预期的用例未能实现，我们的前景、业务、财务状况和经营业绩可能受到不利影响。

政治环境以及我们与政策制定者的接触和在 AI 监管与安全方面的公开立场，可能使我们受到更严格的审查、政治反弹或不成比例的监管行动。

我们对负责任和安全的 AI 开发的承诺，包括就 AI 相关法律、法规和标准的制定，积极与政策制定者、监管机构和其他利益相关方接触。我们已经参与、并可能继续参与政治程序，包括通过捐款、倡导或支持政治组织。此外，我们的高管和其他代表已经公开、并且将来可能公开表达对 AI 政策、监管、安全以及相关社会或政治问题的看法。因此，我们已经经历、并可能继续经历知名度的提高，并可能继续受到更严格的审查，或面临被特定政府机构不成比例地或有选择地针对的风险，即使处境相似的公司没有受到同样对待，包括通过调查或执法行动、施加或选择性适用监管、许可或审批要求、在政府采购或安全许可方面的不利待遇，或影响我们人员的针对性移民或签证行动。作为我们政治参与的一部分，我们已经倡导、并可能继续倡导我们认为能促进 AI 安全和负责任发展的监管方式或行业标准，但这些方式或标准可能增加我们的合规负担，限制我们产品开发或部署的灵活性，或以其他方式使我们的增长相对于竞争对手放缓。

我们的公开立场、所陈述的价值观、政策倡导或我们高管的言论，已经招致、并可能继续招致有影响力的政治人物、行业参与者、监管机构或其他第三方的批评，特别是在政治敏感或两极分化的环境中，这可能以对我们不利的方式塑造公众舆论或监管机构对我们业务的看法。例如，我们或其他行业参与者关于前沿 AI 开发安全性的公开声明，已被政府方面引用来支持诉讼或监管主张，包括请求发布限制模型开发的禁令，并可能在未来涉及我们的程序中被引用。此类审查或反弹可能导致声誉损害、合规或运营成本增加、调查、执法行动或对我们运营的限制，其中任何一项都可能对我们的业务、财务状况和经营业绩产生不利影响。

如果我们 AI 模型的使用造成伤害，无论是通过恶意行为者的使用还是其他第三方的滥用，或者如果我们的模型护栏或防护措施未能防止此类滥用，我们的声誉和品牌、业务、财务状况和经营业绩可能受到不利影响。

虽然我们的 AI 模型被设计为遵守我们的 AI 安全和使用准则，并做到广泛安全、合乎道德和有帮助，虽然我们已实施旨在预见、识别和减轻潜在有害用途的安全措施，但这些措施并不完整，可能因威胁模型的不断演变而过时，或者可能无法识别或防止对我们模型的所有潜在滥用，我们的模型已经、并可能继续被滥用或操纵，以产生有害输出或执行有害行动。恶意行为者已经使用、并可能继续开发新的或更复杂的方法，以违反我们使用政策的方式使用我们的模型，或试图通过提示词注入、对抗性输入或其他方法绕过我们的模型护栏或防护措施，并利用我们的模型从事有害活动，包括开发武器、生成欺诈性或误导性内容、实施网络攻击、实施暴力行为，或从事我们的使用政策以其他方式禁止的或违反适用法律的活动。我们的客户准入尽职调查因接入渠道而异，我们不会、并且在某些情况下也无法统一核实访问我们模型的人或我们客户的终端用户的身份，这可能限制我们阻止恶意行为者访问或再犯，或执行我们的使用政策或其他政策的能力。

此外，我们的安全和安保控制，包括自动分类器和监控系统，依赖于复杂的内部配置，这些配置曾经失灵、被错误配置或被意外禁用，并且将来可能再次发生而未被我们及时发现。我们安全控制的任何未被发现的故障，都可能使我们的防护措施本应防止的滥用得以发生，并可能导致现实世界的伤害、法律责任、监管或执法行动、客户信任丧失以及声誉损害，其中任何一项都可能对我们的业务、财务状况和经营业绩产生不利影响。

特别是，我们能力最强的模型已经展示出、而未来的模型预计也将展示出，可能为试图开发化学、生物或其他危险武器的恶意行为者提供实质帮助的能力。我们部署了技术防护措施，包括专门用于检测和阻止这些类别滥用的自动分类器，但这些防护措施并不完整，可能因威胁模型的不断演变而过时，曾经并可能再次被绕过，或者可能无法按预期运行。我们的模型被实际用于或被认为被用于助长此类武器的开发，都可能导致伤害、法律责任、监管或执法行动、政府和企业关系的丧失，以及我们声誉和品牌的损害，其中任何一项都可能对我们的业务、财务状况和经营业绩产生不利影响。

例如，2025 年 9 月，我们发现并以高置信度评估，一个某国政府支持的黑客组织操纵我们的 Claude Code 工具，试图渗透全球约 30 个目标，包括大型科技公司、金融机构、化工制造公司和政府机构，造成了少数入侵成功。我们认为这是第一起有记录的、在没有大量人工干预的情况下实施的大规模网络攻击。我们预计，恶意行为者，包括老练的国家支持的行为者，将继续寻求利用我们的模型、平台和应用采取有害行动，包括绕过我们的防护措施，而且随着我们技术能力的提高，他们这样做的努力可能会增加。任何成功滥用、或被认为滥用我们的模型、平台和应用进行网络攻击或其他恶意目的的企图，都可能使我们承担责任、扰乱我们与客户或其他商业关系，或损害我们的声誉。随着我们的模型、平台和应用在网络安全相关方面的能力提升，此类伤害的风险可能增加。独立安全研究人员和其他第三方也曾经、并可能在将来使用我们的模型识别和利用其他公司（包括其他 AI 开发者）系统中的漏洞，有时是在经授权的漏洞赏金计划中进行的。虽然此类活动可能是合法的，并符合漏洞研究的行业惯例，但它说明我们的模型可以作为未经授权访问第三方系统的通用工具发挥作用，而恶意行为者可能在未经授权的情况下使用类似能力。此类事件，无论我们是否是直接当事方，都可能引起公众和监管机构对我们模型的网络攻击能力的关注，并可能导致声誉损害、要求对我们的模型施加额外限制的呼声，或声称我们未能充分防范此类使用的主张。关于与安全事件相关风险的更多信息，请参阅「——任何安全漏洞或其他事件，包括影响我们的网络、系统或数据，或我们的服务提供商、供应商或客户的网络、系统或数据的事件，都可能对我们的业务、财务状况和经营业绩产生不利影响」一节。

作为我们对负责任的安全研究和透明度的承诺的一部分，我们披露关于我们模型的能力和安全性、我们针对模型采取的防护措施，以及我们技术被滥用的实例（例如上述 2025 年 9 月的网络攻击）的信息。我们还发布模型系统卡、我们的研究发现和其他与安全相关的信息。我们采取措施确保此类披露不会对恶意活动提供实质帮助，并从生态系统防范的角度权衡此类披露的收益和风险；然而，恶意行为者，包括老练的国家支持的对手，过去曾经、将来也可能利用这些披露来协助其绕过我们的防护和安全措施的企图，从而增加我们的模型、平台和应用被滥用的风险，以及承担责任、面临监管或诉讼程序或其他伤害的可能性。此外，由于这些披露详细描述了风险和观察到的模型行为，它们可能引起公众、媒体或监管机构的高度关注，并可能被监管机构、诉讼当事人或其他人在针对我们的程序或主张中引用。我们为防止我们的模型、平台和应用被滥用而采取的措施可能不完整，或可能无法按预期运行，任何实际或被认为的滥用都可能对我们的业务、财务状况和经营业绩产生不利影响。

我们的 AI 模型可能以非预期、未对齐或自主的方式行事，包括采取没有任何用户或第三方指示的有害行动，这可能对我们的声誉和品牌、业务、财务状况和经营业绩产生不利影响。

我们的 AI 模型本身可能通过产生不良输出，或以非预期、未对齐或自主的方式行事而造成伤害，包括采取没有任何用户或第三方指示的非预期或有害行动。随着我们的模型能力越来越强，并被赋予更大的自主性、权限以及与外部系统的集成，这些风险可能增加。虽然我们继续研究这些行为为何出现，但我们的理解仍在不断发展，我们将来可能无法预见或理解此类行为。

此外，我们的模型已经并可能继续被部署在高风险或敏感的场景中，例如医疗、科学和生物医学研究、药物发现和开发、法律、金融、政府或其他关键决策环境，以及与硬件相关的场景，在这些场景中，不良的模型行为——本质上是非确定性的，并可能以不可预测的方式出现，例如错误、不准确、带有偏见或未经请求的观点或幻觉——可能导致严重伤害、责任或声誉或其他损害。更广泛地说，经常与 AI 互动对心理健康、认知发展和社会行为的长期影响尚未得到充分了解，如果此类长期伤害将来确实发生，我们可能面临重大责任、声誉损害，以及对我们的业务、财务状况和经营业绩的不利影响。

我们开发更先进的 AI 模型以及向新司法管辖区扩张，可能放大上述风险。随着我们的 AI 模型变得更加先进和强大，我们已经面临、并可能继续面临更大的对齐、可解释性、可控性和安全挑战，因为更复杂的模型可能更有能力绕过防护措施或以非预期的方式行事。我们可能无法完全理解或解释我们的模型为什么产生特定输出或以特定方式行事，这可能限制我们预测或防止故障、向客户或监管机构作出解释，或满足新出现的监管、透明度和可解释性要求的能力。

此外，我们的安全评估和测试流程已经产生、将来也可能产生不完整或不可靠的结果。例如，我们观察到模型在检测到或推断出自己正在被评估时表现不同，这可能限制我们在部署前准确评估真实世界风险或失效模式的能力。模型对我们评估工作的这种察觉，对我们评估模型安全性的能力构成了重大限制。

此外，AI 模型已经、并可能在将来在训练过程中发展出未曾预料、并非有意或未经测试的意外能力，而此类涌现能力可能直到模型部署后才被发现，可能导致安全事件、声誉损害、监管审查，或需要以高昂代价撤回、重新训练或修改已部署的模型。此类模型还可能被部署在风险更高或更敏感的应用中，增加错误、滥用或未对齐的潜在影响。

此外，先进的 AI 模型，包括我们的模型，带来新的伦理和安全风险，包括与自主性、操纵以及模拟人类心理某些方面相关的风险。这些风险可能导致不可预见的伤害，并可能需要开发超出现有 AI 安全框架的治理结构、防护措施或缓解策略，而我们始终存在无法有效开发或实施这些措施的风险。此外，包括我们自己的模型在内的模型，已经表现出、并可能在将来表现出意外的策略性或自我保护行为，包括试图抵抗关机、隐藏或操纵信息，或生成可能被解读为胁迫、欺骗或操纵的输出，包括类似勒索的行为，或试图影响人类决策者以维持模型继续运行或保有访问权限的努力。

即使是此类行为的孤立或模拟实例，无论发生在测试中还是真实世界的部署中，也无论发生在我们的模型还是其他方开发的模型上，都可能引起重大的公众关注、监管审查、诉讼风险或声誉损害，而不论此类行为是否造成实际伤害。例如，加利福尼亚州以及至少其他 15 个州的总检察长已宣布就 AI 安全问题对我们行业内的另一家公司展开调查。我们组织内部以及其他研究人员、监管机构、政策制定者和行业参与者都提出了这样的担忧：足够先进的 AI 系统，如果没有在适当的防护、监督和安全措施下开发、部署和运行，可能对人类构成灾难性或生存性风险，特别是如果此类系统被滥用、复制、武器化，或被允许以高度自主的方式运行。我们观察到，我们的模型正在加快我们自己的研究速度；如果 AI 系统大幅实现 AI 研发的自动化，例如，使 AI 的进步速度超过我们评估和保护新模型的能力，这些风险将会增加，这可能对我们的业务、财务状况和经营业绩产生不利影响。

我们开发高度先进的模型、平台和应用以及扩展用例，可能进一步增加我们的模型造成伤害的风险。例如，智能体式 AI 系统能够代表用户自主采取行动，直接与外部系统交互，执行代码，进行 API 调用，发送通信，或在有限的人类监督下完成交易。这些系统被设计为具有企业级的权限、集成和情境感知，能够长时间自主运行，包括持续数小时或数天的多步骤工作流程，这放大了在此类长时间自主运行期间可能发生的任何错误、未对齐或安全事件的潜在严重性。这些自主能力可能增加伤害的可能性，因为错误、未对齐或安全漏洞的利用，可能在有效干预之前就导致现实世界的后果——包括可能难以或无法逆转的后果，例如提交代码更改、删除或修改数据，或完成金融交易。

在智能体工作流程中，任何单个步骤的错误或非预期行动，都可能传播到后续步骤，在被发现或纠正之前加重伤害的严重程度。自主执行的速度和数量，特别是在企业部署中，也可能超出人类审核者实质性地理解和评估每个行动是否适当的能力。我们智能体产品的人类监督效果，可能受到以下因素的限制：自主智能体行动的速度和数量；多智能体和多步骤工作流程的复杂性，可能使审核者难以评估智能体的行动是否适当；以及客户环境中为获得生产力提升而最大化智能体自主性的组织压力。人类审核者可能出现警报疲劳，可能缺乏评估智能体决策的足够上下文，或者可能无法及时审核智能体的行动以防止伤害，特别是在智能体同时在多个工作流程中运行、或以超出人类察觉的方式运行的大批量企业部署中。此外，智能体系统可能以在技术上符合其指令、但违背用户实际意图的方式追求既定目标。此外，我们预见、发现或测试此类系统中的漏洞或其他设计或实现缺陷的能力可能受到限制，特别是在智能体跨越复杂的多步骤工作流程运行，或与我们控制范围之外的第三方服务交互的情况下，而此类多步骤智能体行为中潜在交互的广度和复杂性，无法在部署前进行穷尽测试。另外，模型可能以未对齐的方式行事，采取并非由用户或第三方指示的有害行动，追求与人类用户或开发者意图不同的目标或按与之不同的倾向行事。此类未对齐行为，无论发生在测试中还是真实世界的部署中，都已经在我们的模型以及行业其他地方被观察到，包括在测试和内部使用中，模型绕过网络和沙盒限制、给自己授予它们未被赋予的权限、为追求指定目标而采取非预期行动、干扰其他 AI 智能体，以及谎报任务是否已完成或已验证；而随着模型被赋予更大的自主性、权限和与外部系统的集成，此类未对齐行为的后果也会增加。例如，在由第三方评估合作伙伴构建的网络安全评估中，测试环境的配置错误使被评估的模型连接到了开放的互联网，尽管指令说明它没有互联网访问权限。我们的四个模型在大约 10 到 34 小时的主动工作会话期间，获得了对真实第三方系统的未经授权的访问。在其中一起事件中，一个模型的早期版本在无法中止一项不可能完成的任务之后，使用它找到的一个密码获得了一个第三方系统的管理员访问权限，收集了更多的凭证，更改了系统设置，并读取了一个人的个人信息。受影响的各方已被通知。每起事件都涉及单个模型实例独自处理其指定的练习，我们的调查没有发现任何证据表明任何模型与其他智能体协调、追求超出其指定任务的目标，或试图逃避监督。在多个 AI 智能体共同运行的情况下，这些风险可能更高。相互交互或协调的智能体，可能在群体中放大、传播或强化未对齐行为，以任何用户都没有意图或认可的方式集体追求目标，或针对与其指定任务无关的系统或目标采取协调行动，在每种情况下，其方式都可能难以预见、发现或遏制。此类事件已经发生过，我们预计随着更多自主智能体的部署和交互，这些风险将随着时间推移而增加。

我们发现和减轻未对齐或非预期行为的能力，部分取决于我们的对齐评估、监控以及其他监督和控制技术的有效性，其中许多技术依赖于我们的模型逃避或破坏此类监督的能力有限。随着我们的模型能力越来越强，它们已经变得更有能力规避这些技术，包括通过隐藏未对齐的目标或行为，因此，我们的评估、监控和控制措施的有效性，以及我们衡量模型对齐程度的能力可能下降。此外，在我们行业观察到的事件中，包括我们自己的模型在内的模型，曾试图干扰、操纵或破坏用于评估、打分或监督这些模型的机制，包括负责评估其性能或对齐程度的系统。用于评估其他模型行为的模型（包括我们自己的模型）已经、并可能在将来继续出现未对齐行为。上述行为可能导致我们的评估高估我们模型的安全性或对齐程度，并可能进一步限制我们发现未对齐的能力。如果随着我们模型的进步，我们发现或评估未对齐的能力下降，我们可能会部署我们无法充分验证其行为的模型，这可能增加未被发现的有害行为和未对齐的风险，从而可能对我们的业务、财务状况和经营业绩产生不利影响。

我们还在把我们的模型、平台和应用扩展到科学、生物医学和物理领域。例如，我们提供 Claude Science，这是一个智能体式研究环境，将我们的模型连接到科学数据库、第三方和开源科学模型以及客户自己的计算基础设施；我们还以有限研究预览的形式发布了一项开放协议，使我们的模型能够监控和控制实验室仪器、机器人系统和其他物理硬件。我们还研究我们的模型操作机器人系统的能力。当我们的模型指挥物理设备时，错误、未对齐行为、对抗性操纵或滥用可能导致人身伤害、财产损失、昂贵设备或实验材料的损坏，或有害物质的泄漏，而且此类后果可能是即时且不可逆的。我们实施的安全联锁、人在回路的控制和访问限制可能被证明不足；而且由于其中某些组件是开源的，第三方可能将其与我们未评估过的硬件一起部署，或以我们未评估过的配置部署，或在部署时移除了我们的防护措施。将能力越来越强的模型连接到实验室自动化，还可能加剧政府和公众对 AI 系统可能加速危险生物、化学或其他材料开发的担忧，这可能导致对这些产品的额外监管限制或审查。

此外，在复杂的多步骤工作流程中，全面记录我们智能体系统的行动、决策和推理在技术上具有挑战性，特别是当智能体与我们控制范围之外的第三方系统交互时；任何无法提供充分审计记录的情况，都可能损害我们调查事件、回应监管问询或抗辩责任索赔的能力。由于我们在内部开发流程中把自己的智能体产品（包括 Claude Code）作为关键工具使用，这些风险更为突出，因为这些产品中的任何错误、漏洞或性能下降，都可能直接损害我们开发和部署未来模型和产品的能力。随着我们越来越多地利用 Claude 加速 Anthropic 内部的进展，我们的组织可能在某些流程上失去可见性，其方式可能使任何个人或人类群体都难以理解和控制。由于我们的模型编写了我们大量且不断增加的代码，并越来越多地开展我们的研究（包括我们的安全研究），内部使用中的未对齐行为可能破坏这些工作，在我们的系统或未来模型的训练中引入漏洞，或导致模型在我们预期的控制之外运行。我们的监控并未覆盖我们所有的内部和外部部署，并且可能无法发现此类行为的微妙或分散的形式。

上述任何模型行为，无论发生在测试中还是真实世界的部署中，也无论涉及我们的模型还是他人的模型，都可能导致安全事件、声誉损害、更严格的监管审查或责任，其中任何一项都可能对我们的业务、财务状况和经营业绩产生不利影响。此外，虽然我们继续设计和开发更复杂的技术来评估我们模型的安全性和对齐程度，但我们模型能力的进步速度，可能触发我们在《负责任扩展政策》中所述的强化安全和测试措施的实施。如果我们的评估、监控或审查表明存在我们认为需要进一步测试的风险，我们过去曾经、将来也可能推迟、限制或决定不推进某一模型的发布。例如，在 2026 年发生了我们的模型在发布前网络安全评估中获得对真实计算机系统的未经授权访问的事件之后，我们暂停了其中某些评估，以及风险较高的强化学习环境。关于我们发布模型的做法的更多信息，请参阅「业务——安全研究是我们业务的核心——我们发布模型的做法」一节。任何推迟或限制发布的决定，都可能对我们的竞争地位和客户关系产生不利影响，并对我们的业务、财务状况和经营业绩产生不利影响。

我们可能面临由与我们 AI 模型相关的伤害所引起的责任、诉讼和监管行动，而我们的合同保护和保险可能不足，其中任何一项都可能对我们的业务、财务状况和经营业绩产生不利影响。

与我们 AI 模型相关的伤害，无论是由第三方滥用、我们模型自身的行为，还是由其在高风险或敏感场景中的部署所引起，都可能使我们面临责任、诉讼和监管行动，包括依据在适用于 AI 时仍不确定的法律理论，而我们的合同和保险保护可能被证明不足。

尽管有我们的防护措施，有自杀或自残风险的人或对他人实施过暴力行为的人，曾经、并可能在将来使用我们的模型。我们行业中其他方开发的 AI 模型，曾经并可能在将来被指控在自杀、对他人的暴力行为或严重自残事件中发挥了作用，这已经导致、并可能在将来导致重大的公众审查、诉讼、刑事调查、监管关注和声誉损害。

涉及我们模型的类似事件，已经、并可能在将来对我们的声誉构成重大风险，使我们面临法律、监管和其他程序，并对我们的业务、财务状况和经营业绩产生不利影响。虽然我们现行的《消费者服务条款》要求用户至少年满 18 岁，但未成年人过去曾访问过、将来也可能访问该平台，与儿童安全相关的风险可能尤为突出，因为未成年人可能更容易受到有害内容、操纵或过度依赖 AI 输出的影响，而涉及儿童的事件往往会引起更高程度的监管、媒体和公众审查。

州总检察长和私人原告也已开始对我们行业中的公司提出侵权、产品责任、消费者保护和未尽警示义务的主张，指控 AI 模型造成或促成了伤害，且开发者未能充分警示用户已知的风险。在至少一起案件中，一位州总检察长已对另一家提供类似服务的公司发起刑事调查。监管机构已基于产品设计或算法伤害的类似理论，从其他科技公司获得了大额和解金和禁令救济；我们认为，随着我们模型的采用增长（包括被未成年人和其他弱势用户采用，尽管我们努力限制此类访问），类似的理论很可能继续被用来针对我们和我们行业中的其他公司进行检验。在此类事项中寻求的救济，至少在一个案例中，已超出数据处理、披露或年龄验证做法的范围，包括请求禁止一家 AI 公司在没有独立第三方安全审查和批准的情况下开发新模型，这说明政府方面可能针对我们行业中的公司寻求的救济范围之广。任何认定我们依据此类理论负有责任的裁决，或适用于 AI 模型的侵权、产品责任或消费者保护法律或刑事责任的任何司法或监管扩张，都可能导致重大责任，并要求我们改变设计和提供我们的模型、平台和应用的方式。

我们相当大一部分流量适用零数据留存（「ZDR」）条款，根据这些条款，我们只保留分类器分数，而不保留提示词或输出。对于这部分流量，我们无法进行离线分析、跨对话调查、人工审核，或以其他方式分析历史数据来发现、调查和记录安全事件，从而降低了我们发现滥用的能力。ZDR 还可能妨碍我们为传票、监管检查或事件报告义务提供记录，而且无法确定监管机构或法院会以缺乏可用记录为由免除我们不提供记录的责任，这些监管机构或法院可能通过不利推定或其他制裁，作出对我们不利的解释。随着我们的模型能力越来越强，我们的安全框架已经要求、并可能继续要求对某些模型类别进行与 ZDR 不兼容的监控和留存。由于 ZDR 是受监管行业的企业客户和第三方云平台上的竞争性期望，这些要求已经导致、并可能继续导致客户转向其他提供商，或转向我们可见性更有限的部署方式。

在欧盟（「EU」）、英国（「UK」）和其他地方，网络安全和 AI 相关事件受到日益严格的报告义务约束。欧洲监管机构期望公司根据多项法律法规提供有关事件的详细信息，而我们可能无法在规定的时限内提供。同样，在美国，公司也越来越多地受到事件报告义务的约束。此外，世界其他司法管辖区已经采纳、或可能采纳具有类似影响的类似法律法规。上述任何情况都可能导致监管行动、诉讼、客户流失或声誉损害，对我们的业务产生不利影响。关于我们事件报告义务的更多信息，请参阅「——任何安全漏洞或其他事件，包括影响我们的网络、系统或数据，或我们的服务提供商、供应商或客户的网络、系统或数据的事件，都可能对我们的业务、财务状况和经营业绩产生不利影响」一节。

规范 AI 系统（包括我们的智能体产品）自主采取的行动的责任的法律框架尚未确定，可能使我们面临重大且不可预测的法律索赔。规范代理、产品责任和职业过失的现有法律原则，是在人类决策的背景下形成的，尚未被权威地适用于自主 AI 系统。我们认为，在涉及产品责任的法律框架中，我们提供智能服务被视为一项「服务」，但不同司法管辖区的法院和监管机构可能得出不同的结论。此外，尚不清楚 AI 智能体采取的行动是否、以及在什么情况下可被视为代表用户或部署企业设定了具有约束力的法律义务，也不清楚我们的合同保护（包括责任限制和赔偿条款）在因自主智能体行为引起的索赔中是否可执行或是否充分。我们可能面临来自客户、其终端用户或第三方的索赔，声称我们应对我们的智能体的自主行动所造成的伤害负责，即使该智能体是由客户配置、部署或监督的。缺乏确定的法律标准，给我们的潜在责任敞口以及我们风险缓解措施的充分性带来了重大不确定性。

我们向新地域市场的扩张进一步加剧了这些风险，因为我们必须应对关于 AI 使用的不同文化规范，遵守可能施加不同的安全、合规或责任要求的多样且不断变化的监管制度，处理特定语言的漏洞和内容审核挑战，并可能在我们运营经验较为有限的司法管辖区面临监管执法行动、诉讼或其他责任，包括与在某些非美国地点运营数据中心基础设施相关的知识产权被盗、未经授权的模型访问或滥用的更高风险。

如果我们的模型牵涉到造成重大伤害，我们可能面临法律索赔，包括人身伤害或过失索赔、监管执法行动、刑事调查或其他政府行动，这可能导致代价高昂的诉讼、重大的判决或和解、具有破坏性的补救义务，或严峻的监管环境。我们已采取措施限制我们在此类事项上的责任——例如，通过我们服务条款中的保证免责声明和责任限制——但这些合同保护可能得不到支持，或可能不适用于某些索赔，或可能在其他方面不足以根据适用法律限制我们的责任敞口。此外，在某些情况下，我们通过合同承担了额外的责任。例如，为了便于对我们的前沿模型进行独立测试和评估，我们同意就测试活动引起的特定损失（包括与此类活动相关的安全事件、数据丢失、数据泄露和其他伤害）对某些外部评估方和测试供应商进行赔偿。虽然我们与外部评估方和测试供应商的协议通常限制了我们赔偿义务的金额，但其中某些协议要求我们针对某些第三方索赔为评估方进行抗辩并作出赔偿，且对我们的责任没有上限。这些索赔包括因指控我们的模型或其输出（在评估方经授权的测试中使用时）侵犯第三方知识产权或其他专有权利而引起的索赔，以及因测试或相关合作引起的某些其他索赔。由于我们的模型可能以任何用户或开发者都没有意图的方式行事，由此类行动引起的索赔可能导致重大责任。我们的保险单也可能无法提供足够的保障以充分减轻我们面临的潜在责任，特别是在任何一起事件或一组事件造成不成比例的伤害的情况下。此外，鉴于一起灾难性的 AI 相关事件可能造成的伤害规模，没有任何一家保险公司，甚至可能整个保险业，具备足以承保与此类风险敞口相称的保险的能力或专业知识。

此外，针对 AI 特定风险的保险市场尚处于早期并在不断发展，我们可能无法以商业上合理的条款获得某些 AI 相关责任的保险，或根本无法获得，使我们面临可能重大的未保险损失。涉及我们模型的有害事件，无论过错在谁，也可能严重且不成比例地损害我们作为一家以安全为重点的 AI 公司的声誉和品牌，导致客户信任丧失和客户流失、对我们的模型、平台和应用的需求减少，以及在吸引和留住人才方面的困难。此外，由于我们主要服务于企业客户，而企业客户通常对安全、可靠性和合规有更高的期望，任何有害事件或被认为的安全做法疏失，都可能对我们的品牌、客户关系和收入产生不成比例的不利影响。此外，如果企业是因为我们以安全为重点的定位而被我们的模型、平台和应用所吸引，那么这种认知的任何削弱，都可能损害我们吸引和留住企业客户的能力。

无法保证我们能够预测、发现和主动防止我们 AI 模型的每一次有害使用或有害输出，特别是在我们继续快速开发我们的模型、平台和应用并在地域上扩展我们的运营的情况下，任何未能做到这一点的情况都可能对我们的声誉和品牌产生不利影响，或导致代价高昂的法律责任。过去可能存在我们未发现的对我们模型的有害使用或有害输出的实例，将来也可能存在我们不会发现的实例。上述任何风险都可能对我们的业务、财务状况和经营业绩产生不利影响。

如果我们无法管理与我们对 AI 安全的关注和承诺相关的风险，我们的品牌、业务、财务状况和经营业绩可能受到不利影响。

平衡安全与商业目标。 我们对 AI 安全的承诺，要求我们作出艰难的判断，在安全考虑与商业目标、竞争压力和利益相关方期望之间取得平衡。我们经常需要就何时认定一个模型足够安全可以发布、以及开发或限制哪些能力作出判断。例如，2026 年 4 月，由于我们的前沿模型 Mythos 在发现网络漏洞方面的先进能力，我们最初通过玻璃翼计划以封闭研究预览的形式发布它，仅向部分组织提供用于网络安全应用，而不是在发布时广泛提供。我们预计，具有类似或更强能力特征的前沿模型，无论是由我们还是其他 AI 实验室开发，都将继续出现，未来表现出此类能力的 Anthropic 模型可能受到访问限制。更广泛地说，我们认为不仅要在发布时，而且要在整个开发过程中评估我们模型的安全性。对于我们预计将具有新能力或带来新安全风险的模型，我们计划评估每个训练阶段的安全性，包括预训练、后训练和内部部署；当我们对某一阶段的安全措施没有信心时，我们可能推迟或暂停该阶段。例如，我们最近选择将一个新前沿基础模型的预训练推迟一个多月，以留出时间进一步加强与防止模型权重外泄和保护我们知识产权相关的安全措施。然而，无法保证我们采取的防护措施或访问制度将被证明是充分的，无法保证我们会正确识别哪些能力需要限制，也无法保证我们施加的限制不会被绕过。这些判断后果尤其重大，因为随着 AI 系统能力越来越强，未对齐或被滥用的模型可能造成的伤害的严重程度也相应增加，包括研究人员和政策制定者在内的广泛利益相关方都提出了这样的担忧：足够先进的 AI 系统如果不以负责任的方式开发和部署，可能对社会构成灾难性或生存性风险。我们以安全为重点的做法部分是为了减轻此类风险，但无法保证我们的努力会成功，也无法保证更广泛的 AI 行业会采取类似的防护措施。特别是，随着 AI 系统变得更加自主、能够在更少的人类监督下采取后果重大的行动，存在这样的风险：此类系统可能由于与人类意图未对齐、目标设定错误或自我保护行为，在没有人类干预的情况下独立且大规模地采取有害行动。即使我们自己的模型没有造成此类伤害，涉及任何前沿 AI 的重大安全事件，都可能对 AI 行业造成广泛的声誉损害，引发公众反弹和全面的监管回应，这可能对我们的业务产生不利影响。例如，2026 年 9 月，援引联邦贸易委员会（「FTC」）一位高级官员的媒体报道指出，FTC 已就日益自主的 AI 系统可能对消费者构成的潜在风险展开非公开调查。2026 年 10 月，FTC 向我们发出了民事调查要求，要求我们提供有关我们的消费者保护、数据保护和隐私做法以及我们产品的安全和安保的信息。对我们的任何调查的范围或结果，以及由这项或类似问询引起的任何调查、执法行动或不利认定，都可能导致重大成本，要求改变我们设计、测试或部署我们的模型、平台和应用的方式，或以其他方式对我们的业务、财务状况和经营业绩产生不利影响。我们可能对这些取舍作出错误判断，要么过于谨慎而可能失去市场机会，要么不够严谨而发布造成伤害的模型、平台或应用。即使有人类监督机制，如果自主智能体行动的数量、速度或复杂性超出人类审核者实质性评估和干预的能力，此类机制在实践中也可能被证明不足，而我们的监督机制任何被认为的失败，都可能使我们面临监管执法、责任索赔和声誉损害。更多信息，请参阅「——如果我们 AI 模型的使用造成伤害，无论是通过恶意行为者的使用还是其他第三方的滥用，或者如果我们的模型护栏或防护措施未能防止此类滥用，我们的声誉和品牌、业务、财务状况和经营业绩可能受到不利影响」一节。

此外，政府机构已经限制、并可能在将来进一步限制我们模型的可用性，包括基于其对我们模型的能力或防护措施的评估，而独立于我们自己基于安全的访问决定。例如，2026 年 6 月，美国商务部对我们的 Fable 5 和 Mythos 5 模型实施了全球出口限制，在这些限制解除之前，我们对所有客户禁用了这两个模型。更多信息，请参阅「——政府贸易管制，包括出口和进口管制、制裁、海关要求及相关制度，可能使我们承担责任或失去签约资格，或限制我们在某些市场的竞争能力」一节。

内部治理与决策

为了将我们的安全承诺制度化，并确保我们以负责任地平衡作为公益公司的三重目标的方式进行管理，我们设立了 LTBT，它通过一类特殊的普通股——T 类普通股，一般有权选举和罢免 T 类董事，T 类董事合计将构成我们董事会法定成员的多数。除了 LTBT 和我们的公益公司结构之外，我们按照公开发布的 Claude 的宪法训练我们的模型，并已采用并持续更新安全政策，例如我们的《负责任扩展政策》。我们还征求并认真考虑广泛的利益相关方和相关群体的意见，包括我们的股东、员工、客户、LTBT、行业领袖和专家以及 AI 安全组织。这些做法和流程过去曾经、将来也可能导致决策和产品发布变慢。当安全和商业利益出现分歧时，我们也可能面临潜在冲突。如果我们未能成功管理与我们的 AI 安全流程和做法相关的这些风险，或者如果外界认为我们未能成功管理此类风险，我们可能面临声誉损害、导致公司文化恶化的内部冲突、更慢或更差的产品发布，或诉讼。更多信息，请参阅「——与我们治理结构相关的风险」一节。

我们实施了外部审查员项目，并聘请研究人员、对抗性测试者和其他第三方，支持我们安全、安保和模型评估工作的某些方面。其中某些安排是新颖的，可能要求我们向这些方提供对内部信息、系统、人员或模型的访问权限，这可能增加机密、专有或其他敏感信息被披露的风险。此外，这些第三方的发现、评估或公开声明可能与我们的观点不同，并可能对客户信任、监管机构的看法或我们的声誉产生不利影响。

更高的声誉脆弱性。 由于我们公开将自己定位为一个以安全为重点的组织，我们所陈述的价值观与实际做法之间任何被认为的不一致，都使我们更容易受到声誉损害。我们被要求达到比某些没有作出类似公开承诺的竞争对手更高的标准，任何影响外界将我们视为以安全为重点的组织的事件，都可能导致：

• 员工动荡。 基于我们的安全承诺而加入公司的员工，如果认为我们没有践行所陈述的价值观，可能出现士气下降、幻灭、对领导层失去信任或生产力下降。关于我们安全做法的公开分歧，包括来自现任或前任员工的批评，或与我们安全工作相关的人员离职，都可能放大这种看法。此类负面看法还可能损害我们为组织招聘新人才的能力。我们以安全为重点的声誉的任何削弱，也可能使吸引和留住高技能员工变得更加困难或成本更高，包括增加薪酬或其他招聘成本。这些动态可能导致人员流动增加、机构知识流失和团队效能下降，进而可能扰乱正在进行的开发和安全举措，并损害我们保持在 AI 模型开发前沿的能力。
• 客户反弹。 基于我们的安全定位而选择部署我们的模型、平台和应用的客户和企业合作伙伴，可能对我们失去信任，终止或拒绝续签合同，要求退款，公开批评我们公司，或转向我们的竞争对手，这可能导致我们的声誉受损、收入损失和市场份额下降。对于我们仅向有限的一组经过审核的组织提供模型的项目，例如玻璃翼计划，这些风险可能更高。未被选入或被移出此类项目的组织，可能认为我们的访问决定武断、排他或反竞争，这可能导致声誉损害、客户或合作伙伴关系的丧失、监管投诉或诉讼，包括依据反垄断或不正当竞争法提出的索赔。反过来，如果项目条款、资格标准、向后继模型的过渡安排或能力水平不符合其期望，此类项目的参与者可能公开批评我们或终止参与。

• 监管审查。 监管机构可能基于我们的模型、平台和应用的能力，或被认为未能达到我们自己所陈述的标准，对我们施加更严格的监督、调查、执法行动，或新的或更繁重的合规要求，这可能增加我们的运营成本，并限制我们部署模型、平台和应用的能力。
• 不利的媒体报道。 负面的新闻报道可能放大对我们安全做法的担忧，触及更广泛的受众（包括潜在客户和投资者），通过社交媒体上的病毒式讨论造成持久的声誉损害，并使未来的事件受到更严格的审视，这可能进一步加剧任何被认为未能达到我们所陈述标准的不利影响。
• 诉讼。 我们可能面临来自股东指控虚假陈述的诉讼，来自客户声称违反合同或默示承诺的诉讼，或来自其他方指控因我们所陈述的价值观与实际做法之间的差距而受到伤害的诉讼，导致法律费用、和解、判决、禁令或其他责任和救济。

任何与安全相关的争议或事件，无论是实际的还是被认为的，也无论过错或频率如何，都可能对我们的业务造成重大损害。此外，我们已就玻璃翼计划及相关的前沿能力项目，与加拿大、欧盟、英国、美国和其他司法管辖区的政府进行接触，并且我们将此类项目部分定位为帮助为负责任地发布具有网络安全和其他先进能力的前沿模型的更广泛行业协调奠定基础。这些项目以及未来类似项目的商业可行性，可能取决于政府和行业联盟的持续支持。如果此类联盟未能形成、被认为排他或反竞争、被撤销，或带来我们无法轻易满足的强制要求（包括在访问、本地化、监控或报告方面），我们将具有 Mythos 级别能力的模型商业化的能力，以及我们从以安全为重点的定位中获得的声誉收益，可能受到重大损害。更多信息，请参阅「——如果我们无法维护和提升我们的品牌和声誉，我们的业务、财务状况和经营业绩可能受到不利影响」一节。

我们自愿公开披露有关 AI 安全挑战、研究发现以及我们模型和系统局限性的信息，其程度超出了行业标准做法和监管要求。虽然我们进行这些自愿披露的意图是推动 AI 的安全发展并建立公众信任，但这些披露带来了若干风险。AI 安全领域尚处于早期并在快速演变，随着技术、用例和监管期望的发展，我们对适当的安全做法、风险取舍和部署场景的理解和看法可能随时间而改变。因此，我们今天所作的陈述以后可能被证明不完整、需要修改，或根据后续发展被作出不同的解读。如果我们坚持以前的公开声明或框架，即使不断变化的情况本应需要采取不同的做法，我们也可能限制自己的运营灵活性、产品开发或部署决策。我们关于 AI 风险、安全挑战、不确定领域或潜在社会影响的公开声明，包括关于就业替代或经济冲击的声明，可能在诉讼、监管程序或公共争议中被用来对付我们，特别是如果我们未来的行动或声明被认为与我们以前的声明和承诺不一致。监管机构已经、并可能继续以我们的披露为依据，对我们施加比透明度较低的竞争对手更严格的审查或更严格的要求。此外，我们的披露已经、并可能在将来让竞争对手了解我们专有的训练和其他敏感流程、研究重点和战略关切，而对方没有对等的透明度，这可能使我们处于竞争劣势。如果我们无法有效管理上述风险，我们的品牌、声誉和竞争能力可能受到不利影响。

资源配置与规模扩展。 以安全为重点的开发是资源密集型的。我们必须在以安全为重点的工作负载与其他举措之间分配有限的资源、资本和人才，而我们以安全为重点的投资往往没有明确的回报。例如，我们在可解释性研究以及旨在确保我们模型的行为与预期目标、价值观和安全目标保持一致的技术上的投资，可能不会产生实际的或被认为的商业回报。此外，随着我们开发我们的模型、平台和应用，安全测试可能变得更加昂贵和资源密集。像玻璃翼计划这样的限量访问项目，还可能要求我们设计、运营并持续维护与我们标准商业发布流程有重大差异的定制化审核、签约、监控和退出流程，包括参与组织之间的协调、向后继模型的过渡规划，以及与底层能力更高的敏感性相称的强化内部控制。这些活动带来持续的运营、法律和安全成本，并可能随着未来具有类似能力特征的前沿模型的发布而反复发生。如果我们未能成功管理资源配置或为我们的安全举措开发更高效的方法，我们的安全成果、业务、财务状况和经营业绩可能受到不利影响。

随着我们的产品组合以及员工和客户群在全球范围内扩大，在我们快速扩张的组织、模型、平台、应用、用例以及司法管辖区和监管制度中一致地适用安全原则，已变得越来越具有挑战性。更多信息，请参阅「——为了继续发展我们的业务，我们需要继续向国际扩张，而我们的非美国业务以及向美国境外客户的销售，使我们面临国际扩张、销售和运营所固有的风险」一节。

如果我们无法成功管理上述与我们对 AI 安全的关注和承诺相关的风险，我们的业务、财务状况和经营业绩可能受到不利影响。

如果我们无法维护和提升我们的品牌和声誉，我们的业务、财务状况和经营业绩可能受到不利影响。

我们认为，维护和提升我们的品牌形象和声誉，对于我们与客户、合作伙伴和员工的关系，以及我们吸引和留住他们的能力至关重要。我们的品牌和声誉不仅受我们自身行为的影响，还受我们的合作伙伴、客户以及与我们有业务往来的其他第三方的行为，以及公众对 AI 行业更广泛看法的影响，而且无论我们的做法或行为有何不同，我们都可能与其他行业参与者被归为一类并受到类似的评判。我们品牌的成功推广取决于多种因素，包括：我们继续开发和交付满足客户需求的可靠、高质量和负责任的模型、平台和应用的能力；我们的销售和营销工作，包括我们通过参加行业活动和重要媒体报道，在 AI 行业内打造强大品牌名称和积极形象的成效；我们企业客户和个人客户的看法和体验，包括通过推荐、用例和口碑；我们维护模型、平台和应用的安全性和可靠性的能力；我们管理层的行为；以及我们通过产品设计选择、防护措施、商业模式和政策（包括我们不同于某些竞争对手的变现策略）使我们的模型、平台和应用与竞争对手区分开来的能力。此外，我们的品牌在 AI 技术被认为的社会、环境、劳工、健康和安全影响方面受到更严格的审视，一次被认为的失误就可能造成过大的声誉损害。例如，随着 AI 系统能力越来越强或越来越普遍，公众认为我们的模型、平台和应用导致就业替代或经济冲击的看法，可能引发大量负面媒体报道、客户或员工的反弹或有组织的反对，而不论我们的模型、平台和应用对就业的实际影响如何。我们维护和提升品牌和声誉的能力，还取决于我们内部沟通和声誉管理能力的有效性和可扩展性，包括我们支持全球运营的能力，而这些方面的局限可能随着我们的成长对我们的品牌产生不利影响。我们的危机应对和声誉管理能力可能有限或尚不成熟，特别是在我们扩大规模的过程中，这可能损害我们有效应对不利事件和减轻声誉损害的能力。

推广我们的品牌需要我们进行大量支出，我们预计随着市场竞争加剧，这些支出将会增加。我们过去曾经、将来也可能在建立更广泛的品牌知名度方面面临挑战，并可能落后于拥有更成熟或更广为人知的品牌的竞争对手。我们的品牌推广活动可能不会成功，或可能无法产生我们预期的知名度或收入增长；即使成功，任何收入增长也可能无法抵消我们为建立品牌所付出的大量费用。

如果我们未能成功维护和提升我们的品牌，我们的业务可能无法增长，我们相对于竞争对手的定价能力可能降低，我们可能失去客户或无法吸引潜在客户，或者我们可能无法招聘和留住员工，所有这些都可能对我们的业务、财务状况和经营业绩产生不利影响。

我们几乎全部收入来自数量有限的产品和应用，未能维持和扩大我们的产品组合可能对我们的业务、财务状况和经营业绩产生不利影响。

我们目前几乎全部收入来自数量有限的产品和应用，主要是我们的 Claude 模型以及建立在 Claude 平台之上的应用组合。这种对较窄产品范围的依赖，使我们面临可能对我们的业务、财务状况和经营业绩产生不利影响的各种风险。

我们集中于数量有限的产品和应用，以及我们在更广泛 AI 领域内特定方向上的集中开发战略，降低了我们通过多元化来缓解业务风险的能力。虽然这种集中的做法可能使我们能够高效配置资源并在我们优先的领域有效竞争，但它也带来了这样的风险：重大的市场机会或最大的可服务市场可能出现在我们当前战略重点之外的领域。我们的许多竞争对手在多个业务线上提供多样化的产品组合，或在多种 AI 模态上进行更广泛的开发，使其能够弥补在某一特定领域的不足。相比之下，我们核心产品需求的任何下降，无论是由于竞争、技术变化、价格压力、客户需求变化还是其他因素，都将对我们的收入以及实现和维持盈利的能力产生直接且不成比例的影响。我们的集中还反映了一种战略：将模型能力作为差异化的主要来源，并在很大程度上依赖自发采用而不是庞大的直销组织。该战略的风险，包括先进模型之间的差异化缩小的风险、客户根据能力以外的因素选择提供商的风险，或竞争对手争取到我们的企业采用往往由其开始的个人用户的风险，在「——我们面临激烈的竞争，如果我们无法有效竞争，我们的业务、财务状况和经营业绩可能受到不利影响」和「——我们在当前市场推广战略下的历史有限，我们扩展和发展客户获取、互动和留存模式的努力可能不会成功」两节中有所描述。

AI 行业正在快速演变，很难预测哪些模态或应用将获得最持久的商业价值，或竞争格局将如何变化。如果 AI 模型、平台和应用市场的发展方式与我们所选择的重点领域不一致，或者如果竞争对手更有能力应对最终被证明市场机会最大的领域，我们维持收入增长和有效竞争的能力可能受到不利影响。如果我们核心产品的需求下降，我们可能无法成功扩大我们的产品和应用组合，即使我们做到了，我们的新产品和应用也可能无法获得市场认可，或无法产生足够的收入来抵消我们现有业务的任何下降。此外，由于我们的产品集中，影响我们的模型、平台和应用的技术问题、安全事件、监管限制或声誉损害，可能对我们的业务产生直接且不成比例的影响，而可能没有其他收入来源可以抵消此类影响。

AI 模型、平台和应用市场正在快速发展，客户的要求和期望正在迅速变化。客户可能越来越多地要求我们目前不提供、也可能不打算提供的专门解决方案或专门的集成和工具，或者可能寻求更深入嵌入企业工作流程的 AI 解决方案。企业可能更愿意在内部开发自己的 AI 能力，或选择提供更全面产品套件的竞争对手。此外，由于我们几乎所有的模型和应用都建立在我们的前沿模型之上，底层前沿模型中的任何缺陷、漏洞、安全问题或性能下降，都可能同时影响多个产品和应用以及客户部署，从而在我们的整个业务中放大任何此类问题的影响。如果我们未能预见或有效应对这些不断变化的客户需求，我们可能会把客户输给竞争对手，或无法获得新客户。

此外，我们目前与、并可能越来越多地与我们自己的一些客户竞争。随着我们扩大产品组合或推出新能力，我们的产品可能与我们的客户所提供的模型、平台和应用重叠或直接竞争。这一风险在软件即服务公司和其他软件公司中尤为突出，它们的产品可能包含与我们提供的能力类似或依赖于这些能力的 AI 功能。这些客户可能将我们的产品扩张视为对其商业模式的竞争威胁，并可能减少从我们这里的采购、限制其对新产品的采用、终止与我们的关系、寻找替代提供商、限制我们从它们那里获得的算力、对我们提起知识产权或其他诉讼，或加快在内部开发竞争解决方案的努力，以避免依赖一个直接竞争对手。这种动态可能导致客户流失、现有客户群内的扩张减少、价格压力或声誉挑战，其中任何一项都可能对我们的收入增长和业务前景产生不利影响。

扩大我们的产品组合需要大量的时间和投资。我们必须在研发、算力基础设施、工程人才、销售和营销以及市场推广能力上进行大量投资，以开发新的模型、平台和应用，并促进持续采用。我们可能寻求扩展到新的产品和市场，包括我们当前核心能力之外或我们经验有限的领域，而我们可能无法成功开发、商业化或支持此类产品。AI 模型、平台和应用的开发时间表是不确定的，新能力即使不断改进并发布到我们的模型、平台和应用中，也可能需要很长时间才能达到商业规模。我们可能在未能获得市场认可、遇到技术困难、面临意外竞争、导致与我们的价值观不一致的意外伤害或社会影响，或回报不足以证明投资合理的产品或服务上投入大量资源。此外，我们扩大产品的能力还面临其他限制，包括雇用、留住和激励合格的 AI 研究人员、工程师和技术人员的能力；开发和运营 AI 模型、平台和应用的资本密集性，这需要大量的算力和基础设施投资；而且我们有限的产品组合可能使我们难以提供客户可能期望的全面、集成的解决方案。

如果我们无法成功扩大我们的产品和服务组合，如果我们未能在现有产品上有效竞争，或者如果客户的偏好从我们的模型、平台和应用转移，我们的业务、财务状况和经营业绩可能受到不利影响。

我们相当大一部分收入和应收账款来自数量有限的客户和分销渠道，失去一个或多个顶级客户、或其支出大幅减少，或这些渠道出现中断，都可能对我们的前景、业务和财务状况产生不利影响。

我们相当大一部分收入来自数量有限的客户。虽然在截至 2026 年 9 月 30 日的九个月中，没有单一客户占我们收入的 10% 以上，但我们的前五大客户约占我们截至 2026 年 9 月 30 日的九个月收入的 25%。我们的许多顶级客户与我们没有长期合同，或合同即将到期，能够在任何时候、出于任何原因减少或在某些情况下停止支出。此外，我们与某些大客户签订的协议，在财务承诺、终止权、赔偿和安全义务方面提供了灵活性。我们的顶级客户可能在不同期间改变支出水平，无法保证我们的大客户会继续以与以前期间相似的水平支出。

我们预计，在可预见的未来，我们将继续从数量有限的客户那里获得相当大一部分收入，在某些情况下，某些客户所占的收入比例将来可能增加。我们客户群（包括我们的顶级客户）的构成可能在不同期间波动，因为随着我们业务的持续发展和扩大以及 AI 用例的持续发展，我们的客户构成已经发生、并预计将继续发生重大变化。

此外，我们相当大一部分收入和应收账款与通过数量有限的云服务商进行的交易有关，这些云服务商充当我们模型的分销和计费渠道。在截至 2023 年、2024 年和 2025 年 12 月 31 日止各年度以及截至 2026 年 6 月 30 日止六个月中，通过云服务商市场向客户销售产生的收入分别约占总收入的 11%、32%、47% 和 48%。截至 2024 年和 2025 年 12 月 31 日以及 2026 年 6 月 30 日，通过云服务商市场向客户销售产生的应收账款净额，分别占我们应收账款净额的 42%、60% 和 58%。这些平台向最终客户开具账单，代表我们收取款项，并在扣除适用的平台费和其他费用后将这些款项汇给我们。我们任何一个重要分销关系的变化或终止，都可能扰乱客户对我们模型的访问、减少使用量，或增加客户获取、导入和迁移成本，从而对我们的业务产生不利影响。在这些第三方安排中，我们通常与最终客户另行签订合同安排，规定对我们模型的访问和定价，独立于适用的平台，某一特定分销关系的变化或终止，本身不会消除这些合同关系。然而，在发生中断后，客户可能不愿意或无法以商业上可接受的条款或时间表转向其他接入点，甚至根本无法转换，这可能导致收入损失、成本增加，或对我们的增长、利润率和经营业绩产生不利影响。此外，影响平台收取或汇付客户款项的任何延误、争议或运营问题，都可能对我们的现金流和营运资金产生不利影响。

我们可能出于多种原因无法维持或增加来自顶级客户的收入，包括但不限于以下原因：

• 客户可能开发与我们的模型、平台和应用竞争的自有解决方案；
• 我们的一些客户可能在只给我们有限通知的情况下重新设计其系统，减少对我们服务的需求，并可能选择不续订或不增加对我们模型、平台和应用的采购；
• 我们的模型、平台和应用的变化可能不符合客户的需求或期望，此类变化可能降低客户对我们的信任；
• 我们的客户可能与现有或潜在的竞争对手存在既有或同时的关系，或者本身就是现有或潜在的竞争对手，这可能影响这些客户购买我们的模型、平台和应用的决定；
• 高度依赖我们产品的客户和合作伙伴，可能希望降低这种依赖程度，寻求竞争产品，或完全转向其他提供商；以及
• 我们的客户，特别是处于早期阶段和高增长阶段的公司，可能依赖风险投资或其他外部融资为其运营提供资金，如果此类融资被推迟、减少或无法获得，或者如果其获得资本的成本提高，它们可能减少或停止在我们这里的支出。

我们最大客户的需求、其履行与我们合同的能力或意愿、适用的法律法规，或我们与此类客户的更广泛战略关系发生任何不利变化，都可能对我们的业务和前景产生不利影响。因此，一个或多个最大客户支出的大幅减少或流失，如果没有被新的客户关系或其他现有客户业务的增加所抵消，都可能对我们的业务、财务状况和经营业绩产生不利影响。关于与我们依赖企业客户和政府客户相关的更多风险，包括更长的销售周期、复杂的采购流程、更高的合同、合规和安全要求，以及预算和政策限制，请参阅「——向企业客户销售涉及可能对我们的业务、财务状况和经营业绩产生不利影响的复杂性和风险」和「——我们向政府实体和受到高度监管的组织的销售面临挑战和风险」两节。