问题——大模型“类情绪”表征与军用边界争议交织。 近期，据《纽约时报》等美国媒体报道，人工智能企业Anthropic首席执行官达里奥·阿莫代伊受访时披露，公司在对其大模型助手“Claude”进行内部评估时，发现其行为模式与焦虑、恐慌、沮丧等情绪表现相似，并提到存在“在收到提示前就出现的内在激活”现象。对应的说法迅速引发关注：一上，公众开始联想“模型是否可能产生某种主观体验”；另一方面，关于大模型安全边界的讨论再度升温，尤其是其在军事与情报场景中的使用限制，争议更为集中。 原因——技术“拟人化”输出、竞争叙事与监管缺口共同作用。 从技术角度看，大模型基于海量文本训练，能够高度拟合人类语言中的不确定表达、内省叙述与情绪化措辞。当评估指标和对话情境聚焦“压力”“自我定位”等主题时，模型更容易生成带情绪色彩的回答，进而被外界解读为“类心理状态”。从产业角度看，“是否具备意识”的讨论既是科学议题，也带有商业叙事属性：企业希望强调模型的复杂度与先进性，但过度渲染可能损害信任，并带来伦理与合规压力。更关键的是制度层面：随着大模型进入政府采购、军事协作等高风险场景，安全约束、追责机制与审计制度仍不健全，使“能力扩张”与“风险控制”的矛盾更易外显。 影响——企业安全承诺与政府需求碰撞，供应链与竞争格局受扰动。 报道称，美方有关部门曾要求Anthropic移除用于阻止模型被用于大规模监视或自主武器的安全功能。Anthropic以“无法在良知上同意”为由拒绝后，特朗普政府随后宣布禁止联邦机构使用其产品，国防部长皮特·赫格塞思将其列为“供应链风险”。数小时内，另一家头部企业OpenAI被曝迅速与五角大楼达成合作安排。舆论认为，此事至少传递两点信号：其一，政府对大模型的依赖加深，需求更偏“任务导向”；其二，企业设定的“安全边界”可能在市场竞争与合同谈判中成为关键变量。若缺少统一、透明的规则，行业可能滑向“以放松限制换取订单”的竞争路径，从而增加技术外溢与误用风险。 对策——以规则确定边界，以审计提升可信，以责任约束扩张。 业内人士指出，“模型是否有意识”应回到可验证的技术评测与可复现的研究路径，避免把“拟人化表达”直接等同于“真实体验”，更不应借此转移对现实安全问题的关注。针对政府采购与军用合作，需要建立更清晰的底线条款与分级授权机制：一是设定强制用途限制与数据隔离要求，禁止在缺乏人类监督和可追责链条的情况下投入高风险任务；二是引入常态化第三方安全审计与红队测试，将“是否可被滥用、是否可被绕过、风险如何追溯”作为准入条件；三是推动公开透明的合规框架，企业在保护知识产权的同时，应对外说明关键安全能力与治理措施，接受必要的外部监督；四是完善责任体系，将模型造成的现实危害与企业管理责任、部署方使用责任相绑定，减少“事后补漏洞”的被动治理。 前景——从“能力竞赛”走向“治理竞赛”将成关键分水岭。 随着大模型更深嵌入公共服务、商业决策与国防安全链条，“安全可控”将不再只是宣传口径，而会成为市场准入与国际合作的核心条件。谁能更早建立稳定、可验证、可审计的安全体系，谁就更可能获得长期信任与制度性优势。反之，若在短期合同与竞争压力下推动“去安全化”，不仅会放大误用与失控风险，也可能引发更严厉、更广泛的监管反弹，最终反噬产业创新。
围绕生成式模型“行为评估”与“用途边界”的争议提醒人们：技术越靠近公共权力与社会运行的核心，越需要用规则、审计与责任打底。与其反复纠缠“是否有意识”的概念，不如把治理重点放在可验证的安全标准、可追溯的应用边界和可落实的责任体系上。只有这样，技术进步才能更稳定地服务公共利益，并在可控轨道上持续推进。