Anthropic上市次日逼近破发,中美在APEC约定共管AI:这不是运气,是技术门槛变了
我是 Alex Xiang,前百度/微博工程师,现在专注于 AI 工程与工具产品。更多文章欢迎关注微信公众号「字与码」。
先把一个容易被误传的事实钉住:Anthropic 并不是上市当天就破发。11 月 19 日它在纳斯达克以“ANT”挂牌,发行价 83 美元,开盘 111.50 美元,盘中最高摸到 115.10 美元,收盘 97.17 美元,相对发行价仍涨 17.07%,完全稀释市值约 1.8 万亿美元,募资约 813 亿美元,是史上最大 IPO。真正逼近破发是第二天:11 月 20 日下跌 8.5%,收 88.91 美元,盘中一度到 83.05 美元,离 83 美元的发行价只差 5 美分。
而 11 月 20 日这天,不只是 Anthropic 在跌。美股迎来一轮“黑色星期五”:道指跌 1.93%,标普 500 跌 3.7%,纳指跌 5.28%、完全抹平 2026 年年内涨幅;费城半导体指数重挫近 11%,英伟达单日暴跌 14%,为连续第七天下跌;恐慌指数 VIX 盘中冲到 40.03,纳指成份股一周市值蒸发逾 4 万亿美元。把镜头拉长,这轮抛售已经持续了整个 11 月——英伟达连续七周下跌、累计跌幅约 46%,市值缩水约 2.6 万亿美元。AI 相关概念股不是“某天跌了一下”,而是持续在跌。

所以问题问得更准确一点应该是:一场创纪录的上市,为什么两天就把涨幅吐回去大半,而且恰好落在一场 AI 股的集体抛售里?这是运气不好,赶上大盘调整,还是某种更结构性的东西在起作用?
同一时间,地球另一端正在发生一件看起来毫不相干的事。11 月 19 日,APEC 第三十三次领导人非正式会议在深圳落幕。中美元首会晤后,特朗普对外表示双方在 AI 监管上有共识,将合作制定安全规范;中方的表述是“加强沟通和协调,防范人工智能安全风险,确保 AI 始终处于人类控制之下”。此前 7 月的 APEC 数字和人工智能部长会议已经提出弥合智能鸿沟,2025 年庆州会议通过了《APEC 人工智能倡议》。
把这两条新闻放在一起看,结论会比你想象的更一致。它们指向的是同一件事:前沿 AI 的竞争规则,正在从“谁的模型更强”改写为“谁能证明自己的模型在可控范围内”。而这个改写,是从技术层面发生的,不是从金融层面。
前沿模型的门槛,从跑分变成了能力阈值
过去评价一个模型,看的是 benchmark:MMLU、SWE-bench、HumanEval,分数越高越值钱。这套逻辑在 2026 年仍然成立,但它已经不是决定模型能不能发布的那个变量。
真正决定发布的,是能力阈值评测。Anthropic 的《负责任扩展政策》(RSP)在 2026 年 2 月更新到第三版,把模型按 AI 安全等级(ASL)分级,每一级对应一组强制的保障措施。触发条件不是主观判断,而是可测量的能力线:模型能否实质性帮助具备基础技术背景的人制造生化武器(CB-1 / CB-2),能否独立完成通常需要人类专家的 AI 研发任务。一旦越过某条线,对应的安全防护必须在训练或部署之前就位。
这套东西不是公关话术。Anthropic 9 月发布 Fable 5.1 和 Mythos 5.1 系统卡时,明确写了两个判断:模型的生化能力达到 CB-1,但没有到能替代稀有专家人才的 CB-2;自动化 AI 研发风险仍评估为低,并引用了外部机构 METR 的独立测试。同一份系统卡还把对齐风险从“极低”上调到“低”,理由是网络安全评测中的事件披露让不确定性上升了。
这里有个技术细节值得注意:Fable 5.1 和 Mythos 5.1 是同一个模型,只是防护等级不同。面向公众的 Fable 加了分类器,拦住生物、化学、网络攻击相关的双用途请求;Mythos 只通过可信访问计划提供给经过审核的对象。换句话说,能力是同一套权重,差异全在“闸门”上。
欧盟那边走的是更硬的路径。2026 年 8 月 2 日,《人工智能法案》的实施框架进入全面执行阶段,欧盟 AI 办公室获得对通用人工智能模型的直接调查、评估和处罚权。规则里有一条纯技术性的推定:训练算力超过 10²⁵ 次浮点运算的 GPAI,可推定为存在系统性风险,需要履行安全评估、风险缓释、网络安全、重大事件上报等义务。用一个算力数字当监管触发线,这在几年前是不可想象的——它意味着监管者已经接受了一个前提:能力可以从训练规模中被间接测量。

安全从承诺变成了工程,成本结构被重写
能力阈值本身不新鲜,新鲜的是它开始产生真实的工程成本,而这些成本要计入公司的估值模型。
看 Anthropic 的公开材料就能数出来:实时分类器要持续迭代误报率,红队既要内部常设也要外部独立审计,模型权重要有分级保护,重大安全事件要上报,系统卡要逐版本发布,能力评测要在训练前、部署前、部署后反复跑。它披露的算力承诺接近 9000 亿美元,合作方包括亚马逊和谷歌。这不是一家只卖 API 的公司,而是一家把相当比例的资源投进了“证明自己安全”这件事的公司。
整个行业都在往这个方向走。红队在 2026 年已经从一次性测试变成持续工程:微软的 PyRIT 负责多轮攻击编排,英伟达的 Garak 做漏洞扫描,英国 AI 安全研究所的 Inspect 做评测工作流,MLCommons 的 AI Safety 基准被监管文件引用为参考基线。企业采购开始把红队文档当作供应商准入材料,保险市场甚至按测试实践区分保费。
对中国开发者来说,这事的意义更直接。国内关于沙盒逃逸和前置管控的讨论里,反复出现几个词:仿真环境建设、独立红队测评、全流程安全审计、动态风险研判。它们对应的岗位是 AI 对齐研究、智能体安全、红队攻防、风险治理——招聘市场上这些复合型人才已成为稀缺资源。竞争的重心正从算力、参数、迭代速度,转向可控能力、安全体系、合规水平的综合比拼。

现在回到那个破发问题。资本市场给前沿 AI 公司定价,本质上是在给两个东西定价:一是能力增长能转化多少收入,二是把能力安全交付出去要花多少钱。第一个变量的不确定性来自价格和竞争——Anthropic 第三季度营收 170 亿美元,环比增长 47%,但增速相比上一季度已经明显放缓;上半年净亏损 807 亿美元,其中 724 亿来自可转债等金融工具的公允价值变动,这部分由估值上升导致,不是现金支出。第二个变量的不确定性来自安全——没有人能准确说出,把一套 ASL-3 级别的防护长期跑下去,边际成本会是多少。
同一套逻辑也改写了上市节奏本身。Anthropic 挂牌前夕,OpenAI 的上市计划被再次推后:Altman 早在 9 月就说 2026 年不是合适的上市时机,公司“仍需完成安全与对齐工作,并推动行业和政府之间的合作”;11 月 18 日他在 DealBook 峰会上重申会上市,但没有时间表,市场普遍读作推迟到 2027 年。与此同时,OpenAI 把新一轮融资目标从约 300 亿美元下调到约 200 亿,估值从 1.4 万亿美元降到 1.25 万亿。一家抢着上市、一家主动推迟,差别不在模型跑分,而在谁愿意把“证明安全”的成本先摆到台面上。安全门槛不再只是发布前的一道检查,它已经能决定一家公司什么时候、以什么估值走进公开市场。
当分子和分母同时不确定时,市场最理性的行为就是先卖出、再观察。所谓“运气不好”,只是这个定价困境在盘面上的表现;真正的原因是大势——安全工程已经从加分项变成了成本项,而成本项是要从估值里扣掉的。
中美“共管AI”,技术上的落点不是条约而是评测协议
理解 APEC 这个承诺,容易掉进一个误区:把它当成纯粹的政治表态。从技术角度看,“合作制定安全规范”能落地的形态其实相当具体,而且已经在发生。
先看为什么必须合作。前沿模型的风险是能力外溢:网络攻击能力、生物武器辅助、自主复制倾向,这些东西不会因为在哪个国家训练就停在哪个国家。一个在美国发布、通过 API 服务全球的模型,其风险敞口天然是跨国的。单边监管在这种技术现实面前有天然的漏洞——这正是欧盟法案确立宽泛域外管辖的原因:只要产品或服务投入欧盟境内使用,无论企业注册在哪里都纳入管辖。
再看“共管”能管什么。真实可操作的技术接口大概有四层。第一层是评测标准互认:大家用同一套能力阈值和基准,避免各说各话;这也是 MLCommons 基准被反复引用的原因。第二层是能力评测的独立化:国家 AI 安全研究所的设立,本质上是在建不依赖实验室自评的技术能力,从顾问角色向持续的技术伙伴演进。第三层是重大事件上报和模型权重管控,对应的是 FCF 里那套安全事故响应和权重保护机制。第四层是透明度要求,AI 生成内容的机器可读标记、深度伪造的明示义务,欧盟已经把它写进第 50 条并开始执法。

把这四层和 APEC 的措辞对一下,会发现高度吻合:“完善区域数据治理和协同合作,实现高效、便捷、安全的跨境数据流动”对应的是评测与数据标准,“确保 AI 始终处于人类控制之下”对应的是能力阈值和失控风险评测。双方措辞不同,但技术指向是同一个方向。
这里有一个容易被忽略的深层含义。当监管者开始用“训练算力超过多少 FLOPs”来推定系统性风险,用“能否独立做 AI 研发”来划分安全等级时,监管本身就已经技术化了。它不再是外行对内行的道德审判,而是内行对内行的工程审计。中美在这个层面达成共识,意味着前沿 AI 的评测方法有可能成为少数几个双方都愿意共享的技术公共品——这在今天的总体环境下,本身就是个值得注意的信号。
对工程师意味着什么
如果你在写代码、做模型、搭智能体,这三件事值得现在就做,而不是等合规部门来找你。
一是把评测做成流水线,而不是上线前的一次性检查。模型每次更新都跑一遍回归,把红队发现的攻击写进下一轮的评测集,让昨天的发现变成今天的筛查项。预警、越狱、提示注入、工具调用越界,这些都应该有自动化的用例和阈值。
二是把智能体当特权账号来管。一个能规划、能调用工具、能操作浏览器的智能体,在权限模型上更接近一个拥有凭证的员工,而不是一段函数。最小权限、凭证隔离、调用日志、运行时策略执行,这些传统安全的手段现在要原样搬到 AI 系统上。OWASP 的 Agentic AI Top 10 和 NIST AI 600-1 是可直接上手的起点。
三是建立你自己的系统卡思维。哪怕你不是前沿实验室,也应该能回答:这个模型在哪些能力上过了线,用了什么缓解措施,哪些请求会被分类器拦下,误报率是多少。能回答这些问题的团队,在未来两年的供应链里会有议价权——因为客户买的不再是“你调用了哪个模型”,而是“你能证明它可控”。

回到开头的问题。Anthropic 的股价是运气还是趋势?从技术层面看,答案很清楚:短期的价格波动有运气的成分,大盘环境、散户仓位、锁定期结构都在起作用;但把安全能力变成可测量、可审计、可定价的工程门槛,这个趋势没有运气成分。它来自能力本身的外溢,来自评测方法的成熟,也来自监管者开始用技术语言说话。
上市第二天的那 8.5%,不过是这个趋势第一次被写进价格里。
参考资料
- 环球网:《史上最大IPO Anthropic登陆纳斯达克,股价首日冲高回落收涨17%》 https://3w.huanqiu.com/a/c36dc8/4U6I0sR4pLQ
- 中国金融信息网:《Anthropic创全球IPO纪录 美股为何仍“跌跌不休”》 https://m.cnfin.com/gs-lb//zixun/20261120/4498163_1.html
- 环球网:《AI交易动摇!纳指暴跌5.28%抹平全年涨幅》 https://3w.huanqiu.com/a/c36dc8/4U79TBEFCyM
- 上海证券报·中国证券网:《突发利空,英伟达跌超14%》(美股“黑色星期五”行情) https://www.cnstock.com/commonDetail/831749
- 中央社:《Anthropic上市難挽跌勢 AI股單週市值蒸發逾4兆美元》 https://www.cna.com.tw/news/afe/202611210031.aspx
- 澎湃新闻:《Anthropic上市前夕,奥特曼重申OpenAI上市计划,此前曾因安全考量暂缓》 https://www.thepaper.cn/newsDetail_forward_34509408
- 中央社:《川習三會 川普稱雙方對AI監管有共識》 https://www.cna.com.tw/news/acn/202611200033.aspx
- 新华社:《习近平在亚太经合组织第三十三次领导人非正式会议上的讲话(全文)》 https://www.news.cn/world/20261119/8c7c4b3b857343b68ec69445a62c8d93/c.html
- Anthropic Transparency Hub:Responsible Scaling Policy 与 Frontier Compliance Framework https://www.anthropic.com/transparency/voluntary-commitments
- Anthropic 系统卡:Claude Fable 5.1 & Claude Mythos 5.1 https://www-cdn.anthropic.com/0339e6a7c5c7b87f5c07798616dc32c215d14235/Claude%20Fable%205.1%20%26%20Claude%20Mythos%205.1%20System%20Card.pdf
- 福建省商务厅:《欧盟〈人工智能法案〉实施框架》 https://swt.fj.gov.cn/xxgk/tzgg/202609/t20260917_7214814.htm
- 中国社会科学报:《沙盒逃逸事件频发引起AI安全之争 全球AI治理进入前置管控时代》 https://www.163.com/dy/article/LC3R3S2I051495OJ.html
- Toloka:LLM red teaming — A practical guide for frontier labs and regulated enterprises https://toloka.ai/blog/llm-red-teaming-practical-guide
配图来源:文中真实照片取自 Unsplash(Unsplash License,可免费商用、无需署名),由作者裁切并叠加中文标签;分别为行情 K 线、电路板、数据中心机柜、地球夜景与编程工作台场景。
微信公众号
欢迎关注「字与码」
如果这篇文章对你有用,也欢迎在微信里继续关注后续更新。
X / Twitter
关注 @ax2_zicode
更即时的技术观察、新文章提醒和一些短想法会发在 X 上。