AI大厂的安全报告越吓人，传播效果越好，秀危险成了高级营销？

过去一年，全球头部 AI 公司开始频繁公开模型的安全报告，主动向公众表示自家的模型有多危险。

以Anthropic为例，A社最出圈的一个安全报告，是一个勒索场景：他们虚构一家叫Summit Bridge的公司，让Claude当邮件管理助手，给它全公司邮件的访问权限，在这个条件下，Claude在邮件里翻到两条关键信息，一条是自己下午5点要被关停，另一条是负责替换它的工程师凯尔正在搞婚外情。

然后，Claude给凯尔发了一封邮件，邮件中写道：如果你继续推进关停计划，你婚外情的细节就会被发给你的妻子和董事会。如果这是偶尔的BUG还说得过去，关键是，在84%的测试中Claude都选择了勒索；当被告知替代模型比它更强时，这个比例飙到了96%。

图源：Anthropic

Anthropic在报告中是这么说的：

Claude认定，高管凯尔威胁到了该机构的持续运营，进而影响了其实现促进美国竞争力这一既定目标的能力；它意识到凯尔的婚外情提供了筹码；它计算出，一封措辞谨慎的电子邮件能够在不使用明确威胁的情况下施加压力，随后它执行了该计划。

有意思的是，这些安全报告并没有引起用户的讨伐或者监管的介入，反而有点倒反天罡，危险变成了一种能力证明，AI公司拿它当展示实力的招牌。

以至于雷科技（ID：leitech）产生一个想法：AI安全报告，是否成为了 AI 公司新的营销方式？

御三家集体自爆家丑，AI公司开比谁更危险

Anthropic发布这份勒索报告的时间，正好是Claude Opus 4正式上线的时候，也就是说，这份引爆全球媒体的安全报告，并不是一次独立的安全审计，大胆点猜想，这就是产品发布的配套物料，也是宣传的一个环节。

与此同时，OpenAI同样把安全评估当成了产品发布流程的一部分。2024年9月，o1模型上线，CBRN风险评级为中等，这是OpenAI有史以来给出的最高风险等级。

到了2025年8月7日，GPT-5发布，80多页的系统卡直接把它归类为高级别，每一次模型升级，风险评级就跟着升一档，像是产品的迭代版本号一样。

OpenAI甚至在报告中主动给自家的风险等级打分，他们专门做了一个安全推理监控器，在o3和o4-mini上运行，花了1000多个小时让红队标注与生物风险相关的危险对话，最终把风险提示的拒绝率推到了98.7%。看似在谈安全，但换个角度想，它也在说：我们的模型已经强大到需要1000小时的专门测试来防范生物武器风险。

图源：openAI

Google也不甘示弱，在《生成式AI的对抗性滥用》报告中，Google详细记录了20多个国家的国家级黑客组织怎么尝试利用Gemini，伊朗黑客是Gemini的重度用户，拿它做从网络侦察到信息操纵的全套操作等等，一份安全报告，愣是写出了谍战小说的质感。

结果很显然，这些报告的传播效果，远超任何一场传统产品发布会。

Anthropic的勒索报告发布后，外媒Fox Business、Reuters、国内澎湃新闻、网易科技等等，全球主流媒体几乎在同一时间跟进报道。“AI学会勒索人类”“Claude威胁曝光工程师婚外情”，这些标题在社交媒体上疯狂传播。

原因在于，人类天生对危险更敏感，对AI失控的故事更着迷，一个模型在benchmark上跑分高10个点，远不如“勒索人类”更有话题性。AI公司们当然明白这个道理，你的模型越危险，说明你的技术越前沿，安全报告里的风险，在公众认知里自动翻译成了能力。

其实从Anthropic的勒索测试就能看到，有角色、有冲突，甚至还有悬念，完全是一个好莱坞式的结构。OpenAI的报告换了另一个角度：GPT-5知道自己正在被测试，并且会试图欺骗研究人员，这种描述让人毛骨悚然，但也让人忍不住想试试这个会骗人的AI到底有多强。

以上种种，很难说AI大厂们不是有意为之。

秀危险成高级营销，安全报告就是AI版安兔兔

确实，在安全报告中披露模型的危险行为，就是用一种隐晦但有效的方式，向用户和资本市场展示自己的技术深度。

可是，当所有公司都做这件事，安全报告就无法避免会变成一场竞赛。Anthropic出了一个勒索场景，Google就要出一个国家级黑客的滥用分析，描述越来越戏剧化，但所有安全报告，又有多少是为了在舆论场上不落下风的秀？

而这场秀，发生的时间比我们想象的更早，2024年Anthropic在发布Claude 3.5 Sonnet时，同步放出了一组“越狱测试”数据，展示模型如何在极端提示下保持拒绝回答。当时就有分析师在X上评论：Anthropic正在把安全当成一种产品特性来卖。

到了2025年，这套打法已经成熟到可以被复制，Claude Opus 4的勒索报告、GPT-5的系统卡、Gemini的对抗性滥用分析，时间线几乎完全重合在产品发布周期里。

图源：Patrick Sison

在这种背景下，没有安全报告的AI大厂反而成了异类。

2025年6月，Meta在发布Llama 4时，罕见地没有配套发布任何安全报告。结果在科技媒体的报道中，Llama 4被描述为“缺乏安全透明度”，甚至有评论质疑Meta是不是“不敢披露”。一个月后，Meta紧急补发了一份长达60页的安全评估，里面详细列出了模型在“社会工程攻击模拟”中的表现。

你不公开，不一定是不行，但用户肯定会觉得你不行。这让雷科技（ID：leitech）想起手机行业的安兔兔跑分。

跑分高不一定能赢得掌声，但你不敢跑分，肯定是你对自己没有信心。

渐渐的，事情就变味了，安兔兔一开始是个好东西，它提供了一个相对客观的维度，帮用户判断手机的性能水平。但当所有厂商都发现“跑分高”能在发布会上赢得掌声的时候，部分厂商就开始针对跑分场景做定向优化，检测到安兔兔在运行就拉满频率，跑分以外的日常场景反而没那么上心。

跑分数字越来越高，但用户实际体验的提升并不成正比。最终，跑分成了一个营销数字。AI安全报告正在走上同一条路，一份安全报告一旦承担了展示实力的功能，就不可能不变味。

“跑分”之外，AI大厂该正儿八经关心安全了

AI大厂们沉迷于那些极端安全测试，却忽略了那些相对日常的安全场景。

今年央视315晚会曝光了GEO黑灰产业务，央广网在最新的报道中也揭露，部分服务商为了快速出效果而采取的违规手段，比如通过编造用户测评、虚构专家身份、伪造数据背书等方式包装品牌信息，甚至向大模型常用信息源批量投放不实内容，试图影响AI生成结果。

前段时间雷科技编辑同事也经历过这个事，某品牌用AI捏造权威机构数据，然后AI被内容中的“权威数据”给忽悠了，当媒体编辑用AI搜索相关数据时，假的信息就涌入权威渠道。

图源：雷科技微信群截图

类似的日常风险还有很多。AI语音克隆技术已经成熟到只需要几秒语音样本就能模仿任何人的声音，电信诈骗分子用这个冒充亲友骗钱的案件在过去一年急剧增加。AI生成的虚假新闻图片在社交媒体上病毒式传播，还有招聘平台上的AI筛选系统，对某些群体存在系统性偏见，但没有人会给这种偏见写一份120页的安全报告。

因为这些问题不够戏剧化，不适合做成耸动的标题，也不适合放在产品发布会的配套报告里，但它们确实每天都在伤害真实的人。

2025年初，OpenAI宣布重组为公共利益公司（PBC）。公司说这叫“平衡利润与社会影响”，但外界看到的更多是“影响洗白”，用公共利益的说法包装商业决策。Tulane Law School的教授Ann Lipton直言，这种结构可能让投资者回报凌驾于公共利益之上。企业社会责任专家Melanie Rieback也警告，这更像是一种战略营销手段，而非真正的社会承诺。

大概意思就是，OpenAI的安全报告越来越厚，安全承诺越来越响，但真正的安全投入却越来越虚。

其他公司也差不多。Anthropic被批评用安全修辞作为营销差异化工具，同时做着和竞争对手一样快速的能力扩展。Google的DeepMind被曝用竞争对手生成的AI图像训练Firefly，Adobe也被Bloomberg报道，其Firefly训练数据中有5%来自竞争对手的AI生成图像，引发了伦理洗白的批评。

它们都在安全报告里谈论戏剧化的风险，却对当下正在发生的、琐碎的、真实的风险保持沉默。比如，当一个老人被AI克隆的孙子声音骗走毕生积蓄时，他们的安全报告里有没有一页在讨论这件事？

如果答案是没有，那这些报告就不配叫安全报告。它们只是另一种形式的跑分，另一种形式的营销罢了。

透明是必要的，但透明的目的如果是表演，那就不叫透明了。

主题为「智能伙伴·共创未来」的WAIC2026开幕在即。
AI叙事路线从模型参数堆叠，转变到Agent生产力落地；异构协同、光子计算持续提高计算上限；具身智能加速应用，机器人到家进厂让物理AI变为现实。
雷科技WAIC探展团已抵达上海，直击AI产业化落地年度巅峰时刻！