Jay 发自 凹非寺
量子位 | 公众号 QbitAI
受一起版权诉讼影响，Anthropic一份标注为“最高机密”的2021年7月内部研究路线图意外曝光。尽管文件正文仅寥寥数页，却精准预言了今日AI技术的核心发展方向。
在Anthropic成立初期、团队规模仅十余人时，这份文档已清晰勾勒出Claude Code、工具调用（Tool Use）、AI自我评判（Self-Judging）、测试时计算（Test-time compute）以及万亿参数与超长上下文等关键技术路径。
五年前的战略前瞻：从聊天机器人到软件工程师代理
业界常误以为大模型向代码编写及系统操作Agent的演进是近年技术成熟的自然结果。然而，2021年的路线图显示，Anthropic早在彼时便确立了清晰的原型定位：构建一个能通过自然语言交互，创建、编辑和解释软件的通用AI助手。
该助手需具备回答通用问题、编写函数、查找Bug、设计API以及讨论代码风格与最佳实践的能力，最终展现出软件工程师同事的全部能力。
这一目标与当下的Claude Code高度契合。在GPT-3初显身手、公众尚惊叹于AI基础生成能力时，Anthropic已跳过简单的代码补全，直接瞄准完整的软件工程代理。
在实现路径上，内部曾就“优先开发实用编程助手”还是“验证工具调用可行性”展开争论。GPT-3论文第一作者Tom Brown建议从代码仓库浏览（Repo Browsing）入手，而研究员Andy Jones则关注工具调用的理论证明。
最终，CEO Dario Amodei拍板决定：短期验证工具调用可行性，长期演进为超级好用的编程助手。回顾Claude Code的发展轨迹，正是对这一战略步骤的严格执行。
底层技术预判：万亿参数、自我评判与测试时计算
除应用层愿景外，该路线图对底层技术基建亦有深远洞察。
超大模型与超长上下文
在175B参数模型仍属主流的时代，Anthropic已规划训练1T（万亿）及以上参数的超大模型，并探索超长上下文机制，以容纳海量记忆与经验。
模型自我评判与测试时计算
在对齐研究方面，文档明确提出“模型自我评判”概念，即让模型评估自身输出质量并将其作为反馈信号。这与当前AI Feedback及推理模型自我纠错的核心思想一致。
此外，文档还提及“测试时计算”（Test-time compute）。尽管当时其应用场景局限于对齐和判别器研究，但表明Anthropic的研究视野已延伸至模型训练之外的计算投入，为后续o1类推理模型的爆发埋下伏笔。
安全与伦理：早期的风险预见
作为以安全为核心竞争力的公司，Anthropic在2021年便深入探讨了Agent部署面临的安全挑战。
沙箱隔离与执行风险
联合创始人Sam McCandlish提出关键问题：如何安全部署无沙箱隔离的工具？CEO Dario进一步强调，重点在于部署时执行代码的工具安全性。这精准预见了当前Agent提权、环境逃逸及数据污染等风险。
能力发展与对齐研究的同步性
内部哲学家Amanda指出，若仅在自然语言领域进行对齐研究，却在代码领域推进模型能力，将导致对齐测试失效。她提议确立公司原则：各领域的能力研究与对齐研究应成比例同步推进，避免对齐研究成为孤岛。
行业动态：OpenAI前员工涉嫌窃听事件
在复盘两家技术路线差异之际，OpenAI曝出一起严重安全事件。据美国联邦检察官起诉书，35岁的前产品团队工程师Abdulrahman Alfozan因在公司总部高管专用会议室安装窃听设备而被解雇并面临刑事指控。
涉案人员将带有高级加密和数据传输功能的窃听装置隐藏后，插入Sam Altman等高管召开核心闭门会议室内的电视USB接口。该会议室常涉及超级智能研发机密、未公开产品规划及政府合作简报等敏感话题。目前案件正在进一步审理中。