Anthropic Institute 的四大支柱：研究計畫，還是商業公關？

2026 年 5 月 7 日，Anthropic 公開了旗下 The Anthropic Institute（簡稱 TAI）的研究議程。

TAI 是 2026 年 3 月 11 日才正式對外亮相的單位，掛在 Anthropic 內部，由共同創辦人 Jack Clark 領軍。團隊把原本散在公司裡的三個小組合併起來，再從外面找了一批人——包括前 DeepMind 資深研究總監 Matt Botvinick、前 OpenAI 的 Zoë Hitzig、經濟學教授 Anton Korinek。

這份議程值得認真讀，但讀的時候有一件事要放在腦袋最上層：它不是學術界寫的，是一家前緣 AI 公司寫的。

四大支柱拆開來看

TAI 官方議程列出四個研究方向：

1. Economic diffusion（經濟擴散）

研究 AI 怎麼改變經濟。這條線承接的是 Anthropic 已經在做的 Anthropic Economic Index——一個用 Claude 在企業端的自動化資料、追蹤「哪些職務在被取代」的指數。

2. Threats and resilience（威脅與韌性）

雙重用途風險：網路攻擊、生物威脅、監控、攻防失衡，加上 AI 在醫療、教育、地緣政治的衝擊。Anthropic 在發布 Claude Mythos Preview 時就說，TAI 會幫忙做這個模型的「雙重用途能力評估與緩解」。

3. AI systems in the wild（實境部署中的 AI 系統）

研究 AI 系統在真實世界部署後的行為——不是在 lab 跑 benchmark，是在使用者實際操作的環境中觀察。

4. AI-driven R&D（AI 驅動的研發）

AI 加速 AI 本身研究的這個迴圈。Anthropic 自己的話是：「我們已經看到 AI 對 AI 研發加速的早期跡象。」

這四條線各自看起來都成立、彼此不重疊——但合起來看，這份議程在做一件更大的事：它把 Anthropic 自己定位成「AI 衝擊評估的權威機構」。經濟它管、威脅它管、實境部署它管、AI 自我加速它也管。當這四條都掛在同一家公司底下，他們就成了主訴 AI 影響的 default analyst。

這不是中立議題清單。這是策略地圖。

Economic diffusion 的命名是公關藝術

四條線裡最值得單獨拿出來看的是第一條。

Anthropic Economic Index 這個名字聽起來像「美國經濟學會發布的指數」。但拆開來看本質是什麼：他們在追蹤 Claude 的企業客戶正在用 AI 自動化哪些工作。

換句話說——這份指數的原料，是 Anthropic 的客戶資料。

把這件事學術化、給它一個「指數」的命名、再丟進一個叫「Institute」的單位裡持續發布，效果是：原本只是商業資料的東西，會被新聞引用、被政策圈引用、被學界引用。Anthropic 就從「賣 Claude 給企業的公司」升級成「定義 AI 經濟衝擊的測量者」。

這套打法不是新發明。Stripe 在金流資料上做過、LinkedIn 在勞動市場資料上做過、Uber 在城市交通資料上做過。差別只在 Anthropic 處理的是「AI 衝擊就業」這個現在最敏感的政策話題——而他們同時也是這個衝擊的製造方。

Anthropic 自己在公告裡說得很坦白：「我們看到軟體工程這種職位正在劇烈改變。我們正看著 Anthropic 內部的經濟結構開始變化，看著新的威脅從我們建造的系統中出現……」這段話的語氣是「研究員的觀察」，但講話的人就是製造這個變化的當事人。

當賣 AI 的公司同時定義 AI 的衝擊指標，這個指標再好都不會是中立指標。它會是一個友善地對待自己的指標。

Robert Wiblin 點出的真正問題：獨立性

TAI 議程發布後，80,000 Hours 的 Robert Wiblin 在 X 上直接質疑：這類研究本來應該由智庫、學界、政府做，把它放在一家 AI 公司裡，方法論上就有問題。

這個質疑不應該被當成「酸 Anthropic」帶過。它指的是 AI 影響研究最核心的東西——獨立性是命脈。

當你研究的是「AI 公司的產品如何衝擊社會」，而你的薪水、算力、資料、職涯升遷都由那家 AI 公司提供時，你能不能寫出一份「我們公司的產品正在造成大規模失業，應該被嚴格管制」的論文？理論上可以。實際上——這種結論在絕大多數組織文化裡會自我審查掉，連寫的人自己都不會察覺。

更具體的問題：

發布時點：TAI 的研究什麼時候發、什麼時候不發？如果一份內部研究的結論對 Anthropic 的政策遊說不利，它會被埋掉嗎？沒人知道，因為議程的優先順序由 Anthropic 自己決定。
資料近用：外部研究者拿不到 Claude 的企業使用資料，所以「Economic diffusion」這條線實質上是 Anthropic 的獨家敘事。學界沒辦法檢驗、重現、或挑戰。
政策建議：TAI 一定會在某個時點開始給政策建議。這些建議和 Anthropic 的商業利益有多少重疊？出口管制、模型登記、API 監管、競爭法——每一個都同時是公共議題與 Anthropic 商業優勢來源。

Anthropic 在公告裡用「Anthropic Fellowship」（一個 4 個月有薪 fellowship 給外部研究者）來回應這個問題。但 fellow 們做的研究題目是 TAI 設定的，產出的論文也要經過 Anthropic 同意才能發。這不是獨立，這是託管。

TAI 真正能做、不能做的事

把話說清楚——這篇不是要說 TAI 是廢物。

TAI 確實有外部研究者拿不到的東西：他們能看到 Claude 真實的使用樣態、企業在用 AI 自動化什麼任務、模型在 production 環境的失敗模式、紅隊測試裡的雙重用途風險。這些第一手資料如果完全埋在公司內部，對 AI 治理是淨損失。有限度地外部化，比完全保密好。

TAI 領隊之一 Logan Graham 把自家定位叫「applied weird blue sky research」，過去在網路安全、自我改進、機器人、國家安全議題上有實際 track record。這團隊的能力是真的。

但能力強和獨立性是兩件事。 TAI 適合做的：

第一手經驗報告（「我們在實驗室看到什麼」）
內部安全評估的方法論文
AI 自我加速的內部觀察

TAI 不適合做但很可能還是會做的：

AI 對勞動市場的綜合影響評估
AI 公司應該如何被監管的政策建議
AGI 風險的「中立」社會評估

第二類東西，正確的做法是把資料和方法論交給外部獨立機構去寫——不是讓自己的「Institute」貼上學術標籤後再寫一份。

研究 AI 政策的人也需要好的工作環境。很多獨立研究者在咖啡廳寫白皮書，靠的就是一張桌子、一台筆電、足夠久的注意力。蝦皮 · 編輯選物桌面 4 件套（鍵盤、USB-C Hub、螢幕掛燈、站立書架）總價不到三千——符合人因工程設計的工作環境對長時間研究工作的專注力有直接幫助。獨立性不會自動出現，它需要結構支撐——包括最物理層級的書桌。

結語：別讓「Institute」這個字騙了你

「Institute」這個字在英文政策圈帶著一種特定氣味——Brookings、AEI、CSIS。這個氣味暗示「獨立、學術、中立、可信」。

Anthropic 把自家研究單位也叫 Institute，他們在借這個字的信用。但 TAI 不是 Brookings、不是 AEI、不是 CSIS。它是一家 AI 公司內部的研究部門，掛了一個聽起來中立的名字。

讀 TAI 的後續報告、Economic Index、政策論文時，記得這層差別。它的研究會有價值——但要把「作者是誰、發報告的時機是什麼、結論對誰有利」這三件事永遠擺在最上層。

下一個觀察點：OpenAI 會不會也成立類似單位？xAI 會不會？Google DeepMind 的 Public Policy 團隊會不會升級成 Institute？如果三個月內有兩家以上跟進，這就不是 Anthropic 一家的策略，是前緣實驗室集體往「自我定義 AI 衝擊」走的一步。

當所有可能衝擊社會的人，都同時是「衝擊評估的權威」——那才是 AI 治理研究真正出事的開始。

延伸閱讀：

TAI 議程原文：The Anthropic Institute Agenda
原始推文：@AnthropicAI on X