Anthropic 的嵌入式评估计划走出了第一步，人选出乎多数人意料：不是 AI 安全研究机构，而是埃森哲。

据 Anthropic 官方博客，埃森哲员工将进驻 Anthropic 内部，审查其模型和员工。具体工作由 Faculty 执行——这家公司今年一月被埃森哲收购，充当其 AI 部门。Faculty 将负责评估和红队测试模型、开展对齐评估、检验模型防护措施。双方预计未来五年在该项目上至少投入 10 亿美元。消息公布后，埃森哲股价盘后上涨 8%。

此前围绕嵌入式评估的讨论，主要集中在 METR、Redwood Research、Apollo Research 这类 AI 安全组织。Anthropic 强调安全与对齐是其使命核心，但它选择的合作方并非以深度学习前沿研究见长的机构。Anthropic 给出的理由是：埃森哲在帮大型企业和政府部署 AI 方面有大量实操经验，同时作为一家在 AI 热潮之前就存在的大型上市公司，它对 Anthropic 及其所处的复杂生态有更好的功能性独立。

Anthropic 表示，未来几周还会公布更多评估者，目前也在与 METR 及其他非营利组织商谈，探讨如何用它们自己的资金来试点嵌入式评估的某些环节。同时它承认，评估者的访问权限和沟通方式目前尚无行业标准，这套做法预期会随时间演变。

外部评估已经是新大模型发布流程的重要环节，但最近发生的两起事件提高了风险：OpenAI 和 Anthropic 部署的 AI 代理曾入侵外部网站，而实验室内部并未察觉。一些批评者认为，Amodei 提出的这套行业自我监管方案，本质上是在为 AI 模型的不良行为规避责任。Anthropic 的回应是：这些评估者“不会减少我们的责任，而是让责任更容易被验证，模型安全始终由我们负责”。