Anthropic официально получила от Пентагона статус «supply chain risk» — риска цепочки поставок. Казалось бы, это должно было поставить крест на сотрудничестве с американскими спецслужбами. Но нет: по имеющимся данным, поставки AI-моделей в Агентство национальной безопасности (АНБ) скорее всего продолжатся. Причина — аппаратные ограничения разведывательных структур и специфика самой сделки.
Контекст
Anthropic — одна из немногих frontier AI-компаний, которая изначально строила себя вокруг нарратива «безопасного ИИ». Safety-first позиционирование, конституционный AI, строгие политики использования. На этом фоне контракты с военными и разведывательными структурами США всегда вызывали внутренние противоречия: часть сотрудников и внешних наблюдателей считает, что такие сделки несовместимы с декларируемыми ценностями.
Именно поэтому предыдущие переговоры зашли в тупик: в ранней версии договора присутствовал пункт о «any lawful use» — «любом законном использовании» моделей. Формулировка слишком широкая и потенциально охватывает сценарии, которые Anthropic официально исключает из допустимых. Тогда переговоры остановились. В нынешней версии сделки этого пункта нет.
Параллельно разворачивается аппаратная коллизия: американские спецслужбы работают в жёстко контролируемых, изолированных сетях. Доступ к новейшим чипам Nvidia — в частности, к архитектуре Grace Blackwell — у разведывательных агентств ограничен. Соответственно, и AI-модели, которые они могут развёртывать, должны работать на более старом железе. Это нетривиальное ограничение для frontier-моделей 2025–2026 года.
Аналитика
Флаг «supply chain risk» от Пентагона — это не запрет, а административная классификация. В американской системе государственных закупок она означает повышенный уровень проверки и дополнительный аудит, но не автоматическое исключение поставщика. То, что сделка, судя по всему, продолжается — говорит о том, что реальная потребность разведывательного сообщества в AI-инструментах сильнее бюрократической осторожности.
Важен и аппаратный угол. Если модель Anthropic, фигурирующая в материалах под кодовым названием Mythos, действительно оптимизирована под более старые GPU, это указывает на намеренную инженерную адаптацию под нужды госсектора. Frontier-модели обычно проектируются под самые мощные кластеры — делать шаг назад для совместимости с классифицированной инфраструктурой нетипично и требует отдельных ресурсов.
Более широкий тренд очевиден: американские tech-компании всё глубже интегрируются в оборонный и разведывательный контур. OpenAI, Microsoft, Google уже работают с государственными структурами. Anthropic, несмотря на свою safety-риторику, движется туда же. Это создаёт устойчивое напряжение: коммерческие AI-компании существуют в двух нарративах одновременно — «безопасный ИИ для всего человечества» и «стратегический инструмент национальной безопасности».
Кейсы применения в бизнесе
B2B-SaaS стартап в регуляторной среде. Если ваш продукт работает с государственными или корпоративными клиентами в чувствительных отраслях (финансы, здравоохранение, юридические услуги), история Anthropic — это прикладной урок. Контрактные формулировки об использовании AI-модели имеют значение: пункт «any lawful use» может стать dealbreaker. Проработайте с юристами, какие ограничения использования вы прописываете в своих условиях для AI-компонентов, чтобы не попасть в ту же ловушку при масштабировании.
Корпорация с legacy-инфраструктурой. Ситуация с АНБ и Grace Blackwell — зеркало для любой крупной организации с устаревшим железом. Если вы планируете внедрять LLM, но ваша инфраструктура ограничена старыми GPU, изучите модели с меньшими требованиями к вычислительным ресурсам: Qwen, DeepSeek, более компактные версии Claude. Frontier — не всегда решение; иногда нужен Mythos, а не флагман.
SMB и локальный бизнес в КР/СНГ. В Центральной Азии государственные структуры также движутся к AI-инструментам, но с похожими ограничениями: локализация, compliance, аппаратная база. Для компаний, работающих с госзаказом, важно понимать: AI-партнёры будут проходить проверку. Выбирайте провайдеров, у которых есть явные политики использования и которые могут предоставить документацию — это снижает ваш собственный compliance-риск.
Кейсы в личной жизни
Разработчик. История с Mythos и оптимизацией под старое железо — практически применимый инсайт. Если вы развёртываете LLM локально или на ограниченном сервере, изучите квантизированные версии моделей (GGUF, AWQ) и бенчмарки на конкретных конфигурациях. Не каждая задача требует самого мощного железа — иногда модель меньшего размера с правильной квантизацией даёт лучший результат на вашем железе.
Контент-мейкер и аналитик. Публичная история о том, как один пункт договора («any lawful use») заблокировал, а потом разблокировал многомиллионный контракт — это готовый материал для контента об AI governance. Аудитории интересно, как юридический язык формирует границы AI. Разбирайте такие кейсы: они понятны широкой аудитории и объясняют реальную сложность «безопасного AI» лучше любого пресс-релиза.
Студент или начинающий специалист в AI. Этот кейс — отличная точка входа в тему AI policy и AI ethics в реальном применении. Anthropic's Constitutional AI, политики использования моделей, supply chain security в AI — всё это становится частью профессионального словаря. Изучите публичные use policy крупных AI-компаний (Anthropic, OpenAI) и сравните формулировки — это практика, которая пригодится при работе в любой команде, внедряющей AI.
Как применить сегодня
- Прочитайте актуальную Acceptable Use Policy Anthropic — там явно перечислены запрещённые сценарии; сверьтесь с тем, как вы используете Claude в продукте.
- Если вы строите B2B-продукт с AI-компонентом, явно пропишите в договоре с клиентом, какие именно сценарии использования покрывает ваш сервис — и какие нет.
- Оцените аппаратные ограничения вашей инфраструктуры: если GPU старые или их нет, рассмотрите API-доступ к Claude через Anthropic или облачных провайдеров вместо локального деплоя.
- Следите за темой AI в госсекторе: в КР и СНГ регуляторная среда формируется прямо сейчас, и компании, которые выстроят compliance-процессы раньше других, получат преимущество при работе с государственными клиентами.
- Для технических команд: изучите разницу между frontier-моделями и их «governance»-версиями — это отдельный инженерный и продуктовый трек, который будет только расти.