【中国观察北京时间2026年10月12日讯】
美国财政部长贝森特近日谈及中美人工智能竞争时，将中国AI企业采用的“工业化蒸馏”形容为窃取美国模型技术的一种说法。他特别提到中国人工智能公司月之暗面开发的Kimi模型，称Kimi有时会把自己说成美国Anthropic公司开发的Claude，甚至将涉及中国军方的信息传给Anthropic。这番话迅速引发关注，因为它触及的不仅是中美AI技术差距，还包括一个更现实的问题：当用户把敏感资料交给人工智能处理时，这些资料最终流向了哪里？
争议的核心来自Anthropic于2026年9月发布的调查报告。该公司称，自2026年2月以来，它发现并阻止了来自中国七家AI实验室的未经授权蒸馏活动。报告指称，部分企业通过代理账户和复杂的请求转发方式，获取Claude的回答，再将这些回答用于训练自己的模型。其中，月之暗面被指在十天内通过一个由5380个欺诈账户组成的代理网络，向Claude转发近30万个请求，主要涉及Anthropic能力较强的Opus系列模型。Anthropic还称，从5月至7月，它观察到与月之暗面有关的请求累计超过2300万次。
这些数字如果经进一步调查证实，说明争议并非几名用户偶尔拿不同模型比较答案，而可能涉及规模化、系统化地获取竞争对手模型输出。不过，现阶段这些具体数字和行为归因主要来自Anthropic自身的调查。它是相关服务的提供者，能够掌握服务器请求和账户活动等数据，但同时也是AI市场中的竞争企业。其报告应当受到认真审视，也应当与独立技术评估、相关企业回应及可公开核实的证据相互印证。
蒸馏不是窃取 关键在于如何取得数据
要理解这场争议，首先必须弄清楚什么是AI蒸馏。
人工智能模型的训练需要大量数据、计算资源和工程投入。蒸馏通常是让能力更强的“教师模型”回答一系列问题，再利用这些回答训练规模较小的“学生模型”，使后者以更低的运行成本获得部分相似能力。这种方法本身并不违法，也不是中国企业独有的技术。美国AI公司同样会使用蒸馏来开发更小、更便宜、更适合特定任务的模型。
真正的分界线在于数据如何取得、是否获得授权，以及有没有规避服务商设置的限制。如果一家企业按照许可协议使用模型输出，蒸馏可以是正常的研发方式；如果企业利用大量虚假账户隐藏真实身份，规避访问限制，系统性获取竞争对手的模型能力，并违反服务条款，那么争议就不再只是技术路线之争，而涉及商业诚信、知识产权和公平竞争。
因此，把所有中国开源模型都称为“偷来的模型”，既不符合技术事实，也无法准确解释这次事件。反过来，企业也不能因为蒸馏是一种合法技术，就认为任何规模、任何方式的数据提取都可以接受。判断具体行为，必须看证据和授权边界，而不是只看企业来自哪个国家。
Kimi争议真正触及用户数据安全
Anthropic报告中另一个更值得公众关注的细节，是它声称月之暗面将用户原本提交给Kimi的请求转发给Claude，再把Claude的回答展示给用户。用户以为自己正在使用Kimi，实际处理请求的却可能是美国公司的模型。Anthropic表示，它无法确定月之暗面是否告知了这些用户，他们的请求会被转交给第三方。
这意味着问题不只是模型能力是否来自竞争对手，还包括用户是否知道自己的数据正在被谁处理。
当用户向AI提交普通问题时，数据转发可能只是服务架构上的变化。但如果用户上传的是企业源代码、内部文件、访问凭证、客户资料或政府机构的工作数据，后果就完全不同。资料一旦离开原先预期的处理环境，用户可能无法判断谁能够接触这些内容、数据保存多久、是否被用于训练，以及出现泄露后应当向谁追责。
Anthropic在报告中举例称，一些经由相关服务转发的请求包含企业内部代码、有效访问凭证和商业资料。报告还披露，一名被该公司评估为可能与中国人民解放军有关的用户，曾使用其认为是Kimi的服务分析成都数百个摄像头的监控录像，其中包括军事设施周边的摄像头画面。
这一案例确实涉及敏感数据，但必须准确表述。Anthropic公开报告所描述的具体内容，不能自动证明中国军方的武器计划已经泄露，也不能证明所有相关请求都来自军方。贝森特在采访中提到武器计划信息传给Anthropic，是他的公开说法；报告中的监控分析案例，则是Anthropic披露的具体调查内容。两者的证据层次并不相同。
更重要的是，假如相关用户确实把敏感资料交给Kimi，而请求又在用户不知情的情况下转发给Claude，那么资料流向的变化本身就构成了需要调查的安全问题。即使最终没有证据证明这些资料属于最高机密，未经用户充分知情而将敏感内容交给另一家服务商处理，也足以引发严肃的隐私与合规疑问。
中美AI竞争已经进入数据与安全的新阶段
贝森特的表态还反映出，美国政府正在把AI竞争从模型性能和芯片供应，进一步延伸到数据安全、知识产权和国家安全领域。美国拥有大型AI研发企业、先进芯片设计能力、云计算基础设施以及大量资本投入，在前沿模型研发方面具备显著优势。但领先地位并非只靠训练出一个更强的模型就能维持，还取决于企业能否保护模型能力、建立可靠的访问控制，并防止技术通过未经授权的方式被大规模提取。
中国AI企业则面对另一种压力：既要尽快缩小与美国前沿模型的能力差距，又要控制训练成本、计算资源和商业化支出。蒸馏能够降低开发门槛，但如果企业过度依赖外部模型输出，就可能在短期内获得能力提升，却没有同步建立足够独立的研发、验证和安全管理体系。
不过，不能因为一家企业被指违规蒸馏，就推断中国整个AI行业都缺乏自主研发能力。不同企业、不同模型的技术来源和训练方法并不相同。评价一家模型是否具有竞争力，应当考察其独立完成任务的能力、推理质量、稳定性、成本、安全表现及真实用户反馈，而不能仅凭某次争议得出整个产业的结论。
同样，美国企业的指控也不应成为限制所有中国AI产品的唯一依据。若调查发现确有规模化、未经授权的数据提取行为，美国可以依据具体证据采取账户封禁、合同追责、民事诉讼或依法实施出口和贸易限制等措施。但措施是否合理，仍应取决于行为证据、法律依据和具体风险，而不是简单把正常技术竞争与不当获取能力混为一谈。
AI越强大 数据治理越不能靠口号
这场争议还有一个容易被忽视的方面：人工智能已经成为处理企业资料、政府文件和复杂数据的工具，用户在使用它时，往往并不了解背后的模型调用链条。一个应用可以展示自己的品牌和界面，却将部分任务转交给另一家模型服务商；如果这种转交没有被清楚说明，用户就很难对敏感资料作出知情选择。
因此，无论是中国企业还是美国企业，都应当明确告知用户数据由谁处理、是否会转交第三方、是否用于模型训练、保存期限有多长，以及用户如何删除数据和提出申诉。对涉及政府机构、军事设施、关键基础设施和商业秘密的应用，还应设置更严格的数据分类、访问权限和审计机制。
AI企业也需要建立更可靠的技术防护。服务商应当识别异常请求规模、批量账户、自动化访问和试图提取模型内部推理信息的行为，并在保护正常研究与开发的同时，限制明显违反授权边界的活动。用户和机构则不应把任何AI服务当成绝对安全的保密环境，尤其不应在没有明确合同和安全保障的情况下上传密码、访问令牌、核心代码或敏感内部文件。
贝森特提出中美建立AI事故通报机制的设想，也说明双方除了争夺技术领先地位，还必须面对模型滥用、数据外泄和高风险应用带来的共同问题。竞争并不意味着双方无法建立最低限度的安全沟通，但此类机制能否落实，仍取决于双方是否愿意明确责任、提供可信信息，并建立可执行的处理程序。
Kimi与Claude的争议最终需要由更多证据来厘清。Anthropic的报告提出了具体、严肃的指控，月之暗面的相关行为、用户是否获得充分告知，以及是否存在未经授权的模型能力提取，都需要在事实基础上接受审查。与此同时，贝森特关于军方武器计划信息的说法，也不能仅凭一句公开讲话就被扩大为所有中国AI模型都在泄露军事机密的结论。
人工智能竞争正在进入一个新的阶段。模型可以被蒸馏，数据可以被复制，服务也可以通过复杂的网络转发，但用户信任和企业信誉并不能靠技术捷径轻易建立。真正决定一家AI企业能走多远的，不只是它能否迅速追赶更强大的模型，还在于它是否尊重授权边界、保护用户数据，并愿意为自己的技术行为承担责任。
