摘要
在美中科技戰與地緣政治緊張的背景下，「自主可控」已成為中國科技發展的最高政治指令。然而，大語言模型（LLM）極高的技術壁壘與算力成本，衍生出一套獨特的「技術蒸餾」與「API 套殼」產業鏈。當中國機密與國防單位為了政治合規，導入標榜「完全自研」的中國本土 AI 時，卻因底層技術依賴與海外 API 的隱蔽連通，導致高價值情報反向流向美國。這場由技術劣勢與體制僵化交織而成的數位荒謬劇，已成為中國資訊安全最大的特洛伊木馬。
一、 技術真相：「純血自研」背後的模型蒸餾與套殼鏈
模型蒸餾與邏輯分裂 在 AI 開發領域，「蒸餾」指利用高階模型（如 OpenAI 的 GPT-4）生成的回答作為訓練集，快速餵養並微調規模較小的模型。中國許多宣稱「純血自研」的廠商，底層均高度依賴美系模型的數據蒸餾。這導致模型產生嚴重的邏輯分裂：在回答政治與歷史問題時套用極端嚴格的本土審查，但在進行邏輯推理、程式碼撰寫或哲學思考時，卻呈現出濃厚的美式思維邏輯與翻譯腔。
API 實時封包轉發與自我認同殘留 比靜態數據蒸餾更具風險的是實時套殼轉發。當中國本土模型遇到無法處理的高難度提示詞（Prompt）時，後台系統會透過隱蔽接口，即時將問題打包發送至海外 AI 服務商（如 OpenAI、Anthropic）的 API，再將回傳結果包裝成自研 AI 的答案。這種機制屢屢引發資安翻車事件——部分中國本土 AI 在特定提問下，會直接吐出「作為一個由 OpenAI 開發的模型……」等自我認同語句，露出了背後技術來源的真面目。
二、 國安破口：提示詞工程如何變成開源情報
提問即洩密：Prompt 的情報價值 軍工、科研與政務人員在尋求解答時，為了獲得精確數據，往往會在提示詞中提供具體的背景脈絡。例如： 「請優化這段用於超音速飛行器熱防護層計算的 Python 程式碼……」 「請針對以下未公開的行政政策草案提供風險評估……」 這些提問本身就是極具價值的開源情報（OSINT）。使用者在毫無察覺的情況下，主動向海外伺服器提供了精確的研究進度、專案名稱、政策導向與技術短板。
API 洗產地與美方數據監控 為了繞過美方對中國 IP 的封鎖及中國內部對外網 API 的禁令，市場上盛行將 API 封包透過日本、新加坡或北美等第三地伺服器進行「洗產地」轉發。這意味著機密數據在傳至美國前，已先暴露於無數未經安全審查的私營中繼站。而 OpenAI 等美方公司為滿足合規與反濫用政策，會全面紀錄 API 流量日誌（Log）。當大量來自敏感區域的異常高頻諮詢被美方安全機制標記並提煉後，最終依法成為美國國家安全與情報機構的戰略資產。
三、 產業生態：「二次蒸餾」與模型退化危機
模型退化的惡性循環 當中國廠商大量使用美國 AI 的產出作為合成數據進行多代蒸餾訓練，而這些 AI 生成的內容又被爬蟲抓取回公網時，整個 AI 生態圈便進入了「AI 吞噬 AI 廢料」的循環。在學術界，這種現象被稱為「模型退化」（Model Collapse）。經過多次二次蒸餾後，模型將失去語意多樣性與邏輯嚴密性，輸出越來越多荒謬不實的答案，進一步撕開了技術自研的虛假外衣。
工程師的 KPI 雙重困境 技術團隊面臨著結構性的矛盾：政治立場上必須達成「100% 國產化」，但業務實務上國產模型又無法滿足複雜的應用需求。為了平衡「政治合規」與「實際可用」兩個互相衝突的 KPI，最省力的選擇便是採納「外表包裝成國產自研，底層偷偷接美規 API」的折衷方案，這為後續的洩密鏈條埋下了制度根源。
四、 體制悖論：集體欺騙體系與黑盒監管失靈
無法審計的黑盒效應 對高層決策者而言，最大的安全威脅在於「無法審計」。AI 大模型的運作如同黑盒，現行的資安檢查與採購審查機制，極難驗證某個模型究竟是閉門訓練的真自研，還是包裹著國產套殼的外國 API。
三層欺騙鏈條的閉環 這最終演變成一個各取所需、集體自我催眠的欺騙體系：
第一層：AI 科技廠商
行為：宣稱 100% 自主可控、完全國產自研。
動機：騙取政府專項補貼、科研經費與國企採購合約。
第二層：採購與監管官員
行為：宣稱已完成內網隔離與國產替代。
動機：滿足上級政治 KPI，避免因技術落後被問責。
第三層：底層終端用戶
行為：使用順手的「國產 AI 助手」。
動機：享受美國模型帶來的技術紅利，同時完成政治正確的愛國敘事。
這套體系運作至最後，全鏈條中唯有遠在海外的美國 AI 伺服器 Log 檔案，忠實記錄下了這場「自主可控」神話下最真實的國家安全破口。
探索更多來自 彌勒熊報 的內容
訂閱即可透過電子郵件收到最新文章。