Model AI AS Dipakai dalam Riset Pertahanan China: Cara Kerja dan Risikonya

Teknik yang banyak ditemukan dalam dokumen tersebut disebut distilasi model (model distillation). Dalam penggunaan yang sah, distilasi merupakan metode untuk mengecilkan model AI agar lebih murah dan mudah dijalankan. Namun, jika dilakukan terhadap model milik pihak lain tanpa izin, teknik ini dapat menjadi bentuk ekstraksi kemampuan atau pencurian kekayaan intelektual.

Apa itu distilasi model?

Alih-alih menyalin langsung model AI, peneliti mengajukan banyak pertanyaan kepada model yang lebih kuat melalui API publik. Jawaban-jawaban tersebut kemudian dikumpulkan sebagai pasangan pertanyaan dan respons untuk melatih model yang lebih kecil, yang sering disebut model “murid”. Model murid belajar meniru kemampuan dan pola pemecahan masalah model “guru” .

Bagi pengembangan militer, pendekatan ini menawarkan keuntungan praktis: model yang lebih kecil dapat dijalankan pada perangkat keras lokal tanpa infrastruktur komputasi raksasa yang dibutuhkan untuk membangun model AI terdepan dari awal .

Penggunaan yang terungkap dalam riset pertahanan

Makalah dan paten yang ditinjau Reuters bersama Jamestown Foundation, lembaga riset yang berbasis di Washington, menunjukkan bahwa distilasi digunakan untuk berbagai kebutuhan terkait pertahanan :

• Pengawasan dan pengintaian untuk analisis intelijen.
• Operasi siber, termasuk sistem serangan dan pertahanan otomatis.
• Drone dan operasi taktis, seperti kawanan drone otonom serta alat bantu pengambilan keputusan di medan perang.
• Kendaraan militer. Norinco, perusahaan pertahanan milik negara China, dilaporkan mengerahkan kendaraan yang ditenagai DeepSeek—yang juga disebut dibangun melalui distilasi—untuk tugas pendukung tempur secara otonom, dengan kecepatan hingga 50 kilometer per jam .

Sebuah makalah dari Unit 96904 Tentara Pembebasan Rakyat China secara eksplisit menjelaskan penggunaan distilasi terhadap model AS untuk menghasilkan versi yang “lebih kecil dan lebih aman” bagi kebutuhan pertahanan .

Dokumen lain dari Unit 96941, unit intelijen militer dan perang siber di Beijing, menggambarkan penggunaan GPT-3.5 milik OpenAI untuk memproses kode sumber militer yang sensitif . Sementara itu, makalah tahun 2024 dari National University of Defense Technology milik militer China menjelaskan penggunaan distilasi untuk memperkecil model pemrosesan gambar agar dapat berjalan pada perangkat keras militer dengan sumber daya terbatas .

Mengapa teknik ini menarik bagi China?

Keuntungan utamanya adalah biaya. Membangun model AI terdepan dari nol membutuhkan investasi miliaran dolar, riset bertahun-tahun, kumpulan data besar, serta akses ke cip semikonduktor canggih. Distilasi berpotensi memangkas sebagian besar kebutuhan tersebut .

Menurut tuduhan perusahaan-perusahaan AI AS, sejumlah pengembang China menggunakan akun palsu dan jaringan proksi untuk menghindari pembatasan jumlah permintaan API. Investigasi Anthropic menyebut lebih dari 16 juta pertukaran data dihasilkan melalui sekitar 24.000 akun palsu yang menargetkan kemampuan penalaran agen, penggunaan alat, dan pemrograman Claude. Pengembang AI China MiniMax disebut bertanggung jawab atas lebih dari 13 juta pertukaran tersebut .

Tuduhan ekstraksi dalam skala industri

Perkembangan ini memicu rangkaian tuduhan dan respons kebijakan yang semakin keras:

• Februari 2026: OpenAI, Anthropic, dan Google masing-masing memublikasikan bukti yang mereka sebut sebagai kampanye distilasi terkoordinasi oleh perusahaan China DeepSeek, Moonshot AI, dan MiniMax . Anthropic menyebut operasi tersebut sebagai “serangan distilasi” yang disengaja .
• April 2026: Komite DPR AS menggelar sidang untuk membahas memo OpenAI mengenai jaringan distilasi “canggih dan bertahap” yang menggunakan banyak akun API, jaringan proksi, dan peniruan pola perilaku untuk menghindari deteksi .
• Juni 2026: Anthropic menuduh Alibaba melakukan ekstraksi terbesar yang diketahui terhadap model Claude. Menurut perusahaan tersebut, operasi itu berlangsung dari 22 April hingga 5 Juni .
• Juli 2026: Menteri Keuangan AS Scott Bessent memperingatkan kemungkinan sanksi setelah menuduh laboratorium AI China Moonshot melakukan distilasi dari model Fable 5 milik Anthropic. Biro Industri dan Keamanan di bawah Departemen Perdagangan AS juga menyelidiki dugaan akses ilegal perusahaan China terhadap cip AS yang canggih .

Tuduhan-tuduhan tersebut berasal dari perusahaan dan pejabat AS, sehingga tidak dengan sendirinya membuktikan seluruh dugaan telah diputuskan secara hukum. Namun, rangkaian laporan itu menunjukkan bahwa akses API kini dipandang sebagai bagian dari persaingan strategis AI, bukan sekadar layanan komputasi biasa.

Batasan teknis distilasi

Distilasi memang dapat menjadi jalan pintas, tetapi hasilnya memiliki keterbatasan penting—terutama jika digunakan untuk sistem militer.

• Ada batas kemampuan. Model murid umumnya tidak dapat melampaui kemampuan model guru. Ia mewarisi keunggulan model sumber, tetapi juga titik buta dan pola kesalahannya .
• Kualitas dapat menurun melalui pengulangan. Setiap putaran distilasi berisiko mengurangi kesetiaan terhadap model awal. Penalaran yang sangat rinci, pengetahuan langka, dan penyelarasan keselamatan yang halus dapat semakin terkikis dari satu generasi ke generasi berikutnya .
• Pagar pengaman keselamatan dapat melemah. Riset akademik menunjukkan bahwa distilasi dengan label lunak dapat menurunkan perlindungan keselamatan pada model murid hingga 50% dibandingkan model guru, sementara kinerja pada tugas tertentu tetap terjaga . Model hasil distilasi juga dapat tidak memiliki perilaku penolakan dan pelatihan untuk menghindari bahaya sekuat model terdepan . Anthropic memperingatkan bahwa model yang didistilasi secara ilegal dapat kekurangan perlindungan yang diperlukan dan menimbulkan risiko keamanan nasional .
• Pertahanan terhadap ekstraksi belum sempurna. Metode seperti pengubahan keluaran, peracunan data, dan pembatasan laju permintaan masih dapat dilewati oleh pelaku yang menggunakan jaringan bertahap dan teknik ekstraksi terdistribusi .

Mengapa ini menjadi risiko keamanan?

Masalahnya bukan hanya kemungkinan kemampuan AI berpindah dari satu perusahaan ke perusahaan lain. Distilasi juga dapat menghasilkan sistem yang lebih sedikit memiliki pembatasan keselamatan.

Pertama, model yang kehilangan sebagian penyelarasan keselamatannya dapat digunakan untuk pengawasan, operasi militer, atau aktivitas siber yang secara tegas dilarang oleh perusahaan AI AS dalam ketentuan layanan mereka .

Kedua, distilasi berpotensi mengikis keunggulan teknologi AS. Pihak lain dapat melewati sebagian tahun riset dan pengembangan eksklusif dengan memanfaatkan keluaran model yang sudah matang .

Ketiga, ekstraksi melalui API “kotak hitam” sulit dibedakan dari penggunaan normal dalam jumlah besar. Hal ini menyulitkan atribusi, penegakan aturan, dan pembuktian bahwa sebuah akun digunakan untuk memetakan kemampuan model secara sistematis .

Keempat, tindakan balasan dapat menciptakan lingkaran eskalasi. Pada Maret 2026, Anthropic memasukkan kode pelacakan ke Claude Code untuk membantu mengidentifikasi pengguna di China, menurut laporan The Washington Post . Jika aktivitas AI masing-masing pihak semakin sering diperlakukan sebagai ancaman, persaingan teknologi dapat berubah menjadi spiral keamanan yang lebih luas .

Dampak terhadap hubungan teknologi AS-China

Perselisihan mengenai distilasi mempercepat pemisahan teknologi (tech decoupling) antara AS dan China di bidang AI . Sejumlah opsi yang dapat diperketat mencakup pengendalian ekspor cip canggih, pembatasan akses API, kewajiban verifikasi identitas pelanggan untuk akun pengembang, serta sanksi finansial .

Inti persoalannya adalah ketimpangan biaya. Dengan mengekstrak kemampuan dari model AI terdepan melalui API, peneliti dapat mengembangkan sistem domestik khusus untuk kebutuhan pertahanan tanpa menanggung seluruh biaya riset, komputasi, dan pengumpulan data dari awal. Pada saat yang sama, melemahnya pagar pengaman dalam proses distilasi dapat menghasilkan sistem militer AI yang lebih sulit dikendalikan.

Karena itu, isu ini bukan sekadar soal siapa yang memiliki model AI paling canggih. Ini juga menyangkut apakah kemampuan tersebut dapat dipindahkan secara murah melalui layanan terbuka, seberapa efektif pemilik model melindungi teknologinya, dan apakah perlombaan untuk mengejar kemampuan akan mengorbankan keselamatan.