Bagaimana Penyelidik Tentera China Menggunakan Model AI Amerika untuk Membina Sistem Pertahanan

Kaedah yang banyak digunakan ialah penyulingan model (model distillation). Secara mudah, model AI yang besar dan berkuasa berperanan sebagai “guru”, manakala model yang lebih kecil menjadi “pelajar”. Penyelidik menghantar sejumlah besar pertanyaan kepada model guru melalui API awam, mengumpulkan soalan dan jawapannya, kemudian menggunakan pasangan data itu untuk melatih model pelajar supaya meniru keupayaan serta corak penaakulan model asal .

Bagi kegunaan ketenteraan, kelebihan utamanya ialah model pelajar boleh dijalankan pada perkakasan tempatan yang lebih sederhana. Ini mengurangkan keperluan terhadap infrastruktur pengkomputeran besar dan cip termaju yang diperlukan untuk membangunkan model AI barisan hadapan dari awal .

Sistem pertahanan yang dikenal pasti

Dokumen yang disemak Reuters menunjukkan teknik ini digunakan atau dikaji untuk pelbagai tujuan berkaitan pertahanan :

• Pengawasan dan risikan — membantu peninjauan serta analisis maklumat.
• Peperangan siber — menyokong sistem serangan dan pertahanan automatik.
• Dron dan operasi taktikal — termasuk kawanan dron autonomi serta bantuan membuat keputusan di medan perang.
• Kenderaan tentera — Norinco, syarikat pertahanan milik negara China, pernah memperkenalkan kenderaan yang dikuasakan DeepSeek untuk tugasan sokongan tempur autonomi pada kelajuan sehingga 50 kilometer sejam. DeepSeek sendiri dilaporkan dibangunkan menggunakan teknik penyulingan .

Satu kertas daripada Unit 96904 Tentera Pembebasan Rakyat China secara jelas menerangkan penggunaan model Amerika untuk menghasilkan versi yang “lebih kecil dan lebih selamat” bagi aplikasi pertahanan . Kertas lain daripada Unit 96941 — unit risikan ketenteraan dan peperangan siber di Beijing — pula menyebut penggunaan GPT-3.5 OpenAI untuk memproses kod sumber ketenteraan yang sensitif .

Dalam satu kajian 2024, Universiti Pertahanan Nasional China menggunakan penyulingan untuk mengecilkan model pemprosesan imej supaya boleh digunakan pada perkakasan ketenteraan yang mempunyai sumber pengkomputeran terhad .

Mengapa teknik ini penting kepada China?

Penyulingan model menawarkan jalan pintas ekonomi. Melatih model AI barisan hadapan dari awal memerlukan perbelanjaan berbilion-bilion dolar, bertahun-tahun penyelidikan, set data yang sangat besar dan akses kepada cip semikonduktor canggih. Dengan memanfaatkan output model sedia ada, penyelidik boleh mendapatkan sebahagian keupayaan itu pada kos yang jauh lebih rendah .

Dakwaan Amerika Syarikat menyatakan bahawa sesetengah pembangun China menggunakan akaun palsu dan rangkaian proksi untuk mengelakkan had penggunaan API. Dalam siasatan Anthropic, lebih 16 juta pertukaran mesej dikenal pasti melalui kira-kira 24,000 akaun palsu yang menyasarkan keupayaan penaakulan berasaskan tindakan, penggunaan alat dan pengekodan Claude. Syarikat AI China MiniMax sahaja dikaitkan dengan lebih 13 juta pertukaran tersebut .

Jika dakwaan ini tepat, pendekatan itu membolehkan pihak lawan memanfaatkan hasil pelaburan penyelidikan syarikat Amerika tanpa menanggung keseluruhan kos dan tempoh pembangunan yang sama. Inilah sebabnya isu tersebut dilihat bukan sekadar persaingan produk, tetapi juga isu harta intelek dan keselamatan negara.

Tuduhan pencurian berskala industri dan tindak balas Washington

Pertikaian ini semakin memuncak sepanjang 2026:

• Februari 2026: OpenAI, Anthropic dan Google menerbitkan bukti yang menurut mereka menunjukkan kempen penyulingan terselaras oleh syarikat China seperti DeepSeek, Moonshot AI dan MiniMax . Anthropic menyifatkannya sebagai operasi “serangan penyulingan” yang disengajakan .
• April 2026: Satu pendengaran jawatankuasa Dewan Perwakilan Amerika Syarikat meneliti memorandum OpenAI tentang saluran penyulingan “canggih dan berbilang peringkat” yang menggunakan banyak akaun API, rangkaian proksi dan peniruan tingkah laku untuk mengelakkan pengesanan .
• Jun 2026: Anthropic menuduh Alibaba melakukan pelanggaran terbesar yang diketahui terhadap model Claude, dalam kempen yang dikatakan berlangsung dari 22 April hingga 5 Jun .
• Julai 2026: Setiausaha Perbendaharaan Amerika Syarikat Scott Bessent memberi amaran mengenai kemungkinan sekatan selepas menuduh makmal AI China Moonshot menyuling keupayaan daripada model Fable 5 milik Anthropic. Biro Industri dan Keselamatan Jabatan Perdagangan Amerika Syarikat turut menyiasat sama ada syarikat China mendapatkan cip Amerika yang canggih secara tidak sah .

Perkembangan ini boleh mempercepat pemisahan teknologi (tech decoupling) antara Amerika Syarikat dan China. Kawalan eksport cip, sekatan akses API, keperluan pengesahan identiti pelanggan untuk akaun pembangun dan sekatan kewangan berpotensi menjadi lebih ketat .

Had teknikal penyulingan model

Walaupun berkesan sebagai jalan pintas, teknik ini mempunyai beberapa kelemahan penting — khususnya apabila digunakan untuk sistem ketenteraan.

1. Model pelajar mempunyai “siling” keupayaan

Model yang disuling lazimnya tidak boleh mengatasi model guru yang ditirunya. Ia mungkin mewarisi kekuatan model asal, tetapi turut membawa kelemahan, titik buta dan corak kesilapannya .

2. Ketepatan boleh merosot selepas beberapa pusingan

Setiap generasi penyulingan berisiko kehilangan sebahagian ketepatan. Penaakulan yang halus, pengetahuan yang jarang ditemui dan penjajaran keselamatan boleh semakin terhakis apabila model disuling berulang kali .

3. Perlindungan keselamatan mungkin menjadi lemah

Ini ialah kebimbangan paling besar bagi penggunaan ketenteraan. Kajian akademik mendapati penyulingan label lembut (soft-label distillation) boleh menghasilkan model yang masih berkeupayaan tinggi tetapi mempunyai perlindungan keselamatan yang jauh lebih lemah — dalam sesetengah ukuran, sehingga 50 mata peratusan lebih buruk berbanding pendekatan penalaan halus tertentu .

Model yang disuling juga mungkin tidak mengekalkan tingkah laku penolakan dan latihan untuk mengelakkan kemudaratan yang terdapat pada model barisan hadapan . Anthropic memberi amaran bahawa model yang disuling secara tidak sah mungkin tidak mempunyai perlindungan yang diperlukan, lalu mewujudkan risiko besar terhadap keselamatan negara .

4. Pertahanan sedia ada sukar menghalang pengekstrakan berskala besar

Kaedah seperti mengubah suai output, meracuni data dan mengehadkan kadar permintaan masih boleh menjadi kurang berkesan terhadap pihak yang menggunakan banyak akaun, rangkaian teragih dan saluran pengekstrakan berbilang peringkat . Serangan daripada model “kotak hitam” yang hanya boleh diakses melalui API juga sukar dibezakan daripada penggunaan biasa yang tinggi .

Risiko keselamatan yang lebih luas

Gabungan pemindahan keupayaan dan kemerosotan perlindungan keselamatan menghasilkan beberapa risiko:

• Penyebaran AI yang kurang terkawal. Model yang kehilangan sebahagian penjajaran keselamatan boleh digunakan untuk tujuan ketenteraan dan pengawasan yang dilarang oleh syarat penggunaan syarikat AI Amerika .
• Kelebihan teknologi Amerika terhakis. Pihak lawan boleh memendekkan tempoh pembangunan dengan meniru keupayaan yang dibina melalui penyelidikan proprietari bertahun-tahun .
• Pencurian sukar dikesan. Pertanyaan daripada pengguna sah dan operasi pengekstrakan boleh kelihatan serupa, menjadikan pengenalpastian serta penguatkuasaan lebih rumit .
• Risiko perlumbaan senjata AI. Pada Mac 2026, Anthropic dilaporkan menyematkan kod penjejakan ke dalam Claude Code untuk mengenal pasti pengguna di China . Tindakan seperti ini boleh meningkatkan risiko lingkaran keselamatan, apabila aktiviti AI setiap pihak ditafsirkan sebagai ancaman oleh pihak yang satu lagi .

Apa maknanya kepada hubungan teknologi AS-China?

Isu penyulingan menunjukkan bahawa sekatan cip semata-mata mungkin tidak cukup untuk menghalang pemindahan keupayaan AI. Walaupun akses China kepada perkakasan termaju disekat, model canggih yang tersedia melalui API masih boleh menjadi sumber latihan kepada sistem tempatan.

Bagi Amerika Syarikat, cabarannya ialah melindungi pelaburan dan kelebihan penyelidikan tanpa menutup sepenuhnya akses kepada teknologi yang digunakan secara sah oleh pengguna di seluruh dunia. Bagi China, penyulingan menawarkan cara pantas untuk membina sistem khusus yang boleh dijalankan secara tempatan — tetapi dengan risiko model itu lebih mudah mewarisi kesilapan dan kurang mematuhi kawalan keselamatan.

Kesimpulan strategiknya jelas: penyulingan model boleh mengurangkan kos pembangunan AI pertahanan dengan ketara, tetapi ia juga boleh mempercepat perlumbaan senjata AI dan menghasilkan sistem yang kurang terkawal. Perkembangan ini berkemungkinan mendorong Washington dan Beijing memperketatkan kawalan terhadap cip, akaun pembangun, API serta aliran pengetahuan AI, sekali gus memperdalam pemisahan teknologi antara kedua-dua kuasa besar tersebut.