Kinesiske militærforskere bruker amerikansk KI som snarvei til nye forsvarssystemer

Det betyr ikke at forskerne kopierer selve KI-modellen. I stedet brukes den som en «lærer»: Forskerne sender store mengder spørsmål gjennom modellens API – grensesnittet som lar andre programmer kommunisere med tjenesten – samler inn svarene og bruker disse parene av spørsmål og svar til å trene en mindre «elevmodell». Målet er at elevmodellen skal etterligne deler av lærerens kunnskap, resonnering og arbeidsmåte .

For militære aktører kan dette være en effektiv snarvei. En mindre modell kan kjøres på lokal maskinvare uten den enorme datakraften og infrastrukturen som kreves for å utvikle en toppmodell fra bunnen av .

Dokumenterte militære bruksområder

Artiklene og patentene som Reuters gjennomgikk, viser at teknikken er knyttet til flere typer forsvarsrelaterte KI-systemer :

• Overvåking og etterretning: Systemer for rekognosering og analyse av etterretningsinformasjon
• Cyberoperasjoner: Automatiserte verktøy for angrep og forsvar i cyberspace
• Droner og taktiske operasjoner: Autonome dronesvermer og støtteverktøy for beslutninger på slagmarken
• Militære kjøretøy: Det statlige kinesiske forsvarsselskapet Norinco har tatt i bruk et kjøretøy drevet av DeepSeek – en modell som også skal være utviklet ved hjelp av destillering – for autonome oppgaver knyttet til kampstøtte. Kjøretøyet skal kunne kjøre i opptil 50 kilometer i timen .

Et dokument fra Folkets frigjøringshærs enhet 96904 beskriver uttrykkelig hvordan amerikanske modeller kan destilleres til «mindre og sikrere» versjoner tilpasset forsvarsformål .

En annen forskningsartikkel fra enhet 96941, en militær etterretnings- og cyberkrigføringsenhet i Beijing, beskriver bruk av OpenAIs GPT-3.5 til å behandle sensitiv militær kildekode . En artikkel fra 2024, skrevet ved Folkets frigjøringshærs nasjonale universitet for forsvarsteknologi, beskriver hvordan destillering ble brukt til å gjøre en bildebehandlingsmodell mindre slik at den kunne kjøres på militær maskinvare med begrensede ressurser .

Hvorfor destillering er strategisk viktig

Den største fordelen er økonomisk. Å utvikle en såkalt frontmodell – en av de mest avanserte KI-modellene på markedet – fra grunnen av krever enorme datasett, avanserte databrikker, mange år med forskning og utvikling og investeringer på flere milliarder dollar. Destillering kan redusere behovet for mye av dette .

Ifølge anklager fra amerikanske KI-selskaper har kinesiske utviklere brukt falske kontoer og proxy-nettverk for å omgå begrensninger på hvor mange forespørsler de kan sende til modellene. Anthropic oppga at selskapet hadde identifisert over 16 millioner utvekslinger gjennom rundt 24 000 falske kontoer. Utvekslingene var rettet mot blant annet Claudes evne til å resonnere, bruke verktøy og skrive kode. Den kinesiske KI-utvikleren MiniMax skal alene ha stått for over 13 millioner av utvekslingene .

Anklager om industriskala uthenting

Utviklingen har utløst en rekke anklager og politiske mottiltak:

• Februar 2026: OpenAI, Anthropic og Google publiserte hver for seg materiale som de sa dokumenterte koordinerte destilleringskampanjer knyttet til de kinesiske selskapene DeepSeek, Moonshot AI og MiniMax . Anthropic omtalte operasjonene som bevisste «destilleringsangrep» .
• April 2026: En høring i Representantenes hus undersøkte et notat fra OpenAI, som beskrev «sofistikerte, flertrinns» prosesser med flere API-kontoer, proxy-nettverk og etterligning av normal brukeradferd for å unngå oppdagelse .
• Juni 2026: Anthropic anklaget Alibaba for det selskapet beskrev som det største kjente bruddet mot Claude-modellen. Kampanjen skal ha pågått fra 22. april til 5. juni .
• Juli 2026: USAs finansminister Scott Bessent advarte om mulige sanksjoner etter at amerikanske myndigheter anklaget det kinesiske KI-laboratoriet Moonshot for å ha destillert fra Anthropics avanserte Fable 5-modell . USAs handelsdepartement undersøker også om kinesiske selskaper ulovlig får tilgang til avanserte amerikanske KI-brikker .

Anklagene er bestridt eller ikke fullt ut offentlig dokumentert i detalj, men de har likevel bidratt til å skjerpe kampen om tilgang til modeller, datakraft og halvledere.

Modellens begrensninger

Destillering er ingen magisk kopimaskin. Metoden har flere begrensninger som er særlig viktige når modellene skal brukes i militære sammenhenger:

• Et kunnskapstak: En elevmodell kan vanligvis ikke overgå lærermodellen den er trent på. Den arver både lærerens styrker, blindsoner og feil .
• Svekket kvalitet over flere generasjoner: Ved gjentatt destillering kan modellen gradvis miste detaljert resonnering, sjelden kunnskap og nyanser i sikkerhetstreningen .
• Svakere sikkerhetsinnstillinger: Dette er den mest alvorlige begrensningen i militær bruk. Forskning viser at «soft-label»-destillering kan gi svært kapable modeller, samtidig som sikkerheten svekkes med opptil 50 prosent sammenlignet med lærermodellen i enkelte forsøk . Destillerte modeller kan dermed mangle de robuste avvisningsmekanismene og den skadebegrensende treningen som finnes i de opprinnelige modellene . Anthropic har advart om at ulovlig destillerte modeller kan mangle nødvendige sikkerhetstiltak og dermed skape betydelig risiko for nasjonal sikkerhet .
• Vanskelig å stanse målrettede angrep: Metoder som forstyrrer modellens svar, forgifter treningsdata eller begrenser antall forespørsler, har i tester vist seg lite effektive mot aktører som bruker flertrinnsprosesser og fordeler innhentingen på mange kontoer og nettverk .

Risikoen: mer tilgjengelig og mindre kontrollert KI

Kombinasjonen av uthentede ferdigheter og svekket sikkerhet kan få flere konsekvenser:

• Spredning av usikker KI: Modeller som har mistet deler av sikkerhetsinnstillingene, kan brukes til militær overvåking og andre formål som de amerikanske leverandørene uttrykkelig forbyr i bruksvilkårene .
• Svakere amerikansk teknologiforsprang: Destillering kan gjøre det mulig å hoppe over flere år med egen forskning og utvikling, og dermed redusere USAs forsprang innen avansert KI .
• Vanskelig attribusjon: Når en modell bare er tilgjengelig som en «svart boks» via et API, kan systematisk uthenting være vanskelig å skille fra legitim, omfattende bruk. Det gjør både bevisføring og håndheving mer krevende .
• En stadig skarpere sikkerhetsspiral: Partene innfører stadig mer offensive mottiltak. I mars 2026 la Anthropic inn sporingskode i Claude Code for å identifisere kinesiske brukere, ifølge Washington Post . Slike tiltak kan øke faren for at vanlig KI-aktivitet blir tolket som fiendtlig handling .

En ny front i teknologikampen mellom USA og Kina

Modell-destillering er dermed blitt mer enn et spørsmål om effektiv programvareutvikling. Den inngår i en bredere amerikansk-kinesisk kamp om kontroll over KI, databrikker og digitale verdikjeder .

Strengere eksportkontroll av avanserte brikker, begrensninger på API-tilgang, krav om identitetskontroll for utviklerkontoer og mulige økonomiske sanksjoner er blant tiltakene som vurderes .

Det strategiske problemet for USA er at investeringer i avansert KI kan gi konkurrenter militær nytte selv når de ikke får direkte tilgang til selve modellene. For Kina kan destillering gi mindre og billigere systemer som fungerer på lokal maskinvare. Samtidig kan sikkerhetstiltakene som forsvinner underveis, gjøre systemene mindre forutsigbare og vanskeligere å kontrollere.

Det er nettopp denne kombinasjonen – raskere spredning av avanserte ferdigheter, lavere kostnader og svakere sikkerhetsbarrierer – som gjør modell-destillering til en sentral del av den tilspissede KI-konflikten mellom USA og Kina.