จีนใช้โมเดล AI สหรัฐฯ เป็น “ครู” ฝึกระบบทหารของตัวเอง สะเทือนเกมเทคโนโลยีโลก

Model Distillation คืออะไร

แนวคิดนี้เปรียบได้กับการให้โมเดล AI ขนาดใหญ่ทำหน้าที่เป็น “ครู” แล้วถ่ายทอดความสามารถให้โมเดลขนาดเล็กที่เป็น “นักเรียน”

แทนที่จะคัดลอกตัวโมเดลโดยตรง นักวิจัยจะส่งคำถามจำนวนมากไปยังโมเดลต้นแบบผ่าน API สาธารณะ จากนั้นเก็บคำถามและคำตอบเป็นชุดข้อมูล เพื่อนำไปฝึกโมเดลขนาดเล็กให้เลียนแบบความสามารถและรูปแบบการให้เหตุผลของโมเดลต้นแบบ

ข้อได้เปรียบสำคัญคือ โมเดลลูกศิษย์สามารถนำไปใช้งานบนฮาร์ดแวร์ภายในประเทศได้ โดยไม่ต้องมีโครงสร้างพื้นฐานประมวลผลขนาดมหาศาลเหมือนการสร้างโมเดลระดับแนวหน้าตั้งแต่เริ่มต้น

เทคนิคนี้มีการใช้งานอย่างถูกต้องในวงการ AI เช่น การทำให้โมเดลมีขนาดเล็กลงและมีต้นทุนการประมวลผลต่ำลง แต่เมื่อมีการใช้ API ของผู้อื่นเพื่อดึงความสามารถไปสร้างระบบแข่งขันโดยไม่ได้รับอนุญาต บริษัท AI สหรัฐฯ เรียกพฤติกรรมดังกล่าวว่าเป็นการโจมตีแบบ Distillation หรือการสกัดโมเดล

เอกสารพบการประยุกต์ใช้กับงานทหารหลายด้าน

เอกสารวิชาการและสิทธิบัตรที่ Reuters ตรวจสอบพบการนำ Model Distillation ไปใช้กับระบบ AI ด้านความมั่นคงหลายประเภท

• ระบบสอดแนม สำหรับการลาดตระเวนและวิเคราะห์ข่าวกรอง
• เครื่องมือสงครามไซเบอร์ สำหรับงานโจมตีและป้องกันแบบอัตโนมัติ
• โดรนและปฏิบัติการทางยุทธวิธี รวมถึงฝูงโดรนอัตโนมัติและระบบช่วยตัดสินใจในสนามรบ
• ยานพาหนะทางทหาร โดย Norinco บริษัทอุตสาหกรรมป้องกันประเทศของจีนที่ดำเนินการโดยรัฐ ได้นำยานพาหนะซึ่งขับเคลื่อนด้วย DeepSeek ไปใช้กับภารกิจสนับสนุนการรบแบบอัตโนมัติ และสามารถทำความเร็วได้สูงสุด 50 กิโลเมตรต่อชั่วโมง

เอกสารฉบับหนึ่งจากหน่วย PLA Unit 96904 ระบุอย่างชัดเจนถึงการกลั่นโมเดลของสหรัฐฯ เพื่อสร้างเวอร์ชันที่ “เล็กกว่าและปลอดภัยกว่า” สำหรับงานด้านการป้องกันประเทศ

ขณะที่บทความอีกฉบับจาก PLA Unit 96941 ซึ่งเป็นหน่วยข่าวกรองทหารและสงครามไซเบอร์ในกรุงปักกิ่ง ระบุถึงการใช้ GPT-3.5 ของ OpenAI ประมวลผลซอร์สโค้ดทางทหารที่มีความอ่อนไหว นอกจากนี้ งานวิจัยปี 2024 จาก National University of Defense Technology ของกองทัพปลดปล่อยประชาชนจีน ยังใช้การกลั่นโมเดลเพื่อลดขนาดโมเดลประมวลผลภาพ ให้สามารถทำงานบนฮาร์ดแวร์ทางทหารที่มีทรัพยากรจำกัด

จีนลดต้นทุนการพัฒนา AI ทางทหารได้อย่างไร

การฝึกโมเดล AI ระดับแนวหน้าจากศูนย์ต้องใช้เงินลงทุนหลายพันล้านดอลลาร์ ใช้เวลาวิจัยหลายปี ต้องมีชุดข้อมูลขนาดใหญ่ และต้องเข้าถึงชิปเซมิคอนดักเตอร์ประสิทธิภาพสูง

Model Distillation ช่วยให้นักวิจัยลดการลงทุนส่วนใหญ่เหล่านี้ลงได้ โดยใช้โมเดลที่มีความสามารถสูงอยู่แล้วเป็นแหล่งสร้างข้อมูลฝึก แทนที่จะเริ่มพัฒนาองค์ความรู้ทั้งหมดด้วยตัวเอง

รายงานและข้อกล่าวหาจากบริษัท AI สหรัฐฯ ระบุว่า นักพัฒนาจีนบางรายใช้บัญชีปลอมและเครือข่ายพร็อกซีเพื่อหลบเลี่ยงข้อจำกัดด้านจำนวนคำถามและการตรวจจับของ API โดยการสอบสวนของ Anthropic พบการแลกเปลี่ยนข้อมูลมากกว่า 16 ล้านครั้งจากบัญชีปลอมประมาณ 24,000 บัญชี ซึ่งมุ่งดึงความสามารถด้านการให้เหตุผลแบบทำงานเป็นขั้นตอน การใช้เครื่องมือ และการเขียนโค้ดของ Claude ในจำนวนนี้ MiniMax บริษัท AI ของจีนถูกกล่าวหาว่ารับผิดชอบมากกว่า 13 ล้านครั้ง

จากข้อกล่าวหาสู่มาตรการตอบโต้ของสหรัฐฯ

ประเด็นนี้ได้กลายเป็นจุดปะทะใหม่ในความขัดแย้งด้านเทคโนโลยีระหว่างสหรัฐฯ กับจีน โดยมีพัฒนาการสำคัญดังนี้

• กุมภาพันธ์ 2026: OpenAI, Anthropic และ Google ต่างเผยแพร่หลักฐานเกี่ยวกับแคมเปญกลั่นโมเดลที่ประสานงานโดยบริษัทจีนอย่าง DeepSeek, Moonshot AI และ MiniMax โดย Anthropic เรียกปฏิบัติการเหล่านี้ว่าเป็น “การโจมตีเพื่อกลั่นโมเดล” โดยเจตนา
• เมษายน 2026: คณะกรรมาธิการของสภาผู้แทนราษฎรสหรัฐฯ จัดการไต่สวนเกี่ยวกับบันทึกของ OpenAI ซึ่งระบุถึงกระบวนการกลั่นโมเดลหลายขั้นตอน ใช้บัญชี API หลายบัญชี เครือข่ายพร็อกซี และการเลียนแบบพฤติกรรมเพื่อหลบเลี่ยงการตรวจจับ
• มิถุนายน 2026: Anthropic กล่าวหา Alibaba ว่าเกี่ยวข้องกับการสกัดความสามารถจาก Claude ครั้งใหญ่ที่สุดเท่าที่บริษัทเคยพบ โดยแคมเปญดังกล่าวดำเนินไประหว่างวันที่ 22 เมษายนถึง 5 มิถุนายน
• กรกฎาคม 2026: สก็อตต์ เบสเซนต์ รัฐมนตรีว่าการกระทรวงการคลังสหรัฐฯ เตือนว่าอาจมีการคว่ำบาตร หลังกล่าวหา Moonshot ว่ากลั่นโมเดล Kimi K3 จาก Fable 5 ซึ่งเป็นโมเดลขั้นสูงของ Anthropic ขณะเดียวกัน สำนักงานอุตสาหกรรมและความมั่นคงของกระทรวงพาณิชย์สหรัฐฯ กำลังตรวจสอบว่าบริษัทจีนเข้าถึงชิปขั้นสูงของสหรัฐฯ อย่างผิดกฎหมายหรือไม่

ข้อจำกัดที่สำคัญของการกลั่นโมเดล

แม้จะเป็นทางลัดที่มีประสิทธิภาพ แต่เทคนิคนี้ไม่ได้ทำให้โมเดลลูกศิษย์เก่งกว่าโมเดลต้นแบบโดยอัตโนมัติ และมีข้อจำกัดหลายประการที่สำคัญต่อการใช้งานทางทหาร

• เพดานด้านความรู้: โดยทั่วไปโมเดลลูกศิษย์ไม่สามารถก้าวข้ามความสามารถของโมเดลครูที่ใช้เป็นต้นแบบได้ มันจึงรับทั้งจุดแข็ง จุดบอด และรูปแบบความผิดพลาดของโมเดลเดิมมาด้วย
• คุณภาพลดลงเมื่อกลั่นต่อเนื่องหลายรุ่น: การกลั่นแต่ละรอบอาจทำให้รายละเอียดของความสามารถลดลง ทั้งการให้เหตุผลที่ซับซ้อน ความรู้เฉพาะทางที่พบได้ยาก และการปรับให้สอดคล้องกับหลักความปลอดภัย
• เกราะป้องกันด้านความปลอดภัยเสื่อมลง: นี่เป็นข้อกังวลที่สำคัญที่สุดสำหรับการใช้งานทางทหาร งานวิจัยทางวิชาการพบว่า Soft-label Distillation อาจลดกลไกป้องกันของโมเดลลูกศิษย์ได้สูงสุด 50% เมื่อเทียบกับโมเดลครู ขณะที่ความสามารถในการทำภารกิจยังคงอยู่ โมเดลที่ผ่านการกลั่นมักขาดพฤติกรรมการปฏิเสธคำขอที่เป็นอันตรายและการฝึกด้านความไม่เป็นภัยซึ่งมีอยู่ในโมเดลระดับแนวหน้า Anthropic ระบุว่า “โมเดลที่ถูกกลั่นโดยมิชอบขาดมาตรการป้องกันที่จำเป็น ซึ่งก่อให้เกิดความเสี่ยงอย่างมีนัยสำคัญต่อความมั่นคงแห่งชาติ”
• การป้องกันยังหลบเลี่ยงได้: วิธีรับมือในปัจจุบัน เช่น การปรับเปลี่ยนคำตอบ การใส่ข้อมูลรบกวน และการจำกัดจำนวนคำขอ ยังคงไม่มีประสิทธิภาพมากนักเมื่อเผชิญผู้โจมตีที่มีความมุ่งมั่นและใช้กระบวนการดึงข้อมูลหลายขั้นตอนหรือกระจายการใช้งานออกไปหลายบัญชี

ความเสี่ยงต่อความมั่นคงและการแข่งขัน AI ทางทหาร

การที่ความสามารถถูกดึงออกจากโมเดลต้นแบบ ขณะเดียวกันกลไกความปลอดภัยกลับอ่อนแอลง อาจสร้างสถานการณ์ที่มีความเสี่ยงหลายด้าน

• การแพร่กระจายของ AI ที่ขาดความปลอดภัย: โมเดลที่สูญเสียข้อจำกัดด้านความปลอดภัยอาจถูกนำไปใช้กับงานทหารและงานสอดแนม ซึ่งบริษัทสหรัฐฯ ผู้พัฒนาโมเดลต้นแบบห้ามไว้ในเงื่อนไขการให้บริการ
• ความได้เปรียบทางเทคโนโลยีของสหรัฐฯ ลดลง: การกลั่นโมเดลอาจทำให้คู่แข่งข้ามขั้นตอนการวิจัยและพัฒนาที่ใช้เวลาหลายปี ส่งผลให้ช่องว่างความเป็นผู้นำด้าน AI ระดับแนวหน้าของสหรัฐฯ แคบลง
• ตรวจจับการสกัดได้ยาก: การโจมตีผ่าน API แบบกล่องดำอาจดูคล้ายการใช้งาน API ปริมาณมากตามปกติ ทำให้การระบุผู้กระทำและการบังคับใช้กฎทำได้ยาก
• ความเสี่ยงเกิดวงจรตอบโต้ด้านความมั่นคง: ทั้งสองฝ่ายกำลังใช้มาตรการตอบโต้ที่เข้มข้นขึ้น โดยในเดือนมีนาคม 2026 Anthropic ฝังโค้ดติดตามไว้ใน Claude Code เพื่อระบุผู้ใช้ในจีน หากกิจกรรม AI ของแต่ละฝ่ายถูกมองว่าเป็นภัยคุกคามมากขึ้น ความไม่ไว้วางใจอาจขยายตัวเป็นวงจรความมั่นคงที่ควบคุมได้ยาก

ผลต่อการแยกขั้วเทคโนโลยีสหรัฐฯ-จีน

ความขัดแย้งเรื่องการกลั่นโมเดลกำลังเร่งกระบวนการแยกขั้วเทคโนโลยี AI ระหว่างสหรัฐฯ กับจีนในหลายมิติ มาตรการที่อาจถูกใช้รวมถึงการควบคุมการส่งออกชิปขั้นสูง การจำกัดการเข้าถึง API การกำหนดให้ยืนยันตัวตนของผู้พัฒนา หรือ KYC และมาตรการคว่ำบาตรทางการเงิน

ประเด็นเชิงยุทธศาสตร์ไม่ได้อยู่เพียงว่าใครมีโมเดลที่ใหญ่กว่าหรือเก่งกว่า แต่อยู่ที่ว่าใครสามารถเปลี่ยนความสามารถของโมเดลเหล่านั้นให้เป็นระบบที่ใช้งานจริงได้เร็วและต้นทุนต่ำกว่า

หากข้อกล่าวหาตามรายงานต่าง ๆ เป็นจริง การกลั่นโมเดลเปิดทางให้ภาคทหารจีนใช้ประโยชน์จากการลงทุนด้าน AI ของสหรัฐฯ โดยไม่ต้องแบกรับต้นทุนการวิจัยทั้งหมดด้วยตัวเอง ขณะเดียวกัน การสูญเสียเกราะป้องกันด้านความปลอดภัยระหว่างกระบวนการก็อาจทำให้เกิดระบบ AI ทางทหารที่มีข้อจำกัดน้อยลงและอันตรายมากขึ้น