|
防火长城反噬：中共AI与模型面临崩溃风险
【人民报消息】（人民报记者丽君编译报导）当全球科技竞争持续升温，中共正动员国家资源，力图在人工智慧（AI）领域追赶甚至超越美国。然而，来自美国国防领域的分析指出，北京面临的关键风险并非来自外部的技术封锁，而可能源于其自身长期依赖的资讯控制体系——“防火长城”（Great Firewall）。这套旨在控制思想的审查机制，正化身为一条“咬著自己尾巴的蛇”，透过限制与扭曲资讯来源，反过来削弱AI系统所依赖的数据品质与可靠性。
一、 数据的近亲繁殖：AI 的“模型崩溃”风险
在人工智慧的发展中，高品质、具多样性且由人类产生的数据，一直被视为模型进步的基础。然而，随著AI生成内容在网路上快速扩散，一项全球性隐忧逐渐浮现：当模型开始反复使用AI生成内容进行训练，系统表现可能出现明显退化。
资深国防分析专家、退役陆军上校乔·布奇诺（Joe Buccino）明确指出，这种现象被称为“模型崩溃”（Model Collapse）。当模型不断吞噬自身产出的合成数据，它可能会逐渐丧失对细节与逻辑的掌握，不仅放大既有偏误，甚至会出现与现实脱节的情况。
在资讯相对开放的社会中，尽管同样面临AI生成内容泛滥所带来的干扰，但来自记者、研究人员以及一般使用者的原始内容，仍能持续提供多元且相对可靠的“人类讯号”，在一定程度上有助于缓解模型偏移的风险。然而，在中共国，由于内容审查与资讯过滤机制高度集中，这类人类原始讯号的来源与多样性可能受到压缩，使相关风险更为凸显。
二、 防火长城：加剧数据失真的“过滤体系”
由中共官方自1990年代末逐步建立的网路审查与管控系统（俗称“防火长城”），已发展为一套高度制度化的资讯过滤机制。该系统最初目的在于强化社会与舆论管控，但在人工智慧时代，其对资讯流动的筛选作用，也可能间接影响AI模型可取得的训练数据品质与多样性，进一步放大前述的模型偏移问题。
这种影响不仅体现在资讯可得性的限制，更反映在训练大型语言模型（LLM）所依赖的数据结构之中 ：
1. 真实资讯的结构性缺口： 在高度审查的网路环境中，涉及政府批评、敏感历史事件（如1989年天安门事件、文化大革命）或人权议题（如新疆再教育营）的内容，往往受到严格限制或难以取得。这使得相关数据在训练语料中的比例偏低，形成结构性的资讯缺口。
2. 高度同质化的语料来源： 训练资料中相当部分来自官方媒体或经过审查的内容，其叙事框架与用语风格趋于一致。当AI模型长期在此类语料中进行学习，可能倾向生成风格保守、立场单一的回应，降低对复杂议题的解析能力。
在这样的数据环境下，AI系统的表现可能出现结构性限制：其在处理多元观点、矛盾资讯与高度不确定议题时，较难进行跨立场整合与深度推理。这也部分解释了，为何部分中共开发的AI系统在面对敏感或具争议性的问题时，回应往往倾向接近官方论述，而较少呈现开放式或批判性分析。
三、 治国方针的盲点：当 AI 成为“政治镜像”
中共近年积极将人工智慧导入经济预测、地缘政治分析及与公共治理，试图以技术手段提升决策效率与控制能力。然而，布奇诺指出，若AI系统所依赖的数据本身已经过高度筛选，其输出结果可能更接近既有立场的延伸，而非对现实的全面反映。
在此情境下，AI更像是一种“政治镜像”：反映的是政策预设与叙事框架，而非外部世界的复杂性。这可能带来数个层面的风险：
经济判读偏差： 若模型缺乏对制裁、市场冲击或历史经验的完整数据，其模拟结果可能过度乐观或失真，影响政策判断。
地缘政治误判： 当AI难以纳入多元国际观点与真实舆情，其政策建议可能流於单一视角，增加误判外部局势的风险。
在这一层意义上，“模型崩溃”不仅是技术问题，也可能演变为决策风险：当系统长期在受限资讯中自我强化，其输出将逐渐偏离外部现实，形成封闭的认知循环。
四、 战略对抗：技术取得压力与外部依赖
这项分析，也为2026年初美方揭露的“大规模AI技术外流与潜在窃取风险”提供了一种解读框架。部分观点认为，在高度审查与资讯受限的环境下，中国本土AI发展可能面临资料来源与多样性不足的挑战，进而影响模型长期演进的品质。在此背景下，对外部先进技术的依赖程度自然提高。
其中，“模型蒸馏”（distillation）原本是机器学习中常见的技术，用于将大型模型的知识压缩至较小模型，以提升效率与部署弹性。然而，在跨国竞争与科技管制加剧的情境下，若相关技术取得涉及未经授权的方式，便可能引发知识产权与国安层面的争议。
五、 美方的防御重点：数据治理即战略能力
面对中共的技术掠夺与制度对抗，布奇诺向华府提出了清晰的建议：保护数据的完整性已不再是技术问题，而是国防迫切任务。
为了保持领先，美国必须：
将高品质人类数据视为关键资产： 支持独立新闻机构、学术研究与 开放资料库建设，同时推动AI生成内容的标注与溯源机制，以降低训练数据被污染的风险。
维持资讯环境的开放性： 开放社会在资讯流通与观点竞争上的优势，有助于持续产出高品质、多样化的“人类讯号”，从而降低模型偏移与退化的可能性。这种制度性条件，本身即构成对抗“模型崩溃”的重要防线。
结语：制度条件与技术上限
2026 年的这场 AI 之争，最终将证明：技术的上限并非由算力决定，很大程度取决于其所依赖的资料是否多元、开放且可被检验。
中共虽然拥有庞大的数据规模，但在高度过滤与引导的资讯环境下，部分关键类型的知识与观点可能持续不足。其影响未必体现在所有技术领域，而更可能在需要开放推理、跨领域整合与处理不确定性的场景中，逐步显现出结构性的能力差异。
从这个角度来看，AI体系最终反映的，不只是工程能力，也是一种制度环境的映射：它反映一个社会能够接触多少现实、容纳多少不同观点，以及是否具备持续修正自身认知的能力。
（人民报首发）
△
|
