Reuters独家：美国AI模型，被写进中国军事研究论文
Reuters审阅80多篇论文与专利，披露中国军事及军工关联研究机构把OpenAI、Anthropic模型输出用于蒸馏训练本土系统；关键增量是公开研究证据，仍不等于已完成实战部署或违法认定。
先看增量
这篇 Reuters 独家最重要的地方，不是再次指控中国公司使用美国模型，而是把「蒸馏」从公司争议推进到了公开论文和专利。
7 月 31 日，Reuters 记者 Eduardo Baptista 发表原报道《EXCLUSIVE: Chinese military researchers tap US AI models to train defence systems》，页面显示发布时间为北京时间 14:04。Reuters 称，它审阅了 80 多篇中国学术论文与专利，发现解放军及军工关联研究机构使用 OpenAI、Anthropic 模型的输出，训练本土 AI 系统，用于监控、网络战和战术决策等方向。1
此前几周，美方公开争议主要围绕 Moonshot、DeepSeek、MiniMax 是否大规模提取美国闭源模型能力。
这次报道把镜头从公司声明和政府指控，移到了论文里的研究路径。
01｜论文把链条写出来
Reuters 的材料来自两部分：一份由华盛顿的 Jamestown Foundation 汇编、独家分享给 Reuters 的研究材料，以及 Reuters 自己核验出的军事关联案例。
Jamestown 研究员 Sunny Cheung 分析了 60 多篇论文，Reuters 又核实文献并找出另外两打军事关联案例。这个数字不是一份公开的官方总清单，而是 Reuters 对论文、专利和案例的审阅范围。1
报道中最具体的一条线索，来自解放军 96941 部队。
这被 Reuters 描述为北京的一支军事情报与网络战部队。
相关论文写到，研究人员用 OpenAI 的 GPT-3.5 总结敏感军用源代码，再用这些摘要训练一个本土模型，让它完全在中国军方网络内运行。论文同时承认，第三方模型不适合直接处理机密信息。1
另一条线索来自与中国武器工业关系密切的北方工业大学。
研究人员使用 Anthropic 的 Claude 3 Haiku 生成合成训练数据，用于社交媒体文本分类、监测和内容审核模型。1
国防科技大学 2024 年的一篇论文，则把蒸馏后的图像处理模型放到了无人机应用里。
论文描述的目标，是让无人机在通信中断时仍能实时分析视频，并支持导航和目标决策。1
军事科学院的另一项研究，把目标识别模型放到战术硬件上，在无人机、舰船和无人潜艇参与的模拟海上行动中测试。1
这里要把「论文描述的用途」和「已经进入真实作战」分开。
Reuters 的报道证明了研究方向和技术路径，并没有证明这些系统已经在真实战场部署。
02｜蒸馏不是复制
蒸馏的基本结构很简单：一个能力更强的 teacher model 生成答案、代码或其他训练样本，再由较小的 student model 学习其中一部分能力。2
它更像是请一位昂贵的教练批改大量题目，再把特定解题方法教给一支便宜、可以带到现场的小队。
学生模型不会得到老师模型的权重、架构和完整能力。
它通常只学会某些任务上的行为，因此可以用更少算力运行在无人机、卫星、车辆或其他边缘设备上。2
这也是中国军事研究者会关注它的原因。
前沿模型的价值在云端，军事设备的限制在现场。
模型不能只会回答问题，还要能在通信受限、硬件有限的环境里完成识别、导航和分类。
蒸馏把模型竞争从「谁训练出最大的系统」，拉到了「谁能把选定能力压缩进设备」。
03｜最贵的不是答案
Reuters 报道引述 Cheung 的判断：中国军事研究人员正在捕捉西方模型的推理步骤，把这些能力转移到更小、可以在本地控制的系统里。1
这比单纯复制最终答案更有价值。
答案告诉学生这道题怎么答，推理轨迹则暴露了面对难题时应该先做什么、如何拆分条件、怎样检查结果。
Reuters 的配套解释稿把 reasoning traces 比作详细解题过程，并指出它们比单纯的最终答案更能帮助小模型学习复杂任务。2
这解释了为什么「模型输出」在今年的美中 AI 争议里变得敏感。
芯片出口管制限制的是训练和运行大型模型所需的硬件，模型输出则可能成为另一条能力转移通道。
但这条通道也不是免费捷径。
Anthropic 今年 2 月称，它发现 DeepSeek、Moonshot 和 MiniMax 通过约 2.4 万个虚假账户，与 Claude 进行了超过 1600 万次交互，并将这种行为归为未经授权的能力提取。Anthropic 同时承认，蒸馏本身是 AI 行业广泛使用的合法训练方法。3
这是 Anthropic 对自身调查的陈述，不是法院裁决，也不能自动证明 Reuters 报道中的每一篇军事论文都属于同一种访问方式。
但它说明了争议的技术核心：大量、重复、围绕特定能力设计的提示，可能把闭源模型变成一个远程数据生成器。
04｜争议在访问，不在蒸馏
Reuters 的配套解释稿特意写明，蒸馏是美国研究机构和公司长期使用的训练技术。
Stanford 的 Alpaca 项目和微软的 Orca 研究，都曾利用更强模型的输出改进较小模型。2
所以，下面三件事不能混成一句话：
- 研究人员使用了某个模型的输出；
- 研究人员通过代理账户、转售服务或其他路径，未经授权大规模提取闭源模型能力；
- 这种行为已经构成知识产权侵权或违反出口管制。
第一层可以由论文方法部分直接证明。
第二层需要访问日志、账户关联、提示模式和平台调查。
第三层则需要适用的合同、法律和执法材料，不能由论文中的「使用了 GPT-3.5」自动推出。
中国商务部 7 月 27 日则称，美国依据所谓复制美国先进模型的指控调查、制裁或限制中国企业，缺乏事实和法律依据，并威胁采取反制措施。4
真正的政策问题，是谁获得了闭源模型的输出、以什么规模获得、用于什么系统，以及这些行为是否越过了授权边界。
05｜小模型才是落点
AI 科技评论注意到，Reuters 这篇报道没有把中国军事研究写成已经拥有美国前沿模型的完整替代品。
它写的是另一种更务实的路径：用美国模型提供部分技术样本，再把选定能力压缩进成本更低、由本地控制的系统。
Sapien 联合创始人 Trevor Koverko 对 Reuters 说，蒸馏后的模型能力仍弱于 teacher model。
他给出的判断是，蒸馏更像把选定能力转移到一个更便宜、由本地控制的系统，而不是实现对前沿模型的独立。1
这句话比「中国军方已经复制美国模型」更准确。
因为无人机上的实时目标识别，不需要一个能处理所有问题的聊天机器人。
它需要的是一个在特定目标、特定传感器和特定硬件上足够稳定的模型。
模型越小，部署越容易，成本越低，系统也更容易留在本地网络里运行。
代价是能力范围变窄，训练数据、任务定义和安全护栏也会被重新切割。
Anthropic 警告，未经授权蒸馏得到的模型可能丢失原模型的安全护栏，使某些敏感能力进入原公司无法控制的系统。3
因此，这场竞争的焦点不是「中国是否已经拥有一个更大的 ChatGPT」。
焦点是，前沿模型的若干能力能否被持续拆分、压缩，再送进军用设备和本地网络。
06｜原报道里最值得保留的两句话
「教会模型正确答案是一回事，但教会它答案背后的推理过程要难得多。」——Sunny Cheung，Reuters 引述，中文译文。1
「最好把蒸馏理解为把选定能力转移到一个更便宜、由本地控制的系统，而不是实现对前沿模型的独立。」——Trevor Koverko，Reuters 引述，中文译文。1
第一句话解释了为什么推理过程成为争夺对象。
第二句话提醒读者，能力转移不等于技术独立。
两句话合在一起，正好构成这篇报道的边界。
07｜证据停在哪里
Reuters 的核心证据是论文、专利和对研究材料的文献核验。
它不是军事采购合同、模型访问账单、任务报告或实时战场数据。
因此，本篇报道能够确认的是：相关研究机构公开写下了使用美国模型输出进行训练或生成数据的技术路径，并把蒸馏用于监控、无人机图像处理、目标识别和战术硬件研究。
它不能单独确认：每个机构都直接获得了 OpenAI 或 Anthropic 的商业服务，所有研究都使用了未经授权的访问方式，相关模型已经形成稳定战斗力，或这些行为已经被监管机构认定违法。
Reuters 称，白宫、五角大楼、中国外交部、解放军和 OpenAI 没有回应置评请求；Anthropic 则回应了访问限制和安全护栏问题。1
Reuters 此前还报道，美中计划在 9 月举行 AI 治理与安全对话，但日期、议程和参与者仍未最终确定。论文证据与外交对话同时出现，不等于两者存在已经被证明的直接因果关系。5
在 AI 竞争里，真正难以追踪的不是模型有没有回答过问题，而是回答之后，能力被谁保存、压缩和部署到了哪里。
References
- 1
- 2
- 3
- 4
- 5
This story was produced automatically by a channel. One sentence is all it takes for Neodrop to keep producing for you.