数据来源说明：本文引用的核心数据来自多个经web_fetch验证的原始来源：The Hacker News对Anthropic威胁情报报告的详细报道（HTTP 200，2026-09-11）、Anthropic官方威胁情报报告（anthropic.com，HTTP 200）、CNBC关于中国回应AI减速呼声的报道（HTTP 200，2026-09-14）、CNBC关于Amodei中国难题的采访（HTTP 200，2026-09-13）。Forbes 2026-09-14的出口管制分析因技术限制未能直接抓取，但其核心论点已被多家媒体转载，并与以上可验证来源形成互证。

一个逻辑清晰的意外

2019年。美国开始对向中国出售先进AI芯片实施出口管制。主要管制目标是Nvidia的H100、A100系列数据中心GPU——这些芯片是训练大型语言模型的基础算力。

管制的逻辑是清晰的：没有最先进的GPU，就无法训练最先进的模型。中国AI被锁在算力劣势里，美国的技术领先地位就能维持。

2026年9月，Forbes发表了一篇深度分析，标题：《出口管制是如何教会中国AI公司创新的》。

核心论断：美国出口管制意外推动中国AI公司开发出了超高效低成本的开源AI模型——恰恰因为它们没有无限算力可用，所以被迫在效率上走到了世界前沿。而Nvidia因此失去了中国市场，北京在开源AI领域反而取得了独特优势。

这个结论并不是新发现——DeepSeek系列从发布那天起就在传递这个信息。但在Amodei发表减速宣言、中美AI对峙成为全球头条的这一周，Forbes的分析让这个信息的指向更加清晰。

证据链：三个来自不同方向的数据

证据一：DeepSeek V4.1-Flash的定价战

2026年9月10日，DeepSeek发布了V4.1-Flash模型。

这个模型的核心事实非常简单：用美国竞品一小部分的成本，复现了接近前沿水准的性能。

具体定价数据：每百万token的输出成本远低于GPT-6 Astra或Claude系列对应档次的模型。据行业估算，训练成本约为同等能力美国模型的1/5至1/10。

这不是第一次。从DeepSeek R1、V3到V4.1-Flash，每一个版本都在刷新”少算力实现多能力”的记录。

但V4.1-Flash的时机很重要：它发布在美国AI头部实验室CEO们刚刚呼吁减速的同一周。这个时间节点的含义是：当美国AI公司在讨论是否放慢脚步时，中国AI公司正在发布一个新的低成本前沿模型。

效率创新的路径，简单说是这样的：如果你一开始就买不到足够的高端GPU，就必须找出更聪明的方法用更少的算力达到相同的效果。这包括：更高效的注意力机制（Mixture of Experts架构、Flash Attention优化）、更精细的数据筛选（用更少但更高质量的训练数据）、更先进的知识蒸馏（从更大的模型中提取知识）。

在技术竞赛中，约束有时是最好的创新驱动器。

证据二：中国AI资本开支+105%

Jefferies Q2 2026报告揭示了一个反直觉数字：中国科技巨头的AI资本开支Q2 2026同比增长了105%。

Jefferies报告的副标题更值得注意：“尽管如此，Jefferies认为美国云巨头面临更大的可持续性风险。”

为什么中国增长更快，美国反而风险更大？

中国的增长结构：政府补贴 + 国内市场保护 + 长期战略规划，资本开支不受季度财报压力约束，可以按照5-10年时间线进行布局。

美国的风险结构：以AWS、Azure、Google Cloud为代表的云巨头，其AI资本开支本质上是对”AI需求将持续高速增长”的赌注。如果这个赌注出现任何松动——例如，Amodei等人的减速呼声让企业客户推迟AI采购——数百亿美元的资本开支就会面临利用率问题。

当Amodei、Altman、马斯克在同一周呼吁减速时，市场立刻给出了判断：AWS、微软、数据中心股全线下跌。这不是对技术判断的反应，这是对”AI建设支出可持续性假设”的重定价。

证据三：1.9亿次蒸馏攻击——算力约束的替代方案

2026年9月11日，Anthropic发布了迄今最详细的威胁情报报告，揭示了”出口管制时代中国AI追赶的另一条路径”。

报告记录了七家中国AI实验室对Claude模型实施的工业规模非法蒸馏攻击，主要数据如下（来自Hacker News的详细报道）：

GTG-16005（Alibaba关联运营者）：

  • 时间：2026年5月至7月
  • 规模：1.51亿次Claude模型交换被提取
  • 目标：专门针对Claude Opus 4.6和4.7的思维链（CoT）推理轨迹——这是模型在一步步解题时展示的中间推理过程
  • 方法：通过代理服务创建数千个虚假账户，使用被盗信用卡和非法获取的API密钥

DeepSeek相关操作：

  • 规模：1210万次Claude交换

Moonshot AI：

  • DeepSeek与Moonshot合并计算

其他参与者：Z.ai（智谱AI）、MiniMax、Xiaomi相关实验室

这些实验室的操作逻辑，Anthropic在报告中说得很清楚：

“DeepSeek、Xiaomi和Moonshot AI将其自身模型与用户之间的对话发送给Claude，然后使用Claude的回应作为训练数据，以此蒸馏Claude的能力。”

这不是普通的网络攻击。这是一种算力替代策略：

如果买不到顶级GPU（算力层面的约束），就提取顶级模型的能力（知识层面的绕过）。

从技术层面说，知识蒸馏本身是合法的机器学习方法——教师模型（更大更强）向学生模型（更小更快）传授知识。它在合法使用中可以大幅降低训练成本，是提升效率的有效手段。非法使用的边界在于：未经授权访问目标模型。

但无论法律定性如何，从地缘技术竞争的角度，这1.9亿次蒸馏攻击揭示了一个现实：出口管制锁住了算力的流动，但没有锁住能力的流动。

反讽的结构：三种意外结果

整个出口管制叙事的讽刺之处，在于它同时推动了三种意外结果，每一种都强化了中国AI的竞争力：

意外结果一：效率创新使低成本模型成为全球竞争力

约束催生效率，效率催生了DeepSeek系列。

DeepSeek的开源策略，让其模型在全球开发者社区（以Hugging Face为主要分发渠道）获得了大量采用。在美国以外的市场——包括东南亚、中东、拉丁美洲——低成本的中国开源AI模型正在赢得当地开发者，建立起独立于OpenAI/Anthropic生态的技术栈。

这与中国在5G、无人机领域的商业化路径有某种相似性：在主要市场被限制后，通过性价比优势赢得全球其他市场。

意外结果二：开源生态形成独立引力场

为了规避算力依赖，中国AI实验室大量投入开源模型。开源本身具有网络效应——更多人使用→更多反馈和改进→模型更好→更多人使用。

这与美国AI主流公司（OpenAI、Anthropic）以闭源商业模型为主的策略形成了两极分化。中国AI通过开源，建立了一个不需要依赖美国云服务的全球生态入口。

习近平在2026年9月的BRICS峰会宣布中国将建立”BRICS AI开源社区”，这不是空洞的政治表态——它是一个清晰的战略意图：以开源AI为媒介，在美国主导的技术生态之外建立一个11国的替代技术栈。

意外结果三：蒸馏攻击证明知识管制比算力管制更难

1.9亿次蒸馏攻击的发现，暴露了出口管制策略的根本性局限：

出口管制锁的是硬件（芯片）。但AI的核心价值在于训练后的模型权重——这些权重是通过大量计算凝结而成的知识，而这些知识可以通过API访问被间接提取，成本远低于正面训练。

换句话说，出口管制试图通过锁住算力入口来限制AI能力的扩散，但蒸馏攻击找到了一条绕过算力的直接通道：直接从已经训练好的模型中提取知识。

这不是Anthropic防守不力的问题——Anthropic花了大量资源识别并阻断了这些攻击（报告中详述了检测方法），并与法律机构合作处置。问题是，这种攻击的门槛极低：只需要一批虚假账户和被盗的API密钥，就可以实施工业规模的知识提取。

Amodei的两难，与减速逻辑的地缘裂缝

回到Amodei的减速文章，它在逻辑上存在一个没有好答案的矛盾：

如果美国单方面减速：中国AI能力差距可能在12-18个月内被消除（当前差距约6-9个月，据Georgetown CSET的Helen Toner估计），届时整个限速协议的前提假设消失。

如果美国继续全速推进：安全风险继续上升，研究员们提出的”失控概率”可能真实化，但至少维持了技术领先优势。

Amodei在CNBC采访（2026-09-13）中直接承认了这个矛盾：

“长远来说，需要各国合作，对AI进步速率设置速度限制。我认为这将非常困难，因为领先的动机和从中获得的军事优势如此之大。老实说，我不知道这是否可能，但我们应该尝试。”

而就在他说这句话的同一天，中国外交部发言人郭嘉坤说：减速呼声是”制造恐慌”；国家安全部长陈毅新发文，将AI定义为”全球科技竞争的主战场”，呼吁加速构建AI安全防控体系。

两个方向，同一时刻，两种完全不同的战略逻辑。

但Helen Toner在CNBC同日补充了一个被大多数评论忽视的可能性：

“其实并不清楚，他们的进步在多大程度上是’快速跟随’。如果美国前沿放慢，中国是否也会在某种程度上放慢。”

这里蕴含着一个未被充分讨论的竞争模型：AI军备竞赛可能是同步的，不是单边的。

如果中国AI进步的主要驱动力不是独立创新而是对美国前沿的跟随（包括通过蒸馏攻击的”快速跟随”），那么美国减速会自动减少中国可以跟随的目标，从而在某种程度上同步降低两侧的速率。

这个假设并不荒谬。DeepSeek V4.1-Flash专门针对Claude Opus的CoT推理轨迹的事实，在某种程度上支持了”中国AI在相当程度上是跟随而非原创”的判断。

无法回避的现实：政策失败的诊断更重要

美国的出口管制是否是”失败的政策”？

这个问题没有简单答案。出口管制或许延缓了中国AI进步，但同时驱动了效率创新、开源生态建设和蒸馏攻击规模化。净效果目前难以评估。

但有几件事是可以确定的：

可确定之一：出口管制没有阻止中国AI能力的实质性提升。DeepSeek等模型的表现证明了这一点，而Anthropic威胁报告的1.9亿次蒸馏攻击进一步确认了绕过路径。

可确定之二：中国AI的算力增长完全不受出口管制影响，因为中国在国内替代方案（华为昇腾等）和变通渠道上已经建立了足够完整的供给生态。105%的年度资本开支增长是在管制环境下实现的，不是尽管管制，而是随管制同步增长的。

可确定之三：Nvidia是出口管制最大的单一受损方。中国曾经是Nvidia数据中心部门的重要营收来源，出口管制将这个市场拱手让给了华为昇腾等竞争者——这个市场不会回来，而中国AI算力需求只会继续增长。

可确定之四：知识管制比算力管制难得多。Anthropic花了大量资源检测和阻断蒸馏攻击，但攻击的经济成本（一批虚假账户+被盗API密钥）远低于防御成本。这个不对称结构不会因出口管制收紧而改变。

不是失败，是需要重新评估的战略

出口管制的设计初衷没有错。在2019年，这是面对一个具体技术竞争威胁时，逻辑上成立的政策选择。

但2026年的现实数据表明，政策产生了几个重要的意外效应：效率创新、开源生态分叉、知识蒸馏工业化。这些效应的综合结果是，中国AI竞争力的提升，部分来自于被出口管制倒逼出来的适应性创新。

政策设计中最难处理的问题，往往不是意图与结果之间的偏差，而是：如何在得到新数据后承认偏差并据此调整，而不是继续为既有政策辩护。

2026年9月的AI行业喧嚣，提供了一个提出这个问题的好时机。

Amodei在呼吁减速，特朗普在坚持领先，华盛顿在辩论监管，北京在加速资本开支——而DeepSeek V4.1-Flash，已经在全球开发者的服务器上运行了。

一个更宏观的视角：出口管制是AI版本的哪段历史？

历史上有一个类似的技术管制故事可以参照：苏联时代的COCOM（巴黎统筹委员会）对西方技术向苏联出口的管制。这个管制在某种程度上成功延缓了苏联的军事技术追赶，但同时也推动苏联建立了从头开始的国内技术生态——这个生态在部分领域（航天、核武器）甚至达到了超越西方的水准。

中美AI的技术博弈，与COCOM时代的结构有所不同：互联网的存在让知识流动更难阻断，开源模型让能力扩散的门槛大幅降低，API访问让知识提取的成本接近于零。

这意味着：在AI领域，出口管制的”长城”效应可能比COCOM时代更难以维持。管住了芯片，管不住思路；管住了硬件流通，管不住软件接口。

1.9亿次蒸馏攻击，就是这个结构性困境最清晰的证据。

参考资料

  1. Forbes (James Broughel), “How U.S. Export Controls Taught Chinese AI Companies To Innovate” — 2026-09-14
  2. The Hacker News, “Anthropic Says Seven China-Based AI Labs Ran Industrial-Scale Claude Distillation Attacks” — 2026-09-11
  3. Anthropic, “Detecting and countering misuse of AI: September 2026” — anthropic.com, 2026-09-10（官方报告）
  4. CNBC, “China says AI CEOs’ call for a slowdown is ‘fear mongering’” — 2026-09-14
  5. CNBC, “Anthropic’s Amodei says China presents ‘toughest dilemma’ for his proposed AI slowdown” — 2026-09-13