16次对Claude的"围攻"：中国AI实验室被指控偷走硅谷的"脑子"

16次对Claude的"围攻"：中国AI实验室被指控偷走硅谷的"脑子" 16次对Claude的"围攻"：中国AI实验室被指控偷走硅谷的"脑子" 2026年2月的最后一周，全球AI行业上演了一出比《甄嬛传》还要精彩的大戏。 主角是美国AI公司Anthropic，它手握旗舰产品Claude，一纸报告把三家中国AI实验室钉在了"知识小偷"的耻辱柱上。 你要问这事儿有多大？我只能说：24,000个欺诈账户，累计16,000,000次与Claude的交互——这可能是AI行业有史以来规模最大的"技术盗窃案"。 而这背后，藏着的是一个让整个硅谷夜不能寐的问题： 当AI学会"偷师"，人类该如何定义"创造"？ PART 01 三英战吕布：谁在围攻Claude？ 先说说这三个"被告"。 MiniMax（稀宇科技） 是这次攻击的"主力军"。这家总部位于北京的公司，一口气注册了上万个欺诈账户，像蝗虫一样扑向Claude，累计产生了约 1,300万次 交互——占总量的八成以上。 MiniMax的胃口很大，它们专门挑Claude最核心的能力下嘴：一是 智能体编码 （agentic coding），也就是AI自己写代码、执行任务的能力；二是 工具编排 （tool orchestration），让AI调用各种外部工具完成复杂工作。 这两项能力可是Anthropic花了数年时间、砸了无数银子才建立起来的"护城河"。结果MiniMax倒好，直接跑过来"抄作业"了。 更气人的是，Anthropic在检测到攻击时，这事儿 还在进行中 。而且就在Anthropic发布新版本Claude后的 24小时内 ，MiniMax将近一半的流量"无缝切换"到新模型——这反应速度，比双十一抢货还快。 Moonshot AI（月之暗面） 是第二号攻击者，生成了约 340万次 交互。这家公司的攻击重点是计算机使用智能体——就是那种能在真实电脑上自己操作、帮你干活的AI系统。 巧合的是，Anthropic正在大力商业化这项技术。Moonshot选在这个时间点下手，很难说是"巧合"。 DeepSeek 的攻击规模最小，只有约 15万次 交互，但技术含量却最高。 DeepSeek玩的是"思维链窃取"——专门设计提示词，一步步诱导Claude展示自己的"思考过程"。这就好比不仅抄了你的答案，还把你做题的思路一并学走了。 对于正在发展推理能力的AI来说，思维链数据就是"最好的营养剂"。DeepSeek这波操作，相当于在Anthropic的"母乳"里动了脑筋。 Anthropic的安全团队通过元数据分析，直接把DeepSeek的几个账户追溯到了该实验室的 具体研究人员 。这大概是本次事件中最让对方"社死"的证据。 PART 02 一周三响炮：硅谷的"春晚"来了 如果你以为这只是Anthropic在单打独斗，那就太天真了。 2026年2月中旬到下旬，可能是AI行业近年来最热闹的一周——简直比春晚还要精彩。 2月16日 ，Google威胁情报组织率先放炮，发布报告说检测到针对Google AI模型Gemini的蒸馏活动显著增加。一个超过 10万个提示词 的攻击行动，试图复制Gemini的推理能力。 Google明确指出，这些活动与" 已知的中华人民共和国威胁行为者 "有关联。直接把"国家"俩字写进了报告里，这事儿就严重了。 2月21日 ，OpenAI打破沉默，公开指控DeepSeek使用蒸馏技术模仿其产品。OpenAI还专门给美国国会议员写了份备忘录，详细说明了DeepSeek的行为。 这是OpenAI 首次 在公开层面点名批评中国AI公司。以往这种事儿大家都是关起门来撕，这回直接"掀桌子"了。 2月23日 ，Anthropic放大招，发布了这份重磅报告，把三家中国AI实验室——DeepSeek、Moonshot AI、MiniMax——全部列为攻击者。 同一天，TechCrunch、The Verge等主流科技媒体集体跟进，铺天盖地的报道让这事儿彻底出了圈。 你看看这时间线：Google打头炮，OpenAI跟上来，Anthropic收尾—— 三天之内，三大巨头先后开火 ，这要是说没有提前"通气"，反正我是不信的。 这背后既有企业自身利益的考量，也可能跟美国商务部正在讨论的 AI芯片出口管制政策 有关。毕竟，把"知识窃取"这个帽子扣上，出口管制就更有理由收紧——你们中国公司不是想绕過芯片限制吗？现在连"脑子"都要偷，这还得了？ PART 03 知识蒸馏：天使还是魔鬼？ 说了这么多吃瓜细节，是时候聊聊技术本身了。 知识蒸馏 （Knowledge Distillation）这个概念，最早是"深度学习之父"Geoffrey Hinton等人在2015年提出来的。 原理其实很简单：让一个大型的"老师模型"输出结果，用这些结果来训练一个较小的"学生模型"。学生模型通过"模仿"老师，逐渐也能具备类似的能力——但体积更小、运行成本更低。