封鎖制造了“后門”：Anthropic的圍墻意外加速了中國數據飛輪

No.0325

Science Partner

Bring you to the side of science

導 讀

6月中旬，一個名為GLM-5.2的中國AI模型悄然上傳至Hugging Face，以開放權重和MIT許可發布，并已在Hugging Face、ModelScope等主流開源平臺提供獲取入口。

兩周之內，它的母公司智譜AI在香港股市單日暴漲42%，市值一度突破1萬億港元。從1月IPO至今，漲幅超過2000%。

這并不是一個被夸大的DeepSeek時刻。

DeepSeek震驚世界，是因為它突然從虛空中跳出來。GLM-5.2的到來，更接近一個被蓄力已久、邏輯嚴密的結果。它揭示的，不只是中國AI技術距離前沿還剩多少距離，而是Anthropic和整個美國科技界，可能正在親手為對手建設他們最需要的一樣東西：真實的工程數據飛輪。

走，跟伙伴君來！

今日主筆 | 晶恒

封鎖制造了“后門”：Anthropic的圍墻意外加速了中國數據飛輪

01. 先把數字說清楚

GLM-5.2是一個混合專家（MoE）架構模型：總參數量744B（7440億），每token激活約40B（400億），等效算力調度效率接近閉源旗艦，但第三方平臺報價大致在每百萬輸入token 1美元上下到1.40美元之間，顯著低于多數閉源旗艦模型。

在衡量真實工程能力的基準測試中，它的成績好到令對手不安：SWE-bench Pro（測試AI自主修復真實代碼缺陷）62.1%、Terminal-Bench 2.1（測試長時間命令行任務執行）81.0%，是目前標準編碼基準上最強的開源模型，在若干長程編程和智能體評測中接近閉源前沿模型。

把這些數字科普一下：在大多數真實開發場景里，智譜的開源模型已經足以完成Anthropic旗艦產品完成的那類工作，而它成本顯著更低，可以跑在你自己的服務器上，不需要VPN，不需要美國信用卡，沒有地區封鎖。

對中國開發者來說，這是一個存在主義意義上的轉折點。但在討論這個轉折為何發生之前，我們需要先談一件讓Anthropic至今心情復雜的事。

02. 中轉站的生意經

Anthropic在2025年后持續收緊對不支持地區相關賬戶的訪問，并在2026年4月進一步加強了身份驗證措施，開始要求部分用戶提交政府頒發的證件照和真人自拍。 與此同時，Trump政府在4月23日公開警告，中國機構正在用“數以萬計的代理賬號”回避檢測，對美國最先進的AI模型實施產業規模的蒸餾攻擊。2月，Anthropic自己也披露，單一一個代理網絡就控制了2萬多個欺詐賬號，并點名DeepSeek、Moonshot、MiniMax，指控三家中國公司通過1600萬次Claude交互抽取了模型能力。

這一連串動作，塑造了一個似乎顯而易見的敘事：美國在保護知識產權，中國在偷。但現實結構比這復雜得多。

Anthropic的封堵，既沒有讓需求消失，也沒有讓代理市場萎縮。反而催生并壯大了一個中文開發者圈里人盡皆知的灰色基礎設施——“中轉站”：由海外服務器構成的API代理網絡，用戶通過微信支付或支付寶結算，以官方價格約10%的成本獲取Claude訪問權。

GitHub上存在的比價倉庫清單，在排列著上百個長期運營和臨時出沒的中轉服務商的同時，更清晰地說明了一件事：這不是小圈子的極客行為，這是一個正常運轉的市場。

這個市場的商業模式，是Anthropic可能沒有完全預料到的那種。

中轉站的收入來自三層結構：第一層，低價倒賣訪問權；第二層，通過模型替換壓低成本（用戶花了Claude Opus的錢，收到的未必是Claude Opus的回答）；第三層，也是被報道描述為“最重要的收入來源的一層”：使用日志。

每一次通過中轉站發出的請求，提示詞、模型回復、工具調用、修改歷史，都記錄在中轉站的服務器上。在AI編程助手的使用場景里，這意味著：代碼上下文、設計決策、報錯信息、調試路徑、多輪修改的每一步、以及最終被開發者確認有效的輸出，都完整地、實時地沉淀在一個不受任何法律約束的灰色數據庫里。

這不是答案蒸餾。這是工作流錄像。

03. 為什么“工作流錄像”比“答案復制”貴十倍

理解這一點，需要先理解一個語言模型改善自己的基本邏輯。

單輪“老師to學生蒸餾”，用頂尖模型的輸出訓練較弱的模型，是一種已被充分研究、也充分警惕的技術路徑。它能傳遞答案的形態，但傳遞不了過程的紋理。

真正稀缺的，是有人類反饋標注的復雜真實場景數據：開發者是如何把一個混亂的問題拆解成可執行的步驟的？在第一次嘗試失敗后，他們如何調整提示詞？報錯信息如何被轉化為下一輪更精準的追問？什么樣的輸出被接受，什么樣的被拋棄重來？

這些信息，構成了一個模型學會“真實地幫助人類完成工程任務”的核心原料。Anthropic投入了多年研究和大量資本構建Constitutional AI框架和RLHF流水線，本質上也是在用人類反饋修正模型判斷。

而神奇的中轉站們，正在合理合法的被“求著”免費收集這類數據。

來自中國數量龐大、技術水平參差不齊但場景高度多樣的真實開發者——記錄他們如何使用Anthropic最好的模型解決最復雜的問題，然后將這些日志以某種方式變現。

這不是推測。Anthropic官方商業條款明確禁止將Claude的輸出用于訓練競爭性模型。 Anthropic點名三家中國公司時，指控核心不是訪問本身，而是通過訪問系統性地抽取能力。中轉站的運營邏輯，只是把這件事的界面變得更分散、更隱蔽、更無懈可擊。

04. 圍墻的反作用力

當一項技術被封鎖時，需求不會消失。需求會找到出路，而那條出路往往比原來更刺激。

這是一個幾乎在所有受管制市場里都反復被驗證的規律。

Anthropic在2025至2026年間對中國訪問的層層收緊，產生了一個它顯然沒有預期的結果：把原本屬于自己平臺的真實用戶行為數據，系統性地轉移到了一個它完全無法觀察、無法審計、也無法干預的灰色中間層。

如果這些數據真的在以某種形式流入中國AI公司的訓練管道，那么Anthropic的封鎖策略，本質上是把一個可以被監測和規制的官方訪問渠道，換成了一個不可追蹤的地下數據供應鏈。

歷史上一個令人沮喪的標準劇情是：圍墻越高，管涌越繁榮；管涌越繁榮，原產地的競爭優勢越快速擴散。

05. 智譜正在收獲的，不只是用戶

對GLM-5.2的意義，有一種過于簡單化的讀法：它證明中國已經趕上了。

這種讀法在技術層面是不準確的。GLM-5.2是目前最強的開源模型，但在最頂尖的能力上仍然落后于Claude Opus 4.8，更不用說接下來幾個月兩大實驗室會推出的下一代閉源模型。

但另一種讀法，更接近這件事的歷史重量：GLM-5.2證明了一個閾值正在被跨越。

一旦一個開源模型跨過“夠用”的門檻，即能完成真實工程任務的70%、80%，本地部署、低成本、無訪問限制和持續可得性這幾張牌，就會開始以復利的形式累積優勢。這不是在最高端的研究實驗室發生的競爭，這是在數以百萬計普通工程團隊的每日工作流里發生的遷移。

智譜正在賭的是：不需要在每個維度都超越Claude，只需要讓足夠多的開發者把默認工具換成GLM。一旦這個切換發生，就意味著更多真實使用數據流向自己的平臺，而不是流向競爭對手，無論通過中轉站，還是其他任何渠道。

這是一場關于數據引力的戰爭，不只是關于參數量的軍備競賽。

華爾街機構近期判斷，開源與閉源在軟件工程能力上的差距正在收窄，GLM-5.2代表了在軟件工程基準上高度接近私有前沿模型的中國開源系統。 這是一個被刻意壓縮語氣的市場表達。翻譯成真實意思是：閉源溢價正在失去支撐。

06. 真正的問題，不是誰贏了這一輪

Anthropic是一家在AI安全方面比任何主流實驗室都投入更多的公司，這是事實，不是公關。Constitutional AI框架、可解釋性研究、對模型能力前沿的謹慎態度，在整個行業里都是獨樹一幟的。

但它正在面對一個深層的戰略悖論：越是用更高的圍墻保護Claude，就越是把需求推向它無法觸及的灰色地帶，而灰色地帶產出的，恰恰是它最不愿看到的東西。

這不是Anthropic獨有的困境。這是任何一家在地緣政治分裂世界里經營的技術公司，遲早都要直面的結構性問題：當你的產品具有戰略意義，訪問限制就不只是商業決定，它會產生超出商業邏輯的政治和技術后果。

2016年，研究者們曾認為，一個在ImageNet上的性能領先，能夠維持相當長時間的競爭壁壘。2019年，他們意識到那個判斷是錯誤的。

2026年的今天，在大模型時代，有理由提出相同的問題：如果圍墻本身成為加速追趕的燃料，那么維持閉源的護城河，究竟靠的是什么？

沒有人知道答案。包括Anthropic。

但我們知道的是：GLM-5.2在Hugging Face上每多一次下載，那座高墻就更接近馬奇諾防線一分。

我是晶恒，咱們下期見。

本文僅作科普分享使用，歡迎小伙伴們點、收藏、關注，以備不時之需，當然更歡迎您把 介紹給周邊可能需要的更多伙伴們呀。