跳到主要內容
2026-11-12 日報
安全與監管

ChinaTalk 調查:美國資料商向中國 AI 實驗室銷售約 5 億美元 RL 訓練環境,至少 9 家涉入

The Decoder單一來源
核實資料不足

目前依單一來源整理,這是來源數量描述,不是對消息真假的判定。

本次未取得足夠原文證據

據 ChinaTalk 調查報導,至少九家美國資料公司(包括 Mercor、Surge AI、AfterQuery、Turing)向中國 AI 實驗室銷售約 5 億美元的訓練資料,其中部分為強化學習(RL)環境,即用於訓練程式設計、金融分析、辦公任務等特定能力的模擬世界。報導稱,中國實驗室刻意購買過去已售予 Anthropic 或 OpenAI 的同款產品,因為已知其效果可用,可省去自行開發與重複訓練的成本。由於中國晶片面臨嚴重記憶體瓶頸,這類節省對當地實驗室特別有價值。 報導另指出蒸餾問題:中國實驗室將 GPT、Claude 等美國模型作為「教師」,以其輸出作為訓練範例;加上購入的 RL 環境,形成雙重優勢,讓中國實驗室能以較少自有算力縮小差距。 關於交易細節,AfterQuery 據報導有相當比例的年度經常性收入來自中國客戶,ChinaTalk 引述 Forbes 報導的約 1 億美元 ARR,但表示無法獨立查證。Surge AI 網站公開宣稱其產品「由前沿實驗室工作背後的同一批專家打造」。交易也透過境外架構進行,報導指字節跳動在新加坡與聖荷西設有採購辦公室。這些關係是透過匿名消息來源,以及分包商operational security 疏失曝光的:美國資料公司將大量 RL 環境製作與資料整理外包給印度等開發中國家的低薪工作者,部分分包商會在 LinkedIn 或履歷中公開客戶名稱,儘管規定應僅使用代號。 由於 RL 環境目前大致未受監管,出口管制幾乎無法適用。報導指出,程式設計環境可能提升攻擊性網路能力,生物環境則可能強化基因合成相關能力,具雙重用途風險。作者主張美國工業與安全局(BIS)應將這類雙重用途環境納入現行出口管制。 作者同時強調情況並非末日:中國實驗室因搭乘美國成果,結構上仍落後美國同行至少數月。而生物、化學、網路安全、晶片設計與投資銀行等敏感領域的環境,美國前沿公司正日益改為自行建置。
讀原始報導

背景

強化學習(reinforcement learning)是讓智能體(agent)透過與環境反覆互動來學習的方法。新聞中提到的 RL environments,即是用來訓練模型完成特定任務的模擬環境。另一個相關概念是「蒸餾」(distillation),指把大型、複雜模型的知識轉移到較小、較快的模型中,此詞由 Hinton 等人於 2015 年提出。

來源