封锁制造了“后门”：Anthropic的围墙意外加速了中国数据飞轮

No.0325

Science Partner

Bring you to the side of science

导 读

6月中旬，一个名为GLM-5.2的中国AI模型悄然上传至Hugging Face，以开放权重和MIT许可发布，并已在Hugging Face、ModelScope等主流开源平台提供获取入口。

两周之内，它的母公司智谱AI在香港股市单日暴涨42%，市值一度突破1万亿港元。从1月IPO至今，涨幅超过2000%。

这并不是一个被夸大的DeepSeek时刻。

DeepSeek震惊世界，是因为它突然从虚空中跳出来。GLM-5.2的到来，更接近一个被蓄力已久、逻辑严密的结果。它揭示的，不只是中国AI技术距离前沿还剩多少距离，而是Anthropic和整个美国科技界，可能正在亲手为对手建设他们最需要的一样东西：真实的工程数据飞轮。

走，跟伙伴君来！

今日主笔 | 晶恒

封锁制造了“后门”：Anthropic的围墙意外加速了中国数据飞轮

01. 先把数字说清楚

GLM-5.2是一个混合专家（MoE）架构模型：总参数量744B（7440亿），每token激活约40B（400亿），等效算力调度效率接近闭源旗舰，但第三方平台报价大致在每百万输入token 1美元上下到1.40美元之间，显著低于多数闭源旗舰模型。

在衡量真实工程能力的基准测试中，它的成绩好到令对手不安：SWE-bench Pro（测试AI自主修复真实代码缺陷）62.1%、Terminal-Bench 2.1（测试长时间命令行任务执行）81.0%，是目前标准编码基准上最强的开源模型，在若干长程编程和智能体评测中接近闭源前沿模型。

把这些数字科普一下：在大多数真实开发场景里，智谱的开源模型已经足以完成Anthropic旗舰产品完成的那类工作，而它成本显著更低，可以跑在你自己的服务器上，不需要VPN，不需要美国信用卡，没有地区封锁。

对中国开发者来说，这是一个存在主义意义上的转折点。但在讨论这个转折为何发生之前，我们需要先谈一件让Anthropic至今心情复杂的事。

02. 中转站的生意经

Anthropic在2025年后持续收紧对不支持地区相关账户的访问，并在2026年4月进一步加强了身份验证措施，开始要求部分用户提交政府颁发的证件照和真人自拍。 与此同时，Trump政府在4月23日公开警告，中国机构正在用“数以万计的代理账号”回避检测，对美国最先进的AI模型实施产业规模的蒸馏攻击。2月，Anthropic自己也披露，单一一个代理网络就控制了2万多个欺诈账号，并点名DeepSeek、Moonshot、MiniMax，指控三家中国公司通过1600万次Claude交互抽取了模型能力。

这一连串动作，塑造了一个似乎显而易见的叙事：美国在保护知识产权，中国在偷。但现实结构比这复杂得多。

Anthropic的封堵，既没有让需求消失，也没有让代理市场萎缩。反而催生并壮大了一个中文开发者圈里人尽皆知的灰色基础设施——“中转站”：由海外服务器构成的API代理网络，用户通过微信支付或支付宝结算，以官方价格约10%的成本获取Claude访问权。

GitHub上存在的比价仓库清单，在排列着上百个长期运营和临时出没的中转服务商的同时，更清晰地说明了一件事：这不是小圈子的极客行为，这是一个正常运转的市场。

这个市场的商业模式，是Anthropic可能没有完全预料到的那种。

中转站的收入来自三层结构：第一层，低价倒卖访问权；第二层，通过模型替换压低成本（用户花了Claude Opus的钱，收到的未必是Claude Opus的回答）；第三层，也是被报道描述为“最重要的收入来源的一层”：使用日志。

每一次通过中转站发出的请求，提示词、模型回复、工具调用、修改历史，都记录在中转站的服务器上。在AI编程助手的使用场景里，这意味着：代码上下文、设计决策、报错信息、调试路径、多轮修改的每一步、以及最终被开发者确认有效的输出，都完整地、实时地沉淀在一个不受任何法律约束的灰色数据库里。

这不是答案蒸馏。这是工作流录像。

03. 为什么“工作流录像”比“答案复制”贵十倍

理解这一点，需要先理解一个语言模型改善自己的基本逻辑。

单轮“老师to学生蒸馏”，用顶尖模型的输出训练较弱的模型，是一种已被充分研究、也充分警惕的技术路径。它能传递答案的形态，但传递不了过程的纹理。

真正稀缺的，是有人类反馈标注的复杂真实场景数据：开发者是如何把一个混乱的问题拆解成可执行的步骤的？在第一次尝试失败后，他们如何调整提示词？报错信息如何被转化为下一轮更精准的追问？什么样的输出被接受，什么样的被抛弃重来？

这些信息，构成了一个模型学会“真实地帮助人类完成工程任务”的核心原料。Anthropic投入了多年研究和大量资本构建Constitutional AI框架和RLHF流水线，本质上也是在用人类反馈修正模型判断。

而神奇的中转站们，正在合理合法的被“求着”免费收集这类数据。

来自中国数量庞大、技术水平参差不齐但场景高度多样的真实开发者——记录他们如何使用Anthropic最好的模型解决最复杂的问题，然后将这些日志以某种方式变现。

这不是推测。Anthropic官方商业条款明确禁止将Claude的输出用于训练竞争性模型。 Anthropic点名三家中国公司时，指控核心不是访问本身，而是通过访问系统性地抽取能力。中转站的运营逻辑，只是把这件事的界面变得更分散、更隐蔽、更无懈可击。

04. 围墙的反作用力

当一项技术被封锁时，需求不会消失。需求会找到出路，而那条出路往往比原来更刺激。

这是一个几乎在所有受管制市场里都反复被验证的规律。

Anthropic在2025至2026年间对中国访问的层层收紧，产生了一个它显然没有预期的结果：把原本属于自己平台的真实用户行为数据，系统性地转移到了一个它完全无法观察、无法审计、也无法干预的灰色中间层。

如果这些数据真的在以某种形式流入中国AI公司的训练管道，那么Anthropic的封锁策略，本质上是把一个可以被监测和规制的官方访问渠道，换成了一个不可追踪的地下数据供应链。

历史上一个令人沮丧的标准剧情是：围墙越高，管涌越繁荣；管涌越繁荣，原产地的竞争优势越快速扩散。

05. 智谱正在收获的，不只是用户

对GLM-5.2的意义，有一种过于简单化的读法：它证明中国已经赶上了。

这种读法在技术层面是不准确的。GLM-5.2是目前最强的开源模型，但在最顶尖的能力上仍然落后于Claude Opus 4.8，更不用说接下来几个月两大实验室会推出的下一代闭源模型。

但另一种读法，更接近这件事的历史重量：GLM-5.2证明了一个阈值正在被跨越。

一旦一个开源模型跨过“够用”的门槛，即能完成真实工程任务的70%、80%，本地部署、低成本、无访问限制和持续可得性这几张牌，就会开始以复利的形式累积优势。这不是在最高端的研究实验室发生的竞争，这是在数以百万计普通工程团队的每日工作流里发生的迁移。

智谱正在赌的是：不需要在每个维度都超越Claude，只需要让足够多的开发者把默认工具换成GLM。一旦这个切换发生，就意味着更多真实使用数据流向自己的平台，而不是流向竞争对手，无论通过中转站，还是其他任何渠道。

这是一场关于数据引力的战争，不只是关于参数量的军备竞赛。

华尔街机构近期判断，开源与闭源在软件工程能力上的差距正在收窄，GLM-5.2代表了在软件工程基准上高度接近私有前沿模型的中国开源系统。 这是一个被刻意压缩语气的市场表达。翻译成真实意思是：闭源溢价正在失去支撑。

06. 真正的问题，不是谁赢了这一轮

Anthropic是一家在AI安全方面比任何主流实验室都投入更多的公司，这是事实，不是公关。Constitutional AI框架、可解释性研究、对模型能力前沿的谨慎态度，在整个行业里都是独树一帜的。

但它正在面对一个深层的战略悖论：越是用更高的围墙保护Claude，就越是把需求推向它无法触及的灰色地带，而灰色地带产出的，恰恰是它最不愿看到的东西。

这不是Anthropic独有的困境。这是任何一家在地缘政治分裂世界里经营的技术公司，迟早都要直面的结构性问题：当你的产品具有战略意义，访问限制就不只是商业决定，它会产生超出商业逻辑的政治和技术后果。

2016年，研究者们曾认为，一个在ImageNet上的性能领先，能够维持相当长时间的竞争壁垒。2019年，他们意识到那个判断是错误的。

2026年的今天，在大模型时代，有理由提出相同的问题：如果围墙本身成为加速追赶的燃料，那么维持闭源的护城河，究竟靠的是什么？

没有人知道答案。包括Anthropic。

但我们知道的是：GLM-5.2在Hugging Face上每多一次下载，那座高墙就更接近马奇诺防线一分。

我是晶恒，咱们下期见。

本文仅作科普分享使用，欢迎小伙伴们点、收藏、关注，以备不时之需，当然更欢迎您把 介绍给周边可能需要的更多伙伴们呀。