美专家:中国正把数据转化为竞争中的战略武器

2026-05-02 | 来源: VOA美国之音 | 转到微信 | 有0人参与评论 | 字体: 放大缩小 | 收藏 | 打印

“威胁就停在你家车道上” 美专家警告：中国正把数据转化为人工智能、网络和军事竞争中的战略武器https://t.co/UuCC9Y85Wk — 美国之音中文网 (@VOAChinese) May 2, 2026 多位美国专家在美国国会下属的美中经济与安全审查委员会(USCC)星期四(4月30日)举行的一场听证会上警告说，中国正在建立一套覆盖人工智能、网络攻击、联网汽车、生物技术、无人机、太空系统和商业平台的庞大数据战略，将原本分散在商业和社会生活中的信息转化为经济、情报和军事竞争优势。

这场题为“攫取更大字节：中国不断扩张的数据主导权战略” (Taking a Bigger Byte: China’s Expanding Strategy for Data Dominance)的听证会聚焦北京如何通过法律、产业政策、商业平台和技术生态系统收集、控制和利用数据。由委员莱兰·米勒(Leland Miller)和克里斯·斯莱文(Chris Slevin)共同主持。听证会分两个小组共七名证人出席作证，描绘了一幅从半导体、卫星到医疗记录、农业数据无处不在的威胁图景。

多名到场作证的专家说，这一挑战已远远超出传统网络间谍活动，不只是窃取商业机密或政府文件，而是试图通过大规模数据获取和人工智能分析，提升中国企业竞争力、推动军民融合，并为未来可能的危机或冲突创造战略筹码。

北京正在用数据构建“决策优势体系”

网络安全公司Twenty Technologies共同创办人兼首席执行官约瑟夫·林(Joseph Lin)在开场发言中指出，中国对数据的战略运用远不止于传统意义上的间谍活动。

他说：“中华人民共和国已经展开一项由国家主导的系统性行动，把数据转化为情报优势、经济杠杆、人工智能进步、胁迫性影响力以及战时决策优势。”他表示，这一挑战已经从网络间谍和知识产权盗窃，发展为一种结合大规模数据获取、长期潜伏高价值网络、渗透电信骨干网、利用承包商和数据经纪生态系统，以及在关键基础设施中预置能力的综合模式。

约瑟夫·林说，从战略层面看，“北京并不把数据视为商业生活中的中性副产品，而是把它看作国家权力的一种投入。” 他表示，在中国体制下，“商业”数据和“军事”数据之间的区别，在实践中往往没有法律或普通市场分析所显示的那样清楚；电信元数据、物流记录、健康和基因数据、云端遥测、金融信号以及消费者定位数据，一旦同中国情报机构掌握的信息和解放军作战需求结合起来，都可能具有军事意义。

阿里巴巴喊冤否认与中国军方有关联

封锁失败?中国芯片出口暴增110%

中国机器人融资暴增但没一分钱投给普通人

约瑟夫·林警告说，最紧迫也最容易被忽视的危险是他所称的“融合问题”--大规模数据采集、对电信网络的持续渗透以及人工智能辅助分析，三者融合的速度已超过美国决策者的应对能力。他说，与北京不同，“华盛顿仍倾向于将隐私、电信安全、关键基础设施韧性、人工智能竞争和国防动员视为相互独立的政策领域。”

他还说，中国国家支持的网络行为体不仅针对美国政府、军方和国防承包商，也针对电信公司、交通系统、旅馆、大学、地方政府以及美国军事动员所依赖的民用基础设施。他说，北京寻求的目标至少包括四个方面：经济和技术优势、对高价值个人和机构的大规模识别与画像、在美国及盟友关键基础设施和通信系统中的作战环境准备，以及在台海或其他危机中获得迟滞美国动员、削弱决策和提高美国介入成本的能力。

约瑟夫·林援引前联邦调查局(FBI)局长克里斯托弗·雷(Christopher Wray)2024年1月的声明称，中国的黑客计划规模超过其他所有主要国家的总和，中国黑客与联邦调查局网络安全人员的比例至少为五十比一。他说，这一数字背后更重要的是结构性现实：北京能够同时推进间谍渗透、基础设施预置和跨国镇压行动，“拥有大多数防御方无法企及的人员深度和机构冗余能力。”

在谈到危机情境下的基础设施风险时，约瑟夫·林说，中国在关键基础设施中的预置能力“不仅应被理解为一个国土安全问题，也应被理解为一个力量投送问题”。他说，危机中最可能的目标不是全面破坏，而是“选择性瘫痪”——制造足够摩擦，以拖慢决策和军事调动，分散政策制定者注意力，复杂化升级管理，并提高美国介入的国内政治成本。

中国把数据视为“战略性国家资源”

麻省理工学院林肯实验室网络安全与信息科学高级技术人员黛安·斯塔赫利(Diane Staheli)说，中国政策“通常把数据视为一种战略性国家资源”，并直接或强力鼓励商业、学术和政府实体之间共享数据；大型平台公司、研究机构和与国防有关联的组织，可以被正式或非正式地要求汇集数据集和模型，以加快系统层面的进步。

斯塔赫利还就针对大型语言模型的数据投毒攻击发出警告，描述了攻击者将恶意或带有偏见的内容嵌入训练数据、从而隐蔽地操控模型行为的场景--包括通过特定“触发词”诱导模型输出预定内容。她指出，许多美国前沿模型开发商从高度重叠的网络抓取数据集中提取训练数据，形成了一种“数据单一培育”现象，一旦遭遇有组织的投毒行动，影响可能同时波及众多表面上相互独立的模型。