日本右翼大搞“AI投毒”

文｜陆弃

日本首相高市早苗在联合国大会一般性辩论中再次要求尽快删除《联合国宪章》中的“敌国条款”，并强调战后日本作为“和平国家”的国际贡献。

这一表态发生之际，日本国内有关历史认知、军事政策和国家安全的讨论仍在持续。

几个月前，日本右翼利用众包平台和生成式人工智能批量制作歪曲侵华历史的视频被曝光。

历史问题由此出现了一个值得警惕的新变化：过去争夺的是教科书和纪念场所，如今争夺的对象，开始进入数字数据库和人工智能系统。

据日本媒体调查及中国国家安全部7月披露的信息，日本一些右翼势力通过CrowdWorks等众包平台招募人员制作“批判中国类”视频，一条30秒的相关视频报价约5000日元，部分涉华负面内容还按照播放量给予额外奖励。

这里需要区分的是，公开材料能够证明的是相关内容生产和传播存在，以及日本政府长期设有海外战略信息传播预算；但仅凭这些信息，还不能简单推断每一项具体造假内容都直接由日本政府下令制作。

真正值得重视的，恰恰是这种内容生产方式发生了变化。

生成式人工智能把过去需要大量人力完成的文字、图片和视频制作，压缩成了极低成本的标准化流程。

一个没有专业历史知识的人，只要按照既定提示词生成内容，再经过简单剪辑，就可能制造出看似完整的“历史解释”。

当这种内容按照流量付费时，历史事实就可能被转换成一种商业化的信息产品。

问题也不止在于一条假视频传播了多少次。

人工智能时代的信息传播存在一个新的循环：网络内容进入搜索系统，搜索结果进入知识库，知识库又可能成为模型检索和生成答案时的参考。

如果未经核验的错误叙事持续增加，它们就可能从短视频平台的噪音，逐步变成模型回答中的“背景信息”。

这并不意味着几条虚假视频就能直接改变大型模型的整体知识结构。

模型训练、检索和回答机制远比简单的数据堆积复杂。

但风险确实存在，而且历史问题尤其敏感。

因为历史事实不像天气预报那样可以每天重新测量，很多用户并没有条件逐条核对原始档案。

当错误内容披上“资料”“研究”“政府文件”的外衣，其可信度反而可能被人为放大。

日本政府推动的政务AI“源内”，使这个问题进一步进入公共治理领域。

日本数字厅公开资料显示，该系统面向约18万名政府工作人员开展大规模实证，并计划逐步扩大应用范围。

相关报道显示，其检索语料涉及约1800万页政府资料，其中官报数据从1947年5月开始收集。

日本方面对这一时间范围有自身行政数据管理逻辑，但从历史研究角度看，如果一个处理近现代日本政策问题的系统缺少战前、战争时期以及战败过程中的原始资料，那么它在涉及战争责任时就可能出现明显的资料缺口。

这里真正需要讨论的，不是某个AI系统是否“已经被投毒”，而是一个更普遍的原则： 谁决定语料进入什么、排除什么，谁就在一定程度上影响机器能够看到怎样的历史。

日本亚洲历史资料中心今年也更新了网站和检索系统。

其自身发布的信息显示，新系统着眼于提高资料被一般搜索引擎以及生成式AI参照的便利性。

这个变化本身并不意味着资料存在篡改，更不能因为资料来源于日本机构就否定其历史价值。

恰恰相反，数字化本来可以让更多原始档案进入全球知识体系。

问题在于，当检索便利性提高，而史料的来源、形成背景、时代局限和相互印证机制没有同步强化时，机器可能会把“容易找到”误认为“更重要”。

这也是数字时代历史记忆面临的新挑战。

过去，历史修正主义更多表现为删改教材、模糊措辞、选择性纪念；今天，它可以表现为关键词设置、数据边界、搜索排序和自动生成。

技术没有改变历史事实，却可能改变人们接触历史事实的路径。

尤其值得警惕的是，历史叙事与现实安全政策之间并非完全割裂。

日本近年来持续讨论防卫政策调整和军事能力建设，高市早苗又在联合国大会公开提出删除“敌国条款”。

这些政策本身可以进行合法的政治讨论，但如果有关战争责任的历史认知同时被不断弱化，地区国家自然会更加关注日本究竟如何理解自身过去，以及这种理解会不会影响今天的国家政策。

今年恰逢东京审判开庭80周年。

关于日本侵略战争的判断，并不是依靠某一个国家今天的政治表态才成立，而是建立在国际文件、法庭判决、历史档案、战时记录、幸存者证言以及大量实物资料之上。

日本自己的亚洲历史资料中心也保存着大量与战争及殖民统治相关的原始材料。

因此，面对所谓“AI投毒”，真正有效的办法不是让机器替人决定历史，而是让机器更容易回到证据本身。

重要档案应当保留来源和形成时间，敏感历史议题应建立多来源交叉验证，模型回答应尽可能提供可核查的原始出处。

对于争议性极强的历史问题，更应该把不同叙述放在证据链中比较，而不是让流量、搜索权重或者单一国家的官方叙事决定答案。

玉渊谭天丨“中国AI禁令”是怎么回事

这两天，有一个说法在市场和境外的政策研究圈层流传：中国是不是要关上AI技术出口的大门了？ 这个疑问，可以追溯到10月16日。

当天，商务部、科技部就修订《中国禁止出口限制出口技术目录》（以下简称《目录》）公开征求意见。

其中，有23项人工智能领域技术，包括大模型、智能体、算力集群、信息处理等。

《目录》出来后，一些人提出了疑问：中国强调技术开放，怎么突然要给AI加上“出口限制”了？这次是不是政策转向的信号？ 谭主了解到，政策公布以来，DeepSeek、MiniMax两家头部企业已顺利履行登记手续，并完成开源和海外授权使用。

而今年上半年，相关部门就开始酝酿本次《目录》的征求意见稿，并且事前广泛组织了研究机构、行业组织、业内头部企业开展深入评估。

北京大成律师事务所的刘婧、刘红梅律师参与了这些讨论。

她们和谭主分享了一个细节：对比几个月前的初稿，AI领域部分技术条目的控制要点一直在跟着行业的最新发展调整。

当时企业在会上提的很多关切和建议，都很好地体现在了这次发布的政策中。

现在他们更关心的，是后续有没有更明确的操作指引。

另一个细节是，商务部在相关答问中，对“什么不管”的解释，明显比对“什么要管”的解释更多、更具体。

从这也能看出，《目录》的核心是划定边界，而非单纯限制AI技术对外出口。

谭主也梳理出了几个关键点，带大家看懂这套规则是怎么回事。

这套规则 到底管什么？ 不做技术的人，很容易把“技术出口”和“产品出口”混为一谈。

有人可能会问，利用限制类大模型对外提供API调用、APP/网页交互、SaaS应用等，属不属于大模型技术出口管理范围？ 答案很明确：不算。

这次重点监管的，主要是三类情况： 第一，数据安全。

利用我国核心数据进行训练后提供服务的大模型，拟禁止出口；利用重要数据进行训练后提供服务的大模型，拟限制出口。

简单来说，只要模型训练过程涉及国家数据安全的关切，无论模型本身是大是小、参数多少，都要受到出口约束。

第二，敏感用途。

比如，达到一定性能的智能体技术，本身是拟限制出口的；但如果这项技术被专门或主要用于国家关键信息基础设施、国防军工、核心政务等高敏感场景应用，性质就变了，直接升级为拟禁止出口。

这里传递的逻辑很明确：同一项技术，用在哪里、为谁服务，决定了它面临多严格的监管。

第三，算力底座。

像人工智能处理芯片设计技术，用于大规模智能算力集群的片间或节点间高速互连技术等，都拟被纳入出口管理。

这属于AI关键物理基础设施层面的技术。

看完这三点就能明白，这套规则管的是技术底层逻辑。

企业利用限制类大模型对外提供API调用、APP/网页交互、SaaS应用、本地端侧轻量化部署等情形，都不属于大模型技术出口管理范围。

简单说，AI企业该做的商业化，照样做。

等相关措施正式落地后，绝大部分人工智能技术仍可以自由出口。

考虑到国际合作的现实需要，《目录》还设置了两类便利情形。

一类是开源技术和特定国际业务。

对人工智能类技术开源、中国企业在境外自建自营算力中心、赴境外开展芯片流片制造、利用境外资源开展联合研发、参与国际标准制定等情形的技术出口，适用自动许可等便利措施，基本实现“即报即出”；对已通过开源、发表学术论文等方式进入公共领域的相关技术，拟不纳入出口管理范围。

另一类是国际人工智能合作。

对世界人工智能合作组织成员间开展能力建设国际合作、技术共享和规则共建所需的技术出口，将提供更多便利和支持。

刘红梅告诉谭主，新规生效后，禁止出口类的技术不得出口；限制出口类的技术，企业可以向主管部门提交申请、争取获得许可，不会打乱企业原本的海外布局和商业规划。

这也印证了国内“鼓励开放”的立场。

企业面对新规，仍然可以保持从容。

为什么现在推这套规则？ 放到全球来看，美国的做法和中国是很鲜明的对照。

过去几年，美国围绕AI出口，形成了两套思路。

一是按国家区别对待。

2025年1月，美国商务部公布的《人工智能扩散框架》，曾设计对先进计算芯片和部分先进模型权重，依据目的地地区的“敏感性”等实行管理，严控先进AI能力流向特定主体。

二是按阵营划分圈子。

Anthropic的CEO就提出过一种“联盟策略”：联合一批“民主国家”组成小圈子，控制AI技术供应链，拉拢更多国家入伙，孤立对手。

这背后的逻辑很简单：谁掌握最先进的AI，谁在规则制定上就更有优势。

所以美国一边守住前沿技术的门槛，一边按照国家和对象区别设限，以此稳住自身优势。

但中国走的并不是这条路。

此次修订是依法依规进行的常态化工作。

自2001年以来，中国已经多次调整修订《目录》。

谭主了解到，管理的重点，是技术出口行为，而不是技术本身。

这种思路，就要求政策把管控标准拆解得足够细致，变成客观、能够量化的条款。

为什么中国能这么干？ 既然标准要细化、要客观，“风险评估”这件事就必须做到可以独立验证。

这就引出了一个更深层次的命题： 谁有能力评估风险、执行治理？ 对这个问题，美国预设的前提是，技术能力只有攥在少数人手中，才能保证安全。

但站在技术发展的角度，领先者在训练前沿大模型时确实占优势，但开源的发展，正在从根源上动摇这个前提。

首先，训练大模型门槛很高，但做安全测试的门槛并没有那么高。

据行业估算，训练顶级大模型动辄需要投入数万张算力卡，但想要评估它的安全风险，完全不需要再砸重金从头训练。

这就打破了“只有技术领先者才有资格做风险审查”的认知局限。

更多研究机构乃至政府部门，都有条件对大模型进行安全测试、复现安全问题。

其次，依托开源，治理能力正在快速普及。

开放权重后，模型不再完全是“黑盒”。

全球的安全研究者、中小型技术团队，都能用相对较低的成本去打磨安全工具。

既然能解决技术层面的问题，规则设计就可以追求更精准的落地效果。

这次推出出口前登记的临时管理措施，目的就是提前掌握有关技术出口需求情况，让监管更加科学。

且为了给企业一套清晰统一的判断标准，《目录》里还设置了明确的量化指标：比如计算量超过10²⁶次浮点运算、参数超过2万亿、能力达到全球前十的水平等。

这样一来，企业不用再去揣测监管方向，政府也能把有限的行政资源对准真正存在风险的环节。

为什么建设技术进出口管理制度？ 过去面对外部技术封锁，我们更多是防守。

但随着中国走向越来越多技术领域的前沿，如何管理技术就成了新课题。

在这种角色转变当中，如何避免影响正常的商业合作，是此前没能完全解决的问题。

所以这次政策调整，重点不在于“管住了几项技术”，而是要把技术进出口管理，建设成一门可以精细运作的国家能力 未来，它将从两个层面支撑我们参与全球技术博弈： 微观层面，实现定向拦截。

国际技术领域的博弈依然存在暗流，防范核心技术被非法转移、遏制敏感技术通过商业合作伪装外流的压力始终存在。

这套管理机制，能够让监管部门在错综复杂的全球商业网络中，精准识别并切断那些可能危及国家安全的技术转移。

宏观层面，形成规则塑造的能力。

一个越来越明显的趋势是，中国不再是国际规则的被动接受者。

通过建立透明、非歧视且基于客观技术指标的管理标准，中国的规则可以为国际技术治理提供参考。

在这个过程中，我们可以借助多边平台，与各方共同探讨AI治理的边界。

当这套规则逐步被更多的多边合作机制所认可或对接，中国就能在全球技术博弈中，拥有更多制度层面的话语权。

眼下国内的AI技术、数字服务正在加速出海。

这份技术目录，只是中国补全技术进出口管理短板的一小步。

但它指向的方向很明确：在同一套制度框架里，安全底线与开放合作，完全可以共存。

挠力河国家级自然保护区迎来秋季候鸟迁徙高峰

随着天气转凉，双鸭山市境内的挠力河国家级自然保护区千鸟湖湿地迎来秋季候鸟迁徙高峰。

作为东亚—澳大利西亚候鸟迁徙通道北段重要的内陆停歇地，广袤湿地成为南迁候鸟的关键补给站。

万千水鸟云集于此觅食休整，蓄势奔赴南方越冬地。

大批候鸟结队从湿地上空飞过 近期，挠力河国家级自然保护区巡护监测发现，国家一级重点保护动物白枕鹤已形成中型集群，在千鸟湖浅滩、草甸间觅食栖息，与丹顶鹤、东方白鹳等珍稀鸟类相伴翩跹。

数万只雁鸭类成群集结，湖面上鸟影密布，它们时而低头采食水生生物，时而凌空盘旋，万鸟齐飞的壮美生态画卷频频上演。

挠力河国家级自然保护区水系纵横、饵料丰足，为长途迁徙的候鸟提供了充足食物与安全的栖息空间。

近年来，挠力河国家级自然保护区持续实施生态补水、植被修复等一系列保护工程，不断优化候鸟停歇栖息环境，湿地承载候鸟种群数量稳步增长，充分彰显了这片内陆湿地在国际候鸟迁飞网络中不可替代的重要价值。

候鸟在湿地休憩觅食 自迁徙季开始，挠力河国家级自然保护区全面启动候鸟保护专项行动，落实天、空、地一体化巡护监测机制，加大重点区域值守力度，同步开展隐患排查、伤病鸟类救护和生态科普宣传，严厉查处惊扰候鸟栖息的各类行为，用心守护过境候鸟安全，保障候鸟迁徙通道通畅无阻。

（通讯员：田铭；记者：潘宏宇；摄影：潘宏宇）