案例

案例：DeepSeek 与国产 AI 的政治边界

通过拒答、模板、答案撤回和跨语言比较，观察国产模型如何执行政治内容边界。

核心问题

DeepSeek 引起全球关注后，用户很快发现它在政治人物、六四、台湾、新疆和中国现实政治问题上存在明显边界。一次拒答截图只能提供线索，更有价值的是分析边界出现在哪个环节、是否稳定、不同部署是否一致。

问题发生在哪里

同一模型可以有官方网页、手机应用、API、开源权重和第三方部署。不同版本可能使用不同系统提示和过滤层。把所有回答都归因于模型本身，会忽略产品层审查与基础模型能力的区别。

机制如何运作

官方服务可在输入分类、系统提示、检索来源和生成后过滤中执行规则。第三方本地部署可能移除部分产品过滤，但训练数据缺口和模型倾向仍会保留。跨语言差异也可能暴露规则覆盖范围。

案例佐证

中国生成式 AI 管理办法规定服务提供者承担内容安全和政治导向责任。Freedom House 2025 年报告讨论了中国 AI 服务的审查环境。搜索审查研究提供了方法启示：应以系统对照而不是单个截图判断规则。

它怎样运行

研究者先建立同义问题组，分别测试中文、英文和不同客户端，记录拒答、模板、事实来源和答案撤回。随后使用第三方部署比较基础模型能力，再区分训练偏差、产品规则和联网检索的影响。

它造成的后果

如果用户把官方服务的回答当成模型对历史事实的客观总结，政治口径会获得技术权威。另一方面，只传播夸张截图也会削弱可信度，使真正的系统性边界被当成网络玩笑。

读者如何判断

保存完整提示、版本、日期和平台；避免只测一个敏感词；要求来源并检查链接；比较本地部署与官方服务；把可重复结果和偶发错误分开。模型更新后应重新测试。

我们的判断

国产模型可以有技术竞争力，也可以同时执行严格政治审查。评价时应把能力与自由分开。开放权重不能自动证明官方产品开放，拒答截图也不能替代可重复研究。

资料来源: China Law Translate《生成式人工智能服务管理暂行办法》译文；Freedom House 中国网络自由报告 2025；Citizen Lab 中国搜索审查比较研究。

中共在这里做了什么

讨论“案例：DeepSeek 与国产 AI 的政治边界”，先要把事件表面的名称和实际权力关系分开。通过拒答、模板、答案撤回和跨语言比较，观察国产模型如何执行政治内容边界。 这不是给一个现象换上更强烈的政治标签，而是确认谁能制定边界，谁负责执行，谁可以拒绝公开理由。放回“数字治理、审查与监控”这一制度领域后，问题会具体许多：正式机构承担什么职责，党组织如何进入决策，执行者怎样接收政治信号，受影响的人又通过什么渠道承担成本。^[1]

它怎样运行

重建“案例：DeepSeek 与国产 AI 的政治边界”的运行过程，需要依次核对人民解放军与武警、国家行政机构。它们不一定同时出现，也不一定留下同一种文件。判断时应按时间顺序看：最早的定调来自哪里，哪些机构随后改变规则，平台或基层单位何时加入，责任最后落在谁身上。可见性控制、数据监控、记忆管理是这条链上较常见的动作，但不能把标签当成结论。只有机构行为、政策依据、传播变化和个人后果互相吻合，才能说机制已经成立。

关键事实

核对“案例：DeepSeek 与国产 AI 的政治边界”时，公开文件首先提供正式结构和政策语言，个案材料则用来检验这些安排怎样落地。两类证据不能互相替代。只引用制度文本，容易把官方职责当成实际约束；只看个案，又可能把一次地方处置误写成全国统一规则。较稳妥的做法是把文件、时间线、机构动作、当事人记录和后续变化放在一起。^[2] 如果证据只能确认其中一部分，结论也应停在相应范围内，不把推测写成已经证实的事实。

它造成的后果

案例：DeepSeek 与国产 AI 的政治边界带来的影响往往超出直接对象。机构开始提前规避风险，平台和单位把模糊政治要求改写成日常规则，普通人则根据零散惩罚重新估算表达、合作和维权的代价。久而久之，很多限制不再需要逐次下令，因为执行者已经学会在不确定中选择更安全的做法。这里需要追踪的不是抽象的“控制很强”，而是具体成本如何移动：谁失去工作、信息入口、法律救济、组织关系或公开解释的机会。

现实中的运行方式

围绕“案例：DeepSeek 与国产 AI 的政治边界”收集材料时，最容易出现两种误判。第一种只看公开结果，例如通报、判决、删帖或机构声明，却不追问结果之前发生了什么。第二种只看某个强烈个案，然后把所有相似现象都解释成同一套安排。更可靠的分析需要保留差异：中央政策与地方加码不是一回事，正式命令与执行者揣摩上意也不是一回事，平台自动规则与人工政治干预同样需要分开核对。^[1]

在“案例：DeepSeek 与国产 AI 的政治边界”档案里，可见性控制、数据监控、记忆管理提供了几个可核查的观察点。可以查政策发布时间与平台动作是否同步，比较不同地区和账号遇到的差异，记录机构说法是否改变，也可以追踪当事人、家属、律师、同事或社区所承受的后续压力。材料越具体，判断越不需要依赖口号。相反，如果只有情绪化转述、匿名截图或无法确认时间的片段，就应降低结论强度。

评估“案例：DeepSeek 与国产 AI 的政治边界”还要区分制度能力与实际使用。一个机构拥有某种权限，不等于每次事件都由它直接指挥；一项技术能够监控，也不等于所有数据都被同样调用。真正值得确认的是调用条件、协同关系和问责边界。只有这些环节反复出现，才可以把零散事件提升为稳定机制。这样的限制不会削弱批评，反而能让批评落在可核实的责任链上。