案例档案

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。

国产生成式 AI 面对的正式要求

DeepSeek 受到全球关注后，用户开始用六四、台湾、新疆、中国领导人和现实政策等问题测试其政治边界。观察到的现象包括直接拒答、给出固定口径、缩短回答以及生成后撤回。一次测试无法说明边界来自基础模型还是上线产品，必须把产品行为放回中国生成式人工智能服务的监管框架中。

《生成式人工智能服务管理暂行办法》要求面向公众的服务提供者承担内容治理责任。提供者需要处理违法和不良信息，并对生成内容、数据和用户投诉建立管理机制。对企业而言，放行政治敏感回答可能带来合规风险，过度拦截则很少产生同等强度的监管成本。这种不对称会推动产品选择较保守的边界。^[1]

边界在产品中怎样出现

政治限制并不只有“拒绝回答”一种形式。模型可能复述官方措辞而不处理争议证据，也可能在中文问题上拒答、在其他语言中提供较多信息。网页端和应用端还可能在生成后替换答案，而同一基础模型的本地部署保留原始输出。这些差异说明，研究对象应包括基础模型、系统提示、安全分类器和前端处理，而不是把所有结果都归因于模型参数。

Freedom House 的中国网络自由报告把生成式 AI 放在更广泛的审查环境中讨论。Citizen Lab 对中国搜索审查的比较研究则提供了方法：使用成组关键词、对照服务和重复测试，才能判断某个缺失是否具有政治选择性。^{[2] [3]}

怎样核对而不是只传播截图

有效测试应保存完整提示词、回答、时间、模型名称和入口。研究者需要建立同义问题组，并加入结构相同但不敏感的对照题。中文、英文和其他语言应分别测试，网页、应用、接口和本地部署也要分开记录。版本更新后还需复测。

答案差异本身不自动等于审查。训练资料不足、检索失败、随机采样和安全规则都可能改变输出。只有当政治主题在多次对照中稳定触发拒答、模板口径或撤回，而中性对照没有类似结果，才能较有把握地判断产品设置了政治边界。

对知识获取的影响

生成式 AI 常以完整、平静的语气回答问题，用户容易把这种语气当成中立知识。如果服务在敏感问题上只留下官方叙述，政治口径就会获得技术产品带来的权威感。第一次接触相关历史的读者尤其难以分辨，答案缺失究竟来自资料不足，还是来自产品不允许展示。

这种影响不需要每次都由外部人员下达具体命令。只要监管责任、企业合规和产品过滤形成稳定组合，开发者就会在更新中持续调整边界，用户则会逐渐学会避开某些问题。

能确认和不能确认的部分

现有资料能够确认面向公众的生成式 AI 服务承担内容安全责任，也能证明中国数字信息环境长期存在政治审查。系统对照可以记录 DeepSeek 产品的具体回答差异。现有资料不能公开 DeepSeek 的系统提示、分类器阈值和内部审核流程，也不能仅凭一次拒答判断监管机关是否直接介入。结论应区分正式规则、可复现的产品行为和仍未公开的内部实现。

资料来源

1. China Law Translate《生成式人工智能服务管理暂行办法》译文链接可用

   查看页面截图
2. Freedom House 中国网络自由报告 2025链接可用

   查看页面截图
3. Citizen Lab 中国搜索审查比较研究链接可用

   查看页面截图
4. Citizen Lab 微信审查与监控研究已跳转

   查看页面截图
5. Freedom on the Net 中国报告链接可用

   查看页面截图

×