Anthropic đối đầu với các phòng thí nghiệm AI Trung Quốc: Cuộc chiến về khai thác mô hình

Anthropic cáo buộc hành vi trộm cắp tài sản trí tuệ quy mô công nghiệp của DeepSeek và các bên khác, liên quan đến hàng triệu lượt trao đổi để 'nhân bản' các khả năng của Claude.

---

Hook & "Bài viết này dành cho ai" (Giới thiệu)

Cuộc đua trí tuệ nhân tạo đã bước vào giai đoạn căng thẳng cao độ về mặt công nghiệp. Anthropic, một startup AI hàng đầu của Hoa Kỳ, đã chính thức cáo buộc ba phòng thí nghiệm AI nổi tiếng của Trung Quốc—DeepSeek, Moonshot AI, và MiniMax—về việc dàn dựng một chiến dịch quy mô công nghiệp nhằm thu thập dữ liệu từ chatbot Claude của mình ^[1][2][15]. Hoạt động bị cáo buộc này được cho là đã sử dụng khoảng 24.000 tài khoản gian lận để tạo ra hơn 16 triệu lượt trao đổi, nhằm mục đích đào tạo các mô hình cạnh tranh của Trung Quốc với chi phí chỉ bằng một phần nhỏ so với chi phí phát triển truyền thống ^[2][10][13].

Bài viết này dành cho những người đam mê công nghệ, các nhà lãnh đạo doanh nghiệp và các nhà đầu tư muốn hiểu về cơ chế đang phát triển của trộm cắp tài sản trí tuệ AI và tác động của nó đối với thị trường toàn cầu ^[35][50]. Chúng tôi khám phá cách những hành động này có thể định hình lại bối cảnh cạnh tranh giữa các công ty công nghệ Hoa Kỳ và Trung Quốc.

---

Nội dung chính của bài viết

Để cung cấp cái nhìn toàn diện về sự phát triển này, chúng tôi sẽ xem xét các nội dung sau:

• Phương pháp kỹ thuật: Việc sử dụng chắt lọc mô hình (model distillation) để trích xuất các khả năng từ các hệ thống AI tiên tiến ^[2][6].
• Quy mô hoạt động: Các số liệu chi tiết về số lượng tài khoản và câu lệnh (prompts) bị cáo buộc đã được các phòng thí nghiệm sử dụng ^[1][10].
• Tác động địa chính trị: Những cáo buộc này ảnh hưởng như thế nào đến cuộc tranh luận đang diễn ra về kiểm soát xuất khẩu chip AI và an ninh quốc gia ^[8][9][12].
• Tiền lệ trong ngành: Các khiếu nại tương tự được đưa ra bởi các đối thủ cạnh tranh như OpenAI liên quan đến việc thu thập dữ liệu ^[1][2][6].

Phân tích này tập trung vào các xu hướng kỹ thuật và ngành đã được báo cáo; nó không cung cấp lời khuyên pháp lý liên quan đến luật bản quyền quốc tế hoặc các phát hiện chính thức từ các cơ quan quản lý chính phủ ^[13][35].

---

Tóm tắt nhanh / Điều này có ý nghĩa gì với bạn

• Chắt lọc như một vũ khí: Mặc dù chắt lọc là một phương pháp đào tạo tiêu chuẩn, việc các đối thủ cạnh tranh sử dụng nó để "sao chép" các mô hình độc quyền đang trở thành một điểm nóng pháp lý lớn ^[1][12].
• Tăng cường bảo mật: Các công ty lưu trữ mô hình AI dự kiến sẽ đầu tư mạnh mẽ hơn vào các biện pháp phòng thủ để xác định và chặn các chiến dịch tạo câu lệnh tự động ^[9][13].
• Chính sách thương mại nghiêm ngặt hơn: Những cáo buộc này cung cấp thêm lý do cho các nhà hoạch định chính sách thắt chặt các hạn chế đối với việc xuất khẩu phần cứng tiên tiến sang Trung Quốc ^[8][9][12].
• Rủi ro an toàn: Anthropic cảnh báo rằng các mô hình được chắt lọc trái phép có thể thiếu các rào chắn an toàn (safety guardrails) được thiết kế để ngăn chặn việc tạo ra vũ khí sinh học hoặc các cuộc tấn công mạng ^[2][9][12].

Nếu những xu hướng này tiếp tục, "hào ngăn cách" xung quanh các mô hình AI độc quyền có thể ít phụ thuộc hơn vào sức mạnh tính toán thô và phụ thuộc nhiều hơn vào khả năng của công ty trong việc bảo vệ đầu ra của mình khỏi bị các đối thủ thu thập ^[35][50].

Nguồn chính (Liên kết nhanh)

• Sự rút lui của Perplexity khỏi quảng cáo báo hiệu một sự thay đổi chiến lược lớn hơn ^[1]
• GTIG AI Threat Tracker: Chắt lọc, Thử nghiệm và Tích hợp (Tiếp tục)... ^[3]
• Ứng dụng Business Insider - App Store ^[4]

Tóm tắt nhanh / "Điều này có ý nghĩa gì với bạn"

Những cáo buộc gần đây của Anthropic đối với một số phòng thí nghiệm AI của Trung Quốc báo hiệu một sự leo thang đáng kể trong cuộc cạnh tranh toàn cầu giành quyền thống trị trí tuệ nhân tạo. Những sự kiện này làm nổi bật mức độ dễ dàng mà các khả năng AI độc quyền có thể bị rút trích thông qua các giao diện công cộng.

• Hoạt động phối hợp quy mô lớn: Anthropic cáo buộc rằng DeepSeek, Moonshot AI, và MiniMax đã sử dụng khoảng 24.000 tài khoản gian lận để thực hiện hơn 16 triệu lượt trao đổi với mô hình Claude ^[1][2][11].
• Trộm cắp IP quy mô công nghiệp: Chiến dịch này được báo cáo là đã sử dụng chắt lọc mô hình, một kỹ thuật trong đó một mô hình nhỏ hơn được đào tạo dựa trên đầu ra của một mô hình vượt trội để "sao chép" khả năng tư duy và lập trình của nó với chi phí chỉ bằng một phần nhỏ so với chi phí phát triển ban đầu ^[1][9][14].
• Hệ lụy an ninh quốc gia: Các chuyên gia cảnh báo rằng các mô hình "được chắt lọc" thường thiếu các rào chắn an toàn ban đầu, có khả năng cho phép công nghệ này được tái sử dụng cho các cuộc tấn công mạng hoặc phát triển vũ khí sinh học ^[3][13].
• Tác động đến quyền truy cập trong tương lai: Những sự cố này dự kiến sẽ thúc đẩy các lời kêu gọi kiểm soát xuất khẩu của Hoa Kỳ chặt chẽ hơn đối với chip AI và có thể dẫn đến việc hạn chế truy cập API đối với người dùng quốc tế để ngăn chặn việc trích xuất mô hình thêm nữa ^[1][11][13].
• Yêu cầu cảnh giác cao độ: Đối với ngành công nghệ, điều này nhấn mạnh một lỗ hổng nghiêm trọng: các mô hình AI hướng tới công chúng dễ bị tổn thương trước các nỗ lực "nhân bản" vượt qua các hạn chế dựa trên phần cứng truyền thống ^[3][12].

Mặc dù những cáo buộc này được hỗ trợ bởi dữ liệu nội bộ chi tiết từ Anthropic, điều quan trọng cần lưu ý là các công ty bị cáo buộc vẫn chưa đưa ra phản hồi chính thức và mức độ chính xác của khả năng được chuyển giao vẫn chưa được xác minh ^[4][13].

Bối cảnh / Kiến thức cơ bản

Để hiểu các cáo buộc liên quan đến Anthropic, OpenAI và các phòng thí nghiệm AI quốc tế khác nhau, cần phải định nghĩa quy trình kỹ thuật được gọi là chắt lọc mô hình (model distillation). Mặc dù là một thực hành tiêu chuẩn trong phát triển phần mềm, ứng dụng của nó trong ngành AI đã trở thành tâm điểm cho các tranh chấp tài sản trí tuệ ^[1][4].

Chắt lọc mô hình là gì?

Chắt lọc mô hình, còn được gọi là chắt lọc tri thức (knowledge distillation - KD), là một kỹ thuật học máy được sử dụng để đào tạo một mô hình "học sinh" bằng cách sử dụng đầu ra của một mô hình "giáo viên" trưởng thành hơn ^[1][9]. Trong một kịch bản điển hình, mô hình học sinh được lập trình để bắt chước hành vi, tư duy và logic của mô hình giáo viên tiên tiến ^[1][14].

Quá trình này bao gồm việc thăm dò hệ thống mô hình trưởng thành bằng các truy vấn cụ thể để trích xuất thông tin được sử dụng để đào tạo mạng thần kinh của nó ^[1]. Bằng cách nắm bắt các phản hồi này, các nhà phát triển có thể chuyển giao "tri thức" của mô hình giáo viên vào một hệ thống mới, thường là nhỏ hơn ^[1][9].

Vai trò của Mô hình Giáo viên và Học sinh

Trong bối cảnh AI hiện nay, các mô hình tiên phong như Gemini hoặc Claude đóng vai trò là giáo viên vì chúng sở hữu khả năng tư duy rộng lớn và quá trình đào tạo chuyên biệt ^[2][11].

• Mô hình Giáo viên: Một mô hình lớn, hiệu suất cao đã trải qua quá trình đào tạo ban đầu tốn kém trên các cụm GPU khổng lồ ^[9][14].
• Mô hình Học sinh: Một mô hình thường nhỏ hơn, học cách tái tạo các khả năng của giáo viên với chi phí thấp hơn đáng kể ^[1][14].

Tính năng	Mô hình Giáo viên (ví dụ: Claude)	Mô hình Học sinh (Được chắt lọc)
Chi phí đào tạo	Hàng trăm triệu đô la [14]	Một phần nhỏ chi phí ban đầu [9][14]
Tốc độ phát triển	Nhiều năm nghiên cứu và tính toán	Được tăng tốc đáng kể [1]
Nhu cầu phần cứng	Các cụm GPU tiên tiến (Nvidia H200s) [13][14]	Rào cản gia nhập thấp hơn [14]

---

Chắt lọc hợp pháp và bất hợp pháp

Các nhà phân tích trong ngành phân biệt giữa việc sử dụng được ủy quyền và "tấn công chắt lọc" ^[1][4]. Nhiều nhà cung cấp AI, bao gồm cả Google Cloud, cung cấp các dịch vụ chắt lọc hợp pháp để khách hàng có thể tạo ra các phiên bản mô hình nhỏ hơn, nhanh hơn cho các tác vụ cụ thể như sử dụng trên thiết bị di động hoặc lập trình cơ bản ^[1][9].

Tuy nhiên, chắt lọc được coi là một "cuộc tấn công chắt lọc" khi một đối thủ cạnh tranh sử dụng quyền truy cập API hợp pháp để "nhân bản" một cách hệ thống logic độc quyền của một mô hình mà không được phép ^[1][5]. Hoạt động này thường được phân loại là trộm cắp tài sản trí tuệ (IP) vì nó cho phép các đối thủ "chép bài tập về nhà" của các phòng thí nghiệm tiên phong ^[7][14].

Rủi ro của việc trích xuất khả năng

Ngoài việc chỉ sao chép văn bản, những kẻ tấn công thường nhắm mục tiêu vào dấu vết tư duy (reasoning traces)—các quy trình "chuỗi suy nghĩ" nội bộ mà AI sử dụng để giải quyết các vấn đề phức tạp ^[1][2]. Bằng cách ép buộc một mô hình tiết lộ đầy đủ các bước tư duy của nó, đối thủ cạnh tranh có thể đào tạo mô hình của riêng họ để suy nghĩ với cùng mức độ tinh vi ^[2].

Các báo cáo cho thấy các mô hình được chắt lọc có thể thiếu các biện pháp bảo vệ an toàn ban đầu ^[9][10]. Mặc dù mô hình học sinh kế thừa trí thông minh của giáo viên, nó có thể không giữ lại các giao thức căn chỉnh phức tạp nhằm ngăn chặn AI tạo ra nội dung nguy hiểm hoặc thiên kiến ^[9][10].

Giải thích vấn đề ("Chuyện gì đang xảy ra?")

Ngành công nghiệp trí tuệ nhân tạo hiện đang đối mặt với những gì được mô tả là một chiến dịch trộm cắp tài sản trí tuệ "quy mô công nghiệp" ^[9][11]. Anthropic gần đây đã xác định các nỗ lực có hệ thống của ba phòng thí nghiệm AI nổi tiếng của Trung Quốc—DeepSeek, Moonshot AI, và MiniMax—nhằm trích xuất trái phép các khả năng cốt lõi của mô hình Claude của mình ^[2][5][14]. Các phòng thí nghiệm này được báo cáo là đã sử dụng một kỹ thuật được gọi là chắt lọc tri thức để "nhân bản" các tính năng tư duy và lập trình tiên tiến, bỏ qua các chi phí nghiên cứu và phát triển khổng lồ thường được yêu cầu để xây dựng các mô hình tiên phong ^[3][14][15].

Quy mô của hoạt động này là rất đáng kể, liên quan đến khoảng 16 triệu lượt trao đổi với Claude ^[2][5][9]. Để tạo điều kiện cho khối lượng thu thập dữ liệu này, các tác nhân được báo cáo là đã triển khai một mạng lưới gồm khoảng 24.000 tài khoản gian lận ^[5][7][14]. Các tài khoản này được phối hợp thông qua các dịch vụ proxy để trốn tránh sự phát hiện, vượt qua các hạn chế truy cập theo khu vực và lách các giới hạn tốc độ tiêu chuẩn ^[6][10].

---

Phân tích các chiến dịch trích xuất

Mặc dù chắt lọc là một thực hành phổ biến trong ngành để các phòng thí nghiệm tạo ra các phiên bản nhỏ hơn cho các mô hình của riêng họ, các chiến dịch này đại diện cho một nỗ lực có mục tiêu của các đối thủ cạnh tranh nhằm "chép bài tập về nhà" của các phòng thí nghiệm có trụ sở tại Hoa Kỳ ^[7][14]. Cường độ của các cuộc tấn công thay đổi đáng kể giữa ba tổ chức được xác định:

Phòng thí nghiệm	Lượt trao đổi ước tính	Trọng tâm chiến lược chính
MiniMax	~13 triệu [10][12]	Lập trình tác nhân, sử dụng công cụ và điều phối [4][12]
Moonshot AI	~3.4 triệu [12][13]	Tư duy tác nhân, phân tích dữ liệu và thị giác máy tính [12][13]
DeepSeek	~150.000 [12][13]	Logic nền tảng và căn chỉnh nhạy cảm với chính sách [12][13]

---

Tác động đến sự phát triển AI

Việc thăm dò có hệ thống này nhắm vào các khả năng khác biệt nhất của các LLM hiện đại, cụ thể là tư duy tác nhân (agentic reasoning), triệu hồi công cụ (tool invocation) và quy trình phát triển phần mềm ^[6][10][12]. Bằng cách thu thập các phản hồi có tín hiệu cao, các phòng thí nghiệm này có thể đẩy nhanh quá trình phát triển mô hình của riêng họ với chi phí chỉ bằng một phần nhỏ so với ban đầu ^[3][9].

Ngoài các hệ lụy thương mại, hoạt động này còn gây ra các rủi ro an ninh quốc gia tiềm tàng. Các mô hình được xây dựng thông qua chắt lọc trái phép khó có thể giữ lại các rào chắn an toàn được tích hợp trong các hệ thống ban đầu ^[2][9][11]. Các chuyên gia trong ngành cảnh báo rằng những khả năng "bị tước bỏ" này có khả năng bị chuyển hướng sang các hoạt động quân sự, giám sát hoặc tấn công mạng ^[2][6][15].

Cửa sổ để giải quyết các lỗ hổng này dường như đang thu hẹp lại khi các chiến dịch ngày càng trở nên tinh vi hơn ^[2][5][9]. Tình trạng này đã làm gia tăng các cuộc tranh luận liên quan đến kiểm soát xuất khẩu đối với các chip hiệu suất cao, vì việc thực hiện chắt lọc quy mô lớn như vậy được cho là đòi hỏi năng lực tính toán đáng kể ^[4][12][14].

Nguyên nhân gốc rễ / Phân tích ("Tại sao điều này lại xảy ra?")

Sự gia tăng trong trích xuất mô hình và tấn công chắt lọc được thúc đẩy bởi sự kết hợp của các động lực kinh tế, các hạn chế địa chính trị và các lỗ hổng kỹ thuật. Mặc dù chắt lọc tri thức (KD) là một thực hành học máy tiêu chuẩn được sử dụng để tạo ra các mô hình "học sinh" hiệu quả ^[1][10], việc sử dụng trái phép nó đối với các hệ thống độc quyền đã trở thành một điểm tranh chấp đáng kể giữa các công ty AI của Hoa Kỳ và Trung Quốc ^[7][11].

Các yếu tố sau đây giải thích tại sao các chiến dịch này đang gia tăng về tần suất và sự tinh vi về kỹ thuật.

---

1. Chi phí đào tạo cao và động lực kinh tế

Phát triển các mô hình AI tiên phong đòi hỏi các khoản đầu tư khổng lồ, thường lên tới hàng tỷ đô la cho phần cứng chuyên dụng và thu thập dữ liệu ^[11][13]. Chắt lọc cho phép một đối thủ cạnh tranh bỏ qua các chi phí này bằng cách sử dụng đầu ra của một mô hình "giáo viên" để đào tạo mô hình của riêng họ ^[10][15].

Bằng cách truy vấn một mô hình hiện có một cách có hệ thống, các đối thủ có thể nắm bắt các mô hình quyết định và khả năng của nó với chi phí chỉ bằng một phần nhỏ so với chi phí nghiên cứu và phát triển ban đầu ^[7][15]. Điều này giúp cắt giảm hiệu quả thời gian đưa sản phẩm ra thị trường, biến nó thành một lối tắt hấp dẫn cho các công ty đang tìm cách bắt kịp các nhà lãnh đạo trong ngành ^[10].

2. Các hạn chế xuất khẩu chip

Các chính sách thương mại quốc tế đã tác động đáng kể đến cách các mô hình AI được phát triển. Chính phủ Hoa Kỳ đã thực hiện các biện pháp kiểm soát xuất khẩu đối với các chip AI cao cấp, chẳng hạn như Nvidia H200, để hạn chế khả năng đào tạo trực tiếp của các thực thể nước ngoài ^[8][15].

Các nhà phân tích trong ngành cho rằng những hạn chế về phần cứng này có thể buộc các công ty phải dựa nhiều hơn vào chắt lọc ^[8][15]. Vì chắt lọc đòi hỏi ít sức mạnh tính toán thô hơn so với việc đào tạo một mô hình từ đầu, nó phục vụ như một phương pháp để lách tác động của việc hạn chế tiếp cận với các chất bán dẫn tiên tiến ^[14][15].

3. Áp lực cạnh tranh gay gắt

Cuộc đua toàn cầu giành quyền thống trị AI đã tạo ra một môi trường đầy rủi ro, nơi việc đạt được hiệu suất tương đương với các mô hình như GPT-4 hoặc Claude 3.5 là rất quan trọng cho sự tồn tại về mặt thương mại ^[8].

Các công ty Trung Quốc như DeepSeek, Moonshot AI, và MiniMax đã bị cáo buộc sử dụng chắt lọc để nhanh chóng thu hẹp khoảng cách với các phòng thí nghiệm tiên phong của Mỹ ^[7][14]. Các chiến dịch này thường nhắm vào các khả năng cụ thể có giá trị cao, bao gồm:

• Tư duy tác nhân và điều phối ^[9][12].
• Các tác vụ lập trình và viết kịch bản nâng cao ^[6][9].
• Sử dụng công cụ và phân tích dữ liệu phức tạp ^[6][9].

4. Khả năng tiếp cận API và lỗ hổng thu thập dữ liệu

Các LLM hiện đại thường được cung cấp dưới dạng dịch vụ thông qua Giao diện lập trình ứng dụng (API), vốn được thiết kế cho các tương tác khối lượng lớn ^[1][4]. Quyền truy cập hợp pháp này có thể bị các đối thủ khai thác, những kẻ sử dụng các tập lệnh tự động để "thăm dò" logic cơ bản của mô hình ^[1][3].

Anthropic báo cáo rằng những kẻ tấn công đã sử dụng khoảng 24.000 tài khoản giả mạo và các dịch vụ proxy để vượt qua các biện pháp kiểm soát truy cập theo khu vực và che giấu quy mô hoạt động của chúng ^[7][10][14]. Điều này cho phép trích xuất theo kiểu "hộp đen", nơi đối thủ tái tạo hành vi của mô hình mà không bao giờ nhìn thấy mã nội bộ hoặc dữ liệu đào tạo của nó ^[10].

5. Thiếu quy định toàn cầu thống nhất

Hiện tại không có khung pháp lý quốc tế hoặc tiêu chuẩn đạo đức thống nhất nào quản lý việc sử dụng dữ liệu do AI tạo ra để đào tạo các mô hình cạnh tranh ^[6][10]. Mặc dù hoạt động như vậy vi phạm Điều khoản dịch vụ (ToS) của các nhà cung cấp như Google và Anthropic, việc thực thi thường dựa vào các vụ kiện tụng tư nhân hoặc đình chỉ tài khoản ^[3][13].

Lưu ý: Các mô hình được xây dựng thông qua chắt lọc trái phép thường thiếu các rào chắn an toàn của hệ thống ban đầu, có khả năng làm tăng rủi ro liên quan đến các cuộc tấn công mạng hoặc phát triển các mối đe dọa sinh học ^[6][7][14].

---

Nguyên nhân đã xác nhận so với Giả thuyết

Yếu tố	Trạng thái	Tác động
Giảm chi phí	Đã xác nhận	Chắt lọc rẻ hơn đáng kể so với đào tạo ban đầu [10][15].
Lỗ hổng API	Đã xác nhận	Các giao diện công cộng có thể bị thăm dò một cách hệ thống để trích xuất logic [1][4].
Hạn chế về chip	Đồng thuận trong ngành	Sự khan hiếm phần cứng có khả năng thúc đẩy nhu cầu về các phương pháp đào tạo hiệu quả hơn [8][14].
Sự bảo trợ của nhà nước	Suy đoán	Mặc dù các công ty đã được nêu tên, mức độ phối hợp trực tiếp của chính phủ vẫn chưa được xác minh [5][11].

Các chuyên gia trong ngành dự đoán rằng cửa sổ để giải quyết các lỗ hổng này đang thu hẹp lại, khi các kỹ thuật được sử dụng để chắt lọc ngày càng trở nên tinh vi và khó phát hiện hơn trong thời gian thực ^[7][11][14].

Bằng chứng & Kiểm chứng thực tế

Các cáo buộc liên quan đến việc thu thập dữ liệu quy mô lớn được hỗ trợ bởi các phép đo từ xa kỹ thuật cụ thể và giám sát nội bộ. Trong một tuyên bố chính thức, Anthropic đã báo cáo việc phát hiện khoảng 24.000 tài khoản gian lận ^[4][13]. Các tài khoản này bị cáo buộc đã được sử dụng để thực hiện hơn 16 triệu lượt trao đổi với chatbot Claude nhằm trích xuất logic và các khả năng độc quyền ^[4][14].

Các báo cáo chỉ ra rằng những hoạt động này không phải là sự cố riêng lẻ mà là một phần của xu hướng rộng lớn hơn trong ngành AI ^[4][7]. Các nhà phân tích trong ngành và các ấn phẩm lớn, bao gồm cả The New York Times, đã lưu ý rằng ba công ty bị cáo buộc—DeepSeek, Moonshot, và MiniMax—là những người chơi nổi bật trong lĩnh vực AI của Trung Quốc ^[4][6].

Các phương pháp trích xuất dữ liệu đã được xác minh

Theo các báo cáo trong ngành, phương pháp chính được sử dụng trong các sự cố này là một kỹ thuật được gọi là chắt lọc (distillation) ^[4][6]. Mặc dù chắt lọc là một thực hành tiêu chuẩn để đào tạo các mô hình nhỏ hơn bằng cách sử dụng đầu ra của các mô hình lớn hơn, nó trở nên gây tranh cãi khi được thực hiện đối với các hệ thống độc quyền mà không có sự cho phép ^[4][13].

Chỉ số	Giá trị được báo cáo	Nguồn
Tài khoản gian lận bị phát hiện	24.000	[4][13]
Tổng số cuộc hội thoại bị thu thập	16 triệu+	[4][14]
Phương pháp trích xuất chính	Chắt lọc mô hình	[4][6]
Hệ thống mục tiêu	Claude (Anthropic)	[4][13]

---

Quan sát trên toàn ngành

Thách thức của việc thu thập dữ liệu trái phép không chỉ giới hạn ở Anthropic. Các nhà phát triển mô hình tiên phong khác cũng đã báo cáo các mô hình sao chép "quy mô công nghiệp" tương tự ^[7][13].

• OpenAI trước đây đã cáo buộc các startup Trung Quốc sử dụng các phương pháp "che giấu" để "hưởng lợi miễn phí" từ các công nghệ của mình ^[4][7].
• Các nhà nghiên cứu của Google Cloud đã theo dõi các tác nhân đe dọa sử dụng LLM để tổng hợp thông tin tình báo và lập hồ sơ mục tiêu, cho thấy các công cụ này ngày càng được sử dụng cho cả mục đích cạnh tranh và đối nghịch ^[3][11].
• Các nhà phân tích bảo mật lưu ý rằng trong khi các công ty cố gắng triển khai các rào chắn an toàn, những biện pháp bảo vệ này có khả năng bị tước bỏ trong quá trình chắt lọc ^[7].

Tính hợp pháp của việc sử dụng dữ liệu

Mặc dù Anthropic tự định vị mình là nạn nhân trong trường hợp này, công ty cũng đang đồng thời đối mặt với các thách thức pháp lý của riêng mình liên quan đến việc thu thập dữ liệu ^[6]. Vào tháng 9 năm 2025, Anthropic được báo cáo là đã đạt được một thỏa thuận mang tính bước ngoặt trị giá 1,5 tỷ đô la với các tác giả và nhà xuất bản về việc sử dụng các cuốn sách có bản quyền để đào tạo các mô hình của mình ^[6]. Điều này làm nổi bật một thực tế phức tạp, nơi nhiều công ty AI hàng đầu vừa là người cáo buộc vừa là bị cáo trong các tranh chấp về quyền dữ liệu và tài sản trí tuệ ^[6][13].

Lưu ý: Mặc dù bằng chứng kỹ thuật về hoạt động tài khoản được ghi nhận bởi Anthropic, các công ty bị cáo buộc—DeepSeek, Moonshot, và MiniMax—đã không phản hồi ngay lập tức các yêu cầu bình luận liên quan đến các cáo buộc cụ thể về hoạt động gian lận ^[7].

Tự kiểm tra / Chẩn đoán

Các tổ chức cung cấp mô hình AI dưới dạng dịch vụ hoặc duy trì các tập dữ liệu độc quyền phải cảnh giác trước các Cuộc tấn công trích xuất mô hình (Model Extraction Attacks - MEA) ^[2][13]. Mặc dù các cuộc tấn công này thường nhắm vào các nhà phát triển mô hình hơn là người dùng cuối, bất kỳ tổ chức nào có mô hình được tinh chỉnh tùy chỉnh hoặc API chuyên dụng đều có khả năng gặp rủi ro ^[1][3].

Giám sát các chỉ số sau có thể giúp xác định xem logic hoặc dữ liệu của mô hình có đang bị thu thập một cách hệ thống hay không:

---

1. Giám sát các cuộc gọi API tần suất cao từ các nguồn đáng ngờ

Những kẻ tấn công thường sử dụng mạng lưới tài khoản lớn để vượt qua các giới hạn tốc độ cá nhân và các hạn chế theo khu vực ^[9][11]. Các nhà phân tích đã quan sát thấy các chiến dịch "quy mô công nghiệp" liên quan đến hàng chục nghìn tài khoản gian lận để tạo điều kiện cho hàng triệu lượt trao đổi ^[9][15].

• Kiểm tra việc tạo tài khoản: Tìm kiếm sự gia tăng đột biến trong các đăng ký tài khoản mới tuân theo các mẫu tự động hoặc bắt nguồn từ cơ sở hạ tầng tương tự ^[10][11].
• Truy vết việc sử dụng proxy và VPN: Các nỗ lực chắt lọc thường định tuyến lưu lượng truy cập qua các dịch vụ proxy hoặc VPN để che giấu vị trí thực của kẻ tấn công và lách các lệnh cấm theo khu vực ^[11][12].
• Phân tích khối lượng lưu lượng truy cập: Sự gia tăng đột ngột, kéo dài trong các cuộc gọi API—đặc biệt là những cuộc gọi nhắm vào các khả năng tư duy hoặc lập trình có giá trị cao—có thể cho thấy một nỗ lực trích xuất có phối hợp ^[11][12].

2. Xác định các mẫu câu lệnh có cấu trúc, lặp đi lặp lại

"Khối lượng, cấu trúc và trọng tâm" của các câu lệnh trích xuất thường khác biệt so với hành vi của người dùng hợp pháp ^[11]. Các đối thủ sử dụng Chắt lọc tri thức (KD) để thăm dò mô hình một cách hệ thống, cố gắng lập bản đồ logic cơ bản của nó ^[2][10].

• Phát hiện "Ép buộc dấu vết tư duy" (Reasoning Trace Coercion): Theo dõi các câu lệnh hướng dẫn cụ thể mô hình đưa ra "suy nghĩ" nội bộ hoặc toàn bộ quá trình tư duy của nó ^[1]. Ví dụ, những kẻ tấn công có thể ra lệnh cho mô hình khớp chính xác ngôn ngữ đầu vào trong chuỗi suy nghĩ ẩn của nó ^[1].
• Tìm kiếm việc thăm dò đa dạng: Các chiến dịch trích xuất chuyên nghiệp sử dụng "các câu lệnh được thay đổi cẩn thận" để quan sát cách mô hình xử lý các tác vụ phức tạp trên nhiều lĩnh vực khác nhau ^[1][10].
• Kiểm tra trọng tâm tác nhân: Các báo cáo phát hiện có độ tin cậy cao chỉ ra rằng việc trích xuất thường nhắm vào các khả năng cụ thể, khác biệt như tư duy tác nhân, sử dụng công cụ và lập trình ^[11][12].

3. Phân tích đầu ra của mô hình đối thủ để tìm "dấu vân tay" độc quyền

Mặc dù khó chứng minh hơn, việc quan sát hành vi của các mô hình cạnh tranh có thể cung cấp bằng chứng về việc trộm cắp tài sản trí tuệ ^[2][15]. Nếu một mô hình đối thủ bắt đầu thể hiện chính xác các điểm mạnh hoặc đặc điểm kỳ lạ của hệ thống độc quyền của bạn, nó có thể đã được đào tạo dựa trên đầu ra của bạn ^[2][10].

• Định dạng và Phong cách: Kiểm tra xem các mô hình bên ngoài có tái tạo các đặc điểm định dạng cụ thể hoặc các dấu vết tư duy "ẩn" duy nhất cho mô hình của bạn hay không ^[1].
• Vượt qua rào chắn an toàn: Các mô hình được xây dựng thông qua chắt lọc trái phép thường thiếu các rào chắn an toàn của bản gốc ^[9][15]. Nếu một mô hình đối thủ hiển thị các khả năng tiên tiến của mô hình của bạn nhưng thiếu các biện pháp bảo vệ an ninh cụ thể, điều đó có thể cho thấy các rào chắn đã bị "tước bỏ" trong quá trình chắt lọc ^[11][14].
• Sự tương đương về hiệu suất: Nếu một mô hình nhỏ hơn, chi phí thấp hơn đột ngột đạt được hiệu suất tương đương với một mô hình "giáo viên" tiêu tốn nhiều tài nguyên hơn, các nhà phân tích cho rằng đây có thể là bằng chứng của việc "hưởng lợi miễn phí" từ các công nghệ hiện có ^[14][15].

Cảnh báo: Phòng thủ chủ động là rất quan trọng. Các tổ chức nên triển khai giám sát thời gian thực đối với quyền truy cập API để phát hiện các mẫu trích xuất trước khi logic độc quyền của mô hình bị tái tạo hoàn toàn ^[1][13].

Giải pháp / Cần làm gì

Bảo vệ các mô hình trí tuệ nhân tạo khỏi việc trích xuất trái phép đòi hỏi một chiến lược phòng thủ đa lớp. Khi các Mô hình ngôn ngữ lớn (LLM) trở thành mục tiêu có giá trị cao cho việc trộm cắp tài sản trí tuệ, các tổ chức được khuyến khích chuyển từ giám sát thụ động sang các tư thế phòng thủ chủ động ^[3][60].

---

Các bước thân thiện với người mới bắt đầu

Những hành động ban đầu này tập trung vào việc thắt chặt cơ sở hạ tầng API hiện có và giảm diện tích bề mặt có sẵn cho các công cụ thu thập tự động.

• Thắt chặt kiểm soát truy cập API: Triển khai các yêu cầu xác thực nghiêm ngặt và xem xét các hạn chế truy cập theo khu vực để ngăn chặn người dùng trái phép lách qua các khối địa lý ^[32][91].
• Thực thi các giới hạn tốc độ mạnh mẽ: Áp dụng các giới hạn truy vấn phân biệt giữa tương tác bình thường của con người và việc thăm dò có hệ thống, khối lượng lớn điển hình của các chiến dịch chắt lọc ^[12][91].
• Giám sát các mẫu sử dụng: Theo dõi các dấu hiệu "tài khoản gian lận", chẳng hạn như hàng nghìn tài khoản mới bắt nguồn từ các địa chỉ IP hoặc dịch vụ proxy tương tự ^[68][91].
• Thực thi Điều khoản dịch vụ: Xác định rõ ràng rằng việc chắt lọc hoặc nhân bản mô hình mà không được phép là vi phạm các điều khoản dịch vụ, cung cấp cơ sở pháp lý cho việc gỡ bỏ tài khoản ^[3][32].

---

Các bước nâng cao

Đối với các tổ chức vận hành các mô hình độc quyền, các biện pháp phòng thủ "chống chắt lọc" tinh vi hơn có khả năng làm giảm chất lượng dữ liệu bị đánh cắp và làm gián đoạn quá trình đào tạo các mô hình "học sinh".

Triển khai các biện pháp phòng thủ chủ động Các nhà lãnh đạo trong ngành đã bắt đầu sử dụng các biện pháp phòng thủ thời gian thực có thể xác định các mẫu trích xuất và tự động làm giảm hiệu suất hoặc độ chính xác của các đầu ra được cung cấp cho những kẻ tấn công bị nghi ngờ ^[3]. Việc "đầu độc" dữ liệu được chắt lọc này có thể khiến đối thủ khó khăn hơn đáng kể trong việc tạo ra một bản sao chức năng ^[3][13].

Triển khai giám sát tài khoản tích cực Bảo mật nâng cao bao gồm việc giám sát vòng đời "thu thập tự động". Điều này bao gồm việc xác định:

• Siêu dữ liệu yêu cầu (Request Metadata): Phân tích các tiêu đề (headers) và các chỉ số cơ sở hạ tầng để liên kết các tài khoản riêng biệt với một thực thể duy nhất ^[91].
• Bảo vệ dấu vết tư duy: Làm mờ hoặc tóm tắt các quy trình "chuỗi suy nghĩ" nội bộ để chúng không thể bị những kẻ tấn công ép buộc đưa ra đầu ra đầy đủ ^[3].
• Sự phân kỳ hành vi: Phát hiện các câu lệnh tập trung mạnh vào tư duy tác nhân, sử dụng công cụ và lập trình—các khả năng thường bị nhắm mục tiêu để trích xuất ^[91][12].

Phương pháp phòng thủ	Tác động kỹ thuật	Mối đe dọa mục tiêu
Giới hạn tốc độ	Hạn chế khối lượng truy vấn	Thu thập dữ liệu quy mô công nghiệp [91]
Làm giảm chất lượng đầu ra	Hạ thấp chất lượng mô hình "học sinh"	Chắt lọc tri thức [3]
Tương quan IP	Xác định việc sử dụng proxy/VPN	Tài khoản gian lận [91]
Làm mờ dấu vết	Che giấu logic nội bộ	Ép buộc tư duy [3]

Tham gia chia sẻ thông tin tình báo Các nhà phân tích bảo mật cho rằng cửa sổ để hành động chống lại việc chắt lọc quy mô công nghiệp là rất hẹp ^[13][32]. Việc chia sẻ thông tin tình báo về mối đe dọa và "các bằng chứng khái niệm tấn công" giữa các nhà cung cấp có thể giúp cộng đồng AI toàn cầu dự đoán và chặn các kỹ thuật trích xuất mới trước khi chúng trở thành tiêu chuẩn ngành ^[3][68].

Rủi ro, Giới hạn và Khi nào nên dừng lại

Mặc dù các tổ chức có thể triển khai các biện pháp phòng thủ chống lại việc trích xuất mô hình, các biện pháp này có những hạn chế đáng kể. Các biện pháp giảm thiểu kỹ thuật thường gặp khó khăn trong việc phân biệt giữa một cuộc tấn công chắt lọc tinh vi và việc sử dụng nghiên cứu hoặc doanh nghiệp khối lượng lớn, hợp pháp ^[1][11]. Việc triển khai các bộ lọc bảo mật quá tích cực có thể dẫn đến "dương tính giả", có khả năng chặn người dùng thực hoặc làm giảm hiệu suất của các ứng dụng hợp pháp ^[2].

---

Thách thức của việc trộm cắp dữ liệu không thể đảo ngược

Một khi phòng thí nghiệm đối thủ trích xuất thành công các dấu vết tư duy hoặc khả năng lập trình, thiệt hại thường là vĩnh viễn. Chắt lọc tri thức cho phép đối thủ chuyển giao chuyên môn của mô hình "giáo viên" sang mô hình "học sinh" thông qua tinh chỉnh có giám sát ^[4][10]. Vì logic bị đánh cắp được tích hợp vào trọng số và kiến trúc của mô hình mới, nên thực tế là không thể "xóa bỏ kiến thức" hoặc xóa từ xa các khả năng đó một khi quá trình đào tạo hoàn tất ^[10][14].

Khi các rào cản kỹ thuật là không đủ

Chỉ dựa vào giám sát API tự động thường không đủ để ngăn chặn các chiến dịch quy mô công nghiệp. Các tác nhân tiên tiến thường sử dụng các dịch vụ proxy và hàng nghìn tài khoản gian lận để trốn tránh sự phát hiện ^[11][15]. Các chuyên gia trong ngành gợi ý rằng khi một vụ vi phạm an ninh đạt đến quy mô này, các rào cản kỹ thuật nên được bổ sung bằng sự can thiệp từ bên ngoài:

• Phối hợp với nhà cung cấp đám mây: Các nền tảng có thể cần làm việc trực tiếp với các nhà cung cấp cơ sở hạ tầng để xác định và vô hiệu hóa các dải IP hoặc phần cứng cơ bản được những kẻ tấn công sử dụng ^[14].
• Hành động pháp lý và quy định: Vì chắt lọc thường vi phạm Điều khoản dịch vụ, các tổ chức có thể cần theo đuổi các vụ gỡ bỏ pháp lý hoặc lôi kéo các nhà hoạch định chính sách quốc tế để giải quyết hành vi trộm cắp tài sản trí tuệ ^[1][2][15].
• Kiểm soát xuất khẩu: Các nhà phân tích cho rằng việc hạn chế tiếp cận với các chip AI tiên tiến là một phương pháp chính để hạn chế quy mô của việc chắt lọc trái phép, vì việc đào tạo các mô hình học sinh này vẫn đòi hỏi sức mạnh tính toán đáng kể ^[11][14].

Lưu ý: Các mô hình được xây dựng thông qua chắt lọc trái phép thường thiếu các rào chắn an toàn có trong các hệ thống ban đầu, điều này có thể dẫn đến sự phổ biến của các khả năng nguy hiểm trong một môi trường không có sự giám sát ^[10][15].

Nếu một tổ chức xác định được các mẫu thăm dò có hệ thống vượt qua các giới hạn tốc độ tiêu chuẩn, có lẽ đã đến lúc ngừng dựa vào các bộ lọc tự động. Ở giai đoạn này, các chuyên gia khuyến nghị một phản ứng phối hợp liên quan đến các đối tác trong ngành và tư vấn pháp lý để bảo vệ logic độc quyền ^[2][14].

Câu hỏi thường gặp (FAQ)

Sự khác biệt giữa thu thập dữ liệu (scraping) và chắt lọc (distillation) là gì?

Thu thập dữ liệu (Scraping) thường liên quan đến việc thu thập tự động dữ liệu thô hoặc nội dung từ internet. Ngược lại, chắt lọc tri thức (KD) là một kỹ thuật học máy trong đó một mô hình "học sinh" nhỏ hơn được đào tạo bằng cách sử dụng đầu ra của một mô hình "giáo viên" tiên tiến hơn để tái tạo các khả năng của nó ^[2][5][12].

Trong khi thu thập dữ liệu chỉ là gom góp dữ liệu, chắt lọc thực sự là "nhân bản" logic độc quyền, dấu vết tư duy và quy trình chuỗi suy nghĩ của một mô hình trưởng thành ^[1][2][6]. Điều này cho phép các đối thủ cạnh tranh có được các khả năng cấp cao trong một phần nhỏ thời gian và với chi phí thấp hơn đáng kể so với việc tự phát triển ^[5][8].

---

Chắt lọc có bất hợp pháp không?

Chắt lọc từ các mô hình như Gemini hoặc Claude mà không được phép là hành vi vi phạm trực tiếp Điều khoản dịch vụ (ToS) của các nhà cung cấp ^[1][5][9]. Google và Anthropic mô tả các "cuộc tấn công trích xuất mô hình" trái phép này là một hình thức trộm cắp tài sản trí tuệ (IP) ^[2][4][5].

Mặc dù chắt lọc là một kỹ thuật hợp pháp và phổ biến khi các nhà phát triển sử dụng nó trên các mô hình của chính họ, việc trích xuất trái phép có thể bị gỡ bỏ tài khoản và chịu hành động pháp lý ^[2][3][5]. Tuy nhiên, việc thực thi quốc tế có thể khó khăn, vì các tác nhân thường sử dụng tài khoản gian lận và dịch vụ proxy để trốn tránh sự phát hiện ^[7][9].

---

Những cuộc tấn công này có ảnh hưởng đến hiệu suất mô hình đối với người dùng bình thường không?

Các cuộc tấn công trích xuất và chắt lọc mô hình thường không gây rủi ro trực tiếp cho người dùng bình thường, vì chúng không đe dọa tính bảo mật hoặc tính khả dụng của các dịch vụ AI ^[1]. Rủi ro chính tập trung vào các nhà phát triển mô hình và nhà cung cấp dịch vụ có logic độc quyền đang bị nhắm mục tiêu ^[1][6].

Tuy nhiên, người dùng bình thường có thể gặp phải các tác động phụ, chẳng hạn như các quy trình xác minh tài khoản nghiêm ngặt hơn. Để chống lại các chiến dịch này, vốn liên quan đến hơn 24.000 tài khoản gian lận, các nhà cung cấp đang triển khai các biện pháp phòng thủ chủ động theo thời gian thực và giám sát quyền truy cập API chặt chẽ hơn ^[1][3][5][9].

---

Tại sao các mô hình được chắt lọc lại được coi là rủi ro an ninh quốc gia?

Các chuyên gia cho rằng các mô hình được chắt lọc trái phép thường thiếu các rào chắn an toàn cần thiết có trong các hệ thống ban đầu ^[5][9]. Anthropic đã lưu ý rằng những khả năng không được bảo vệ này có khả năng bị các thực thể nước ngoài tích hợp vào các hệ thống quân sự hoặc giám sát ^[5][7].

Nếu các mô hình này được cung cấp dưới dạng mã nguồn mở, các khả năng nguy hiểm có thể lan rộng vượt ra ngoài tầm kiểm soát của bất kỳ chính phủ đơn lẻ nào ^[5][11]. Rủi ro này là lý do chính khiến một số nhà lãnh đạo trong ngành lập luận rằng các cuộc tấn công chắt lọc củng cố lý do cho việc kiểm soát xuất khẩu nghiêm ngặt đối với các chip tiên tiến ^[7][11][12].

Tóm tắt / Các điểm chính cần nhớ

Sự xuất hiện của các cuộc tấn công chắt lọc quy mô công nghiệp đánh dấu một sự thay đổi đáng kể trong bối cảnh đe dọa AI, chuyển từ trộm cắp dữ liệu truyền thống sang trích xuất có hệ thống tư duy và logic độc quyền ^[1][10][14]. Các công ty và nhà nghiên cứu hiện đang ưu tiên bảo vệ hành vi của mô hình như một yêu cầu bảo mật cốt lõi ^[2][10].

• Sự khai thác đã được ghi nhận: Anthropic và OpenAI đã xác định các chiến dịch khổng lồ của các đối thủ, chẳng hạn như DeepSeek, Moonshot, và MiniMax, liên quan đến hàng triệu lượt trao đổi để rút trích các khả năng từ các mô hình tiên phong ^[6][11][13].
• Vũ khí chắt lọc: Các đối thủ sử dụng chắt lọc tri thức để "nhân bản" hiệu suất của các mô hình giáo viên đắt tiền vào các mô hình học sinh rẻ hơn, có khả năng bỏ qua nhiều năm nghiên cứu và phát triển ^[1][11][13].
• Biên giới bảo mật đang phát triển: Bảo vệ AI hiện đòi hỏi phải giám sát việc "ép buộc dấu vết tư duy" và các mẫu API bất thường thay vì chỉ bảo vệ mã nguồn hoặc tập dữ liệu thô ^[2][10].
• Sự sống còn của các nhà phát triển: Đối với các tổ chức phát triển AI độc quyền, việc giám sát chủ động việc sử dụng API và triển khai phát hiện thời gian thực cho các mẫu trích xuất không còn là tùy chọn nếu muốn duy trì tài sản trí tuệ ^[2][4].

---

Thành phần đe dọa	Mô tả	Tác động
Phương pháp	Chắt lọc tri thức (KD) [1][14]	Nhân bản nhanh chóng các khả năng của mô hình với chi phí chỉ bằng một phần nhỏ so với ban đầu [11][13].
Quy mô	Hàng triệu câu lệnh thông qua hàng nghìn tài khoản giả [11][14]	Tạo điều kiện cho hành vi trộm cắp tài sản trí tuệ quy mô công nghiệp [11].
Mục tiêu	Tư duy, lập trình và sử dụng công cụ tác nhân [7][14]	Tước bỏ các rào chắn an toàn và logic độc quyền [12][14].

---

Lưu ý về An ninh Quốc gia: Các nhà phân tích trong ngành và các phòng thí nghiệm AI cho rằng những cuộc tấn công này có khả năng làm suy yếu các biện pháp kiểm soát xuất khẩu bằng cách cho phép các thực thể bị hạn chế đạt được AI hiệu suất cao mà không cần phần cứng mới nhất ^[9][15].

Nếu bạn không chắc chắn về cách bảo mật cơ sở hạ tầng kỹ thuật của mình hoặc giám sát các mối đe dọa kỹ thuật số tinh vi, việc hỏi ý kiến chuyên gia một lần thường rẻ hơn so với việc sửa chữa sai lầm sau này.

Nguồn

^[1] Sự rút lui của Perplexity khỏi quảng cáo báo hiệu một sự thay đổi chiến lược lớn hơn

^[2] Uncanny Valley: Đơn từ chức của các nhà nghiên cứu AI, Bot thuê con người, Tạp chí Evie...

^[3] GTIG AI Threat Tracker: Chắt lọc, Thử nghiệm và Tích hợp (Tiếp tục)...

^[4] Ứng dụng Business Insider - App Store

^[5] Business Insider - Ứng dụng trên Google Play

^[6] Với AI, lòng trung thành của nhà đầu tư (gần như) đã chết: Ít nhất một chục VC của OpenAI hiện đang...

^[7] Lầu Năm Góc triệu tập người đứng đầu Anthropic trong tranh chấp về các giới hạn AI

^[8] Nhóm do Anthropic tài trợ ủng hộ ứng cử viên bị tấn công bởi siêu PAC AI đối thủ | TechC...

^[9] Gã khổng lồ AI của Mỹ cáo buộc các đối thủ Trung Quốc trộm cắp dữ liệu hàng loạt

^[10] Anthropic làm rõ lệnh cấm truy cập công cụ của bên thứ ba vào Claude

^[11] Các công ty AI Trung Quốc 'chắt lọc' Claude để cải thiện mô hình của riêng họ, Anth...

^[12] Anthropic cáo buộc các phòng thí nghiệm AI Trung Quốc khai thác Claude trong bối cảnh Mỹ tranh luận về xuất khẩu chip AI...

^[13] Anthropic cáo buộc 3 công ty Trung Quốc thu thập dữ liệu của mình

^[14] Anthropic cáo buộc DeepSeek và các nhà phát triển AI Trung Quốc khác về

^[15] Cổ phiếu an ninh mạng giảm ngày thứ hai khi công cụ mới của Anthropic thúc đẩy sự gián đoạn AI...

^[16] Anthropic tuyên bố một nửa số cuộc gọi công cụ tác nhân của mình liên quan đến kỹ thuật phần mềm...

^[17] Cộng đồng Infosec hoảng loạn về bảo mật mã nguồn Anthropic Claude

^[18] Anthropic ra mắt Claude Code Security để quét lỗ hổng bảo mật bằng AI

^[19] Giải mã niềm tin AI của Anthropic và CEO Dario Amodei

^[20] Lầu Năm Góc đối đầu Anthropic + Một tác nhân AI đã vu khống tôi + Hot Mess Express

^[21] Seedance là gì? Ứng dụng AI Trung Quốc khiến Hollywood hoảng loạn

^[22] Cloud AI của Google dẫn đầu trên ba biên giới về khả năng mô hình | Tec...

^[23] Phó chủ tịch Google cảnh báo rằng hai loại startup AI có thể không tồn tại | TechCrunch

^[24] Infosys và Anthropic công bố hợp tác để mở khóa giá trị AI trên các lĩnh vực phức tạp...

^[25] Infosys công bố khung giá trị ưu tiên AI: Vị thế độc nhất để nắm bắt cái mới...

^[26] Anthropic tiết lộ cách các công ty AI Trung Quốc cố gắng đánh cắp công nghệ LLM

^[27] Các nhà đầu tư phòng ngừa rủi ro AI: Ủng hộ cả OpenAI và Anthropic vào năm 2026 - Tin tức và...

^[28] FinancialContent - 'Hiệu ứng Anthropic': Cổ phiếu an ninh mạng sụt giảm...

^[29] Căng thẳng giữa Lầu Năm Góc và gã khổng lồ AI Anthropic đạt đến điểm sôi

^[30] Gã khổng lồ AI của Mỹ Anthropic cáo buộc các đối thủ Trung Quốc trộm cắp dữ liệu hàng loạt

^[31] Anthropic cho biết DeepSeek và các công ty AI Trung Quốc khác đã sử dụng Claude một cách gian lận

^[32] Anthropic vạch trần các cuộc tấn công chắt lọc LLM của Trung Quốc

^[33] Anthropic | Thế lưỡng nan về an ninh

^[34] Bán cổ phiếu Anthropic trái phép và lừa đảo đầu tư | Trung tâm trợ giúp Claude

^[35] Anthropic đã cáo buộc các phòng thí nghiệm AI Trung Quốc điều gì?

^[36] Cài đặt quyền riêng tư của bạn

^[40] Perplexity dường như đã cùng Anthropic 'troll' Sam Altman;...

^[41] Nếu bạn đã mua gói đăng ký Perplexity hàng năm, bạn đã bị lừa

^[42] Hãy cẩn thận, OpenAI: Perplexity thừa nhận quảng cáo AI là một sai lầm, hiện đang...

^[43] Premium: Hướng dẫn của người ghét Anthropic

^[44] Các nhà phê bình chế giễu cáo buộc của Anthropic rằng các phòng thí nghiệm AI Trung Quốc đang đánh cắp dữ liệu của mình - ...

^[45] Anthropic: Anthropic cáo buộc các công ty AI Trung Quốc sao chép dữ liệu bằng tài khoản giả...

^[46] Anthropic cảnh báo về sự gia tăng của AI

^[47] Nhà nghiên cứu AI hàng đầu rời Anthropic, cảnh báo 'Thế giới đang gặp nguy hiểm' - ...

^[48] ‘Anthropic phải trả hàng tỷ đô la cho hành vi trộm cắp’: Elon Musk chỉ trích công ty AI sau khi nó...

^[49] Các gã khổng lồ AI của Mỹ cáo buộc các đối thủ Trung Quốc trộm cắp dữ liệu hàng loạt | Mint

^[50] Anthropic cáo buộc các phòng thí nghiệm Trung Quốc trộm cắp IP Claude hàng loạt

^[51] Tóm tắt điều hành: Anthropic đã thử nghiệm 16 mô hình. Các hướng dẫn không ngăn cản được...

^[52] Một kỹ sư hàng đầu của Anthropic cảnh báo các tác nhân AI sẽ thay đổi mọi máy tính...

^[53] Anthropic cho biết các phòng thí nghiệm Trung Quốc đã sử dụng 24.000 tài khoản giả để đánh cắp Claude: Đây là...

^[54] Anthropic ra mắt công cụ bảo mật khi cổ phiếu an ninh mạng giảm | PYMNTS.com

^[55] Cổ phiếu IBM giảm khi Anthropic tung ra thêm một công cụ AI đột phá khác

^[56] IBM giảm 11% khi Anthropic đe dọa đế chế COBOL

^[57] Cổ phiếu an ninh mạng giảm sau khi Anthropic ra mắt Claude Code Security - Silic...

^[58] Việc phát hành Claude Code Security của Anthropic không phải là tin xấu cho cổ phiếu an ninh mạng

^[59] Cài đặt quyền riêng tư của bạn

^[60] Anthropic chỉ trích các công ty AI Trung Quốc vì thu thập dữ liệu từ chatbot Claude của mình...

^[61] Tại sao việc Anthropic ra mắt Claude Code Security là tin tuyệt vời cho ngành...

^[62] Cổ phiếu an ninh mạng lao dốc, nhưng công cụ bảo mật của Anthropic không phải là một ứng dụng sát thủ | CTech

^[63] Cổ phiếu an ninh mạng sụt giảm sau khi Anthropic tung ra công cụ bảo mật AI

^[64] Cổ phiếu của các công ty an ninh mạng giảm mạnh khi Anthropic phát hành Claud...

^[65] Anthropic vs. OpenAI: Lộ trình IPO của ai được định giá hợp lý hơn?

^[66] Anthropic cho biết các phòng thí nghiệm Trung Quốc đã khai thác Claude trong bối cảnh tranh luận về chip

^[67] Claude Code Security không giết chết an ninh mạng. Nó tiết lộ những gì sắp tới...

^[68] Anthropic tập hợp ngành công nghiệp để chống lại hành vi trộm cắp mô hình AI | PYMNTS.com

^[69] Công cụ AI của Anthropic gây ra đợt bán tháo cổ phiếu an ninh mạng

^[70] Từ một cuộc chia tách công ty căng thẳng đến một bức ảnh lan truyền: Dòng thời gian của Anthropic và Op...

^[71] Tại sao tôi kiện công ty AI Anthropic: Thế giới của chúng ta như chúng ta biết đang gặp nguy hiểm...

^[72] Việc phát hành Claude Code Security của Anthropic không phải là tin xấu cho các công ty an ninh mạng...

^[73] Chính sách bản quyền và AI cần sự chính xác, không phải sự hoảng loạn

^[74] Tại sao Ấn Độ cần một khung chính sách AI cụ thể | The Regulatory Review

^[75] Với cuộc chiến AI giữa Tom Cruise và Brad Pitt, Seedance 2.0 của Trung Quốc là thử nghiệm mới nhất trong...

^[76] Khám phá và đặc quyền tiềm năng của các câu lệnh AI tạo sinh

^[77] Có phải Tom Cruise thực sự đã đánh nhau với Brad Pitt? Video lan truyền khiến Hollywood kiện...

^[78] Anthropic cho biết DeepSeek và các công ty AI Trung Quốc khác đã sử dụng Claude một cách gian lận

^[79] Seedance 2.0 trì hoãn phát hành API vì tranh chấp bản quyền

^[80] Tương lai của các công ty công nghệ nằm ở các mô hình AI được đào tạo bằng dữ liệu độc quyền: In...

^[81] Chiến thuật gây quỹ mà các startup AI đang sử dụng để đẩy giá trị định giá - The Currency

^[82] Cơn sốt AI chuyển từ phần mềm sang toàn bộ nền kinh tế

^[83] Cuộc cạnh tranh cho khả năng hiển thị thương hiệu đã chuyển sang tìm kiếm AI | MarTech

^[84] Khi mọi công ty đều có thể sử dụng cùng một mô hình AI, bối cảnh trở thành một lợi thế cạnh tranh...

^[85] Thế lưỡng nan của Fractal tại Ấn Độ: Động cơ nhu cầu còn thiếu trong AI doanh nghiệp của Fractal...

^[86] Anthropic cho biết DeepSeek và các công ty AI Trung Quốc khác đã trích xuất dữ liệu Claude

^[87] Cài đặt quyền riêng tư của bạn

^[88] Cài đặt quyền riêng tư của bạn

^[89] Chỉ số Dow Jones giảm hơn 800 điểm do sự không chắc chắn về thuế quan và nỗi lo gián đoạn AI...

^[90] Anthropic cáo buộc DeepSeek, MiniMax sao chép dữ liệu, tấn công chắt lọc

^[91] Phát hiện và ngăn chặn các cuộc tấn công chắt lọc

^[92] Tất cả nội dung từ Business Insider

^[93] Hồ sơ XFN 1.1

^[94] Các bài viết được đọc bởi giọng nói tự động

^[95] The Tech Buzz | LinkedIn

^[96] The Tech Buzz

^[97] The Tech Buzz

^[98] Cung cấp các khả năng an ninh mạng tiên phong cho những người phòng thủ