Kina stjæler vores AI, og vi betaler for det

Det er ikke, fordi ingen advarede. Det er, fordi ingen lyttede på det rigtige tidspunkt, og nu er det tidspunkt forbi.

Mens Bruxelles i tre år debatterede, hvilke risikoklasser AI-systemer tilhørte, og mens Digitaliseringsstyrelsen udgav vejledninger om “ansvarlig brug”, byggede kinesiske selskaber en global distributionsinfrastruktur til AI-modeller destilleret direkte fra de mest avancerede amerikanske systemer. Uden tilladelse. Med forfalskede konti. I industriel skala. Og vi er markedet.

Læs også

→ Verden kører på én chip – og det ved Kina godt

Hvad der egentlig skete i februar

I februar i år afslørede det amerikanske AI-selskab Anthropic, at tre kinesiske AI-laboratorier (DeepSeek, Moonshot og MiniMax) samlet havde genereret over 16 millioner udvekslinger med deres Claude-model via cirka 24.000 falske konti. Det var ikke tilfældig misbrug. Det var systematisk udtrækning af kapabiliteter inden for kodning, ræsonnering og opgaveløsning, som Anthropic havde brugt hundredvis af millioner dollars på at udvikle.

Teknikken hedder “distillation.” En mindre AI-model trænes til at efterligne en mere avanceret ved at lære af dens outputs. Det er ikke i sig selv ulovligt, men faktisk en normal del af, hvordan teknologiske økosystemer udvikler sig. Problemet er et andet: Amerikanske selskaber er bundet af brugsvilkår og retsnormer, der forbyder dem at gøre præcis det samme over for konkurrenter.

Kinesiske selskaber ignorerer disse vilkår. Og da ingen håndhæver dem internationalt, er asymmetrien ikke et uheld. Den er strukturen.

Det, der var tilbage af Anthropics teknologiske forspring, var siflet ud og pakket ind i konkurrerende produkter inden for uger.

EU’s AI Act er skrevet til en verden, der ikke eksisterer mere

Jeg vil gerne bruge et minut på at rose EU’s AI Act. Den er ambitiøs. Den er detaljeret. Den bruger et risikoklassificeringssystem, der faktisk er gennemtænkt. Og den er fuldstændig ligeglad med, om den model du anvender, er bygget oven på stjålet teknologi.

Det er ikke en fejl i implementeringen, det er en konstruktionsfejl. Reguleringsrammen antager, at du ved, hvem der har lavet den model, du anvender. Den antager gennemsigtighed om træningsdata og modeloprindelse. Den antager, at “udbyder” er et meningsfyldt begreb i en verden af open-weight-modeller, der frit kan downloades, modificeres og videredistribueres uden sporing.

Ingen af de antagelser holder i dag.

Open-weight AI-modeller er nu små og effektive nok til at køre direkte på en bærbar computer eller smartphone, uden netforbindelse, uden dataoverførsel til en ekstern server. En analyse fra Stanford viser, at andelen af forespørgsler, som lokale modeller kan besvare korrekt, steg fra 23 procent i 2023 til 71 procent i 2025.

Det er ikke en gradvis udvikling. Det er et skifte. Og den regulering, som EU brugte tre år på at forhandle på plads, forholder sig ikke til en verden, hvor AI-kapabilitet bor på din harddisk og ingen ved, hvorfra den kom.

Digitaliseringsstyrelsen anbefaler dokumentation og risikovurdering ved offentlige myndigheders brug af AI. Ingen af de tilgængelige vejledende rammer forholder sig specifikt til, hvad en destilleret kinesisk model er, og hvad den ikke er. Det er en blind vinkel, der er stor nok til at køre en hel leverandørstrategi igennem.

Sikkerhedssproget, ingen bruger

Her er den del, som sjældent beskrives præcist nok til at gøre en forskel: Destillation overfører de kapabiliteter, en AI-model opnår under træning. Men de sikkerhedsforanstaltninger, der tilføjes bagefter (det man kalder alignment tuning, altså træning af modellen til at nægte skadelige anmodninger) overføres ikke. De er ikke en del af det, der sifles ud.

Det amerikanske sikkerhedsfirma Cisco testede DeepSeek-R1 mod HarmBench, en standardtest der dækker kategorier som cyberkriminalitet, ulovlige våben og desinformation. Modellen fejlede på tværs af kategorier. Cybersikkerhedsfirmaet CrowdStrike tilføjede: Når politisk følsomme termer som “Tibet”, “Falun Gong” eller “uighurer” blev indsat i ordinære kodningsanmodninger, var modellen op til 50 procent mere tilbøjelig til at generere kode med sikkerhedssårbarheder.

Det er ikke eksotisk efterretningsinformation, blot offentliggjorte analyser fra kendte sikkerhedsfirmaer. Og det er den type modeller, der i stigende grad flyder ind i dansk erhvervsliv og offentlig IT-infrastruktur, ikke fordi nogen har besluttet det, men fordi ingen har besluttet det modsatte.

Den IT-medarbejder i en dansk kommune, der i dag installerer en lokal AI-model for at spare på cloud-udgifterne, stiller sandsynligvis ikke spørgsmålet: Hvem har lavet denne model, og hvad har de undladt at bygge ind i den? Det er ikke hans fejl. Det er et regulatorisk og vejledningsfravær.

Læs også: Kina sælger organer fra levende fanger – Danmark kigger væk

Afhængighedslogikken

Teknologihistorien er fuld af øjeblikke, hvor et tilsyneladende rationelt valg viste sig at være begyndelsen på et strukturelt afhængighedsforhold. Huawei og 5G er det oplagte eksempel. Prisen var lav. Teknologien var god. Og da de politiske konsekvenser endelig nåede den brede debat, var infrastrukturen allerede bygget. Prisen for at afvikle den var ikke blot astronomisk. Den politiske vilje til at gøre det fuldt ud fandtes heller ikke.

AI-afhængighedens logik er den samme, men processen er hurtigere og mere usynlig. En dansk softwareudvikler vælger en kinesisk open-weight-model, fordi den er gratis, hurtig og kapabel. Når hans applikation skal skalere, graviterer han naturligt mod den cloud-udbyder, der bedst styrker den model, han allerede er bygget oven på. Det er Alibaba Cloud, ikke AWS. Og når han siden skal vælge hardware, er det Huawei-chips, ikke Nvidia. Hvert enkelt valg er rationelt. Tilsammen er de et fuldt teknologisk afhængighedsforhold, der tager år at reversere, og som begyndte med en gratis download.

Mønsteret er ikke nyt. Det er Kinas standardspilbog for teknologidrevet indflydelse: Konverter en indledende prisfordel til en varig afhængighed. Det har fungeret i telekommunikation, mobilbetalinger og fysisk infrastruktur under Belt and Road. Der er ingen grund til at tro, at AI er anderledes, og al grund til at tro, at det er hurtigere.

Hvad der faktisk kan gøres, og hvornår

Stanford-forskere og tidligere Pentagon-rådgivere anbefaler i det amerikanske udenrigspolitiske tidsskrift Foreign Affairs en kombineret strategi: Stram eksportkontrol på chips der muliggør destillation.

Udvid den såkaldte FDPR-mekanisme (den udenlandske direkte produktregel) så AI-modeller baseret på systematisk udvundet teknologi kan underlægges licenskrav og blokeres fra kommercielt salg. Støt udviklingen af konkurrencedygtige open-weight-alternativer fra vestlige selskaber. Koordiner med allierede.

Alt det er relevant for Washington. Men Europa og Danmark har deres egne handlemuligheder, og deres eget sæt af undladelser.

EU’s AI Act kan styrkes med specifikke krav om modeloprindelseserklæringer ved offentlige udbud og ved anvendelse i kritisk infrastruktur. Det er ikke teknisk kompliceret. Det kræver politisk vilje til at stille et krav, som i dag ikke stilles.

Digitaliseringsstyrelsen kan opdatere sine vejledninger, så de eksplicit forholder sig til risikoen ved open-weight-modeller af ukendt oprindelse. Det kræver ikke lovgivning. Det kræver, at nogen beslutter sig for, at det er relevant.

Ingen af de to ting er sket endnu.

Det spørgsmål, der ikke stilles

Jeg har fulgt teknologidebatten tæt nok til at vide, hvad der normalt sker nu. Der nedsættes en arbejdsgruppe. Der bestilles en analyse. Der afholdes en høring i Europaparlamentet. Og om to til tre år, når spørgsmålet er modent til politisk handling, vil infrastrukturen igen være etableret, præcis som den var med Huawei.

Det spørgsmål, der aldrig stilles i tide, er det enkleste: Hvem besluttede, at vi stoler på de her modeller? Ikke i teorien. Ikke i en konsekvensanalyse udarbejdet af et konsulentfirma. Men i praksis: i de kommunale systemer der allerede kører lokal AI, i de offentlige institutioner der allerede integrerer open-weight-modeller som standardkomponenter, i de private virksomheder der i dag prioriterer pris frem for oprindelse.

Svaret er: ingen. Det er sket trinvist, rationelt og uden nogen samlet beslutning. Og det er præcis, hvordan det mest vedvarende teknologiske afhængighedsforhold i et årti etableres.

Ikke ved en stor, synlig fejltagelse. Ved fraværet af en beslutning.

ExtraFokus.com: Dybere blik på det danske samfund.