Anthropic anklager Alibaba for at stjæle AI i industriel skala

Det lyder som noget fra en spionroman, men det er hård teknologipolitisk virkelighed: Anthropic, selskabet bag AI-modellen Claude, har i et brev til amerikanske senatorer og Det Hvide Hus beskyldt Alibabas AI-laboratorium for at have stjålet AI-modeldata i helt astronomisk skala.

Hvad er påstanden?

Ifølge Anthropic lykkedes det Alibaba-tilknyttede operatører at høste 28,8 millioner samtaler fra Claude-modellen via næsten 25.000 falske konti. Operationen foregik over en periode på blot seks uger — fra 22. april til 5. juni 2026.

Teknikken kaldes "model distillation" eller "distillation-angreb": i stedet for at træne en AI-model fra bunden bruger man en eksisterende models outputs som træningsdata til sin egen model. Resultatet er en model, der mimer den angrebne models adfærd og kapaciteter — til en brøkdel af udviklingsomkostningerne.

Anthropic karakteriserer det som "det største kendte distillation-angreb i sin histoire." Angrebets mål var særligt Claudes kapaciteter inden for softwareudvikling og agent-reasoning — præcis de domæner, hvor Claude klarer sig stærkest, og som er mest kommercielt værdifulde.

Hvad er forbindelsen til Alibaba?

Anthropic peger på operatører med forbindelse til Alibabas AI-laboratorium og dets open source-model Qwen. Qwen-familien er en af Kinas stærkeste AI-modeller og konkurrerer direkte med vestlige alternativer som Llama, Mistral og Claude selv.

Alibaba har endnu ikke kommenteret anklagerne offentligt. Juridisk befinder sagen sig i en gråzone: det er ikke nødvendigvis ulovligt at bruge en AI-models outputs som træningsdata — men det krænker sandsynligvis Anthropics servicevilkår og kan potentielt udgøre krænkelse af forretningshemmeligheder.

Hvad er konsekvenserne for AI-kapløbet?

Sagen illustrerer en dyb strukturel sårbarhed i den globale AI-økonomi. De mest avancerede vestlige AI-modeller er tilgængelige via API'er, og med tilstrækkelig mange konti og computerkraft er det muligt at høste enormt mange eksempler på avanceret AI-ræsonnering — eksempler der kan bruges til at løfte en konkurrents model uden at have investeret i den grundlæggende forskning.

Det er i bund og grund et industrispionage-problem pakket ind i API-kald.

Brevet til Kongressen kom i en politisk ladet kontekst: blot dage inden Anthropic sendte det, valgte Trump-administrationen at begrænse adgangen til to nye Anthropic-modeller — Fable 5 og Mythos 5 — til udelukkende amerikanske borgere. Anthropic trak efterfølgende begge modeller tilbage for at undgå at diskriminere mod egne internationale kunder.

Hvad betyder det for europæiske tech-virksomheder?

For europæiske virksomheder, der er afhængige af amerikanske AI-modeller, er der to bekymringer:

Først: Hvis vestlige AI-selskaber begynder at indføre geografiske restriktioner — af sikkerhedspolitiske eller handelspolitiske årsager — kan adgangen til de bedste modeller blive begrænset. Det rammer alle, der har bygget produkter og processer oven på fx Claude, GPT-4 eller Gemini.

For det andet: Hvis kinesiske aktører effektivt kan "destillere" vestlige AI-modellers kapaciteter, udviskes den teknologiske fordel, som vestlige AI-laboratorier har brugt milliarder af dollars på at opbygge. Det rykker magtbalancen i AI-kapløbet.

Hvad sker der videre?

Anthropics brev er et politisk træk, der lægger pres på amerikanske lovgivere for at stramme op på eksportkontroller og regulering af AI-model-adgang. Det er sandsynligt, at vi vil se skærpede brugsbetingelser og bedre teknisk overvågning af API-misbrug hos de store AI-selskaber.

Teknisk er det allerede muligt at detectere systematisk scraping — uregelmæssige mønstre i forespørgselsmængder, ensartede brugeradfærde og mistænkelige prompt-strukturer. Spørgsmålet er, om AI-selskaberne reagerer hurtigt nok, og om det overhovedet er muligt at lukke hullet, når angriberne kan oprette nye konti i det uendelige.

For den brede tech-verden er sagen et wake-up call: den viden, der er indkodet i avancerede AI-modeller, er immateriel ejendom af enorm kommerciel og strategisk værdi — og den er sværere at beskytte end klassisk kildekode.