美國最大外送平台之一DoorDash（達世）近日捲入中美AI科技競的新一輪風波。由於公司內部測試採用中國AI新創企業「月之暗面」旗下大模型Kimi，用於協助部分軟體開發，美國國會兩大委員會已展開調查，要求DoorDash提交相關資料，說明使用中國AI模型可能帶來的資安與國家安全風險。
這起事件受關注，不僅因DoorDash是美國大型科技服務企業，更因該公司過去曾獲美國政府公開支持。就在4月DoorDash外送員還曾進入白宮，向美國總統川普（Donald Trump）遞送餐點，成為企業與政府互動象徵案例。
DoorDash測試Kimi模型 用於低階程式開發引發關注
事件源於DoorDash共同創辦人兼技術主管方安迪（Andy Fang）7月初在社群平台X上的一項公開分享。他透露，公司已將中國月之暗面推出的AI模型Kimi K2系列接入內部程式碼審查流程，協助工程團隊處理部分較低階的開發工作。
根據相關說明，DoorDash並非全面以中國AI取代美國模型，而是在內部測試環境中，讓Kimi模型負責部分程式碼檢查、分析與輔助開發任務。對於較複雜、涉及核心技術的工作，公司仍主要使用包括Anthropic等美國AI模型。
不過，這項消息仍迅速引發華府關注。原因在於，近年美國政府與國會持續警告，中國AI模型即使以「開源」或「開放權重」（open-weight）形式提供，也可能存在資料安全、模型控制權及技術外流等問題。
美國部分官員認為，中國企業受到中國法律監管，若美國企業大量依賴中國AI服務，可能使敏感資料、企業程式碼或使用模式暴露於中國司法管轄範圍內。
美國眾院兩委員會聯手調查 要求交出AI使用紀錄
根據《南華早報》報導，美國眾議院「中國問題特別委員會」主席穆勒納爾（John Moolenaar），及國土安全委員會主席加巴里諾（Andrew Garbarino），已於7月31日共同致函DoorDash執行長兼共同創辦人徐迅，要求公司說明使用中國AI模型的詳細情況。
兩名議員要求DoorDash在期限內提供公司目前使用哪些中國開發的AI模型；相關模型接入公司系統的時間與用途；資安風險評估與測試紀錄；是否有資料傳輸至中國相關企業或伺服器；以及公司如何確保敏感資訊不受外部控制等相關資料。
此外，國會也要求DoorDash代表赴國會進行說明，針對企業採用中國AI模型可能造成的安全風險提出解釋。
美國議員在信中表示，調查目的並非單純針對DoorDash，而是希望了解美國企業使用中國開發AI模型後，可能衍生的系統性風險，並作為未來制定聯邦AI監管政策的重要依據。
信中強調，即使中國AI模型具有成本低、效能高等優勢，也不能因此降低安全審查標準。議員指出，任何由受到中國政府法律約束的企業開發的AI模型，都必須接受嚴格風險評估。
美中AI競爭升高 中國模型「開放權重」成新爭議
DoorDash事件反映的是，美國對中國AI快速崛起的高度警戒。近年中國AI企業快速推出具競爭力的大模型，包括月之暗面的Kimi、深度求索（DeepSeek）等，都透過較低成本與開放權重策略吸引全球開發者使用。
支持者認為，開放權重模型降低AI開發門檻，使中小企業與研究機構也能使用先進人工智慧工具；但美國部分政策制定者則擔心，開放模型可能成為技術輸出與資料安全漏洞。
美國政府近期已將部分中國AI企業列入關注名單，並加強對AI晶片、模型能力與技術流動的管控。
美國財政部長貝森特（Scott Bessent）先前曾公開指控，月之暗面可能透過「模型蒸餾」（model distillation）方式取得美國AI模型能力，協助開發下一代Kimi系統。
所謂模型蒸餾，是指利用大型AI模型產生的輸出結果，訓練較小型模型，使其學習大型模型的能力。這項技術在AI產業相當普遍，但美國部分官員認為，中國企業可能藉此快速追趕美國技術優勢。
月之暗面方面過去則否認不當取得技術，強調其模型研發主要依靠自身技術積累。
企業使用中國AI面臨兩難 成本效率與國安風險拉鋸
DoorDash事件突顯全球企業在AI選擇上的兩難。近年AI模型競爭激烈，美國企業如OpenAI、Anthropic、Google等推出高性能模型，但使用成本相對高企；中國企業則透過開源策略與低成本運算方案吸引開發者。
對企業而言，中國AI模型具降低成本、提高開發效率的吸引力。然而，在美中戰略競爭升高背景下，企業是否能自由選擇AI工具，已不再只是商業決策，而逐漸涉及國家安全問題。美國國會此次調查，顯示華府正試圖建立新的監管框架，避免美國企業在追求AI效率時，忽略潛在安全風險。
分析人士指出，未來類似事件可能持續增加。隨著中國AI模型能力提升，美國企業、金融機構甚至政府承包商，都可能面臨「是否使用中國AI工具」的政策壓力。
DoorDash目前尚未被美國政府認定違法，國會調查仍處於資訊蒐集階段。後續重點將在於，公司使用Kimi模型的範圍、是否涉及敏感資料，以及相關資安防護措施是否足以降低風險。
