核心导读：2013年棱镜门曝光，2016年巴拿马文件落地，两批文件至今仍未被完整消化。不是因为内容不够爆炸，而是处理能力始终是天花板。十年后，AI工具链已经面目全非——但文件访问权本身，依然是一道政治锁。
两批文件的物理本质
先把两者从根源上区分开。
棱镜门（2013）：斯诺登从NSA带走约150万份机密文件。格林沃尔德等记者当年的处理方式是人工筛选加PGP加密传递，整个披露过程历时数年——而实际公开的，不足总量的1%。文件格式混杂：幻灯片、内部备忘录、wiki截图、电子邮件导出包，没有统一的数据结构可言。
巴拿马文件（2016）：莫萨克·冯塞卡律师事务所泄出2.6TB数据，约1150万份文件，横跨40年、涉及40个离岸司法管辖区的客户档案。ICIJ（国际调查记者同盟）调动400余名记者、覆盖80个国家，花了将近一年才完成基础处理。
这是性质截然不同的两批材料：一批是国家情报机器的内部运作记录，核心价值在于技术情报体系的架构暴露；另一批是商业律所的业务档案，核心价值在于离岸金融网络的产权穿透。处理逻辑、法律风险、再分析价值——三者都不一样。
2016年的技术天花板 vs 2025年的工具链
当年ICIJ处理巴拿马文件时，已经算相当激进：Apache Solr 搜索引擎 + Neo4j 图数据库，这是那个年代的天花板配置。记者们仍然要人工阅读、人工建立关联图谱、用 Excel 追踪实体链条。
今天的工具链与那时已经不在同一维度：
| 维度 | 2013—2016年处理方式 | 2025年AI工具能力 |
|---|
| 文件解析 | 人工阅读，基础OCR识别 | 多模态LLM可直读PDF/图片，含手写体识别 |
| 实体关联 | 记者手动建图谱，Excel维护 | GraphRAG + 自动实体抽取，图谱自动生成 |
| 跨语言处理 | 人工翻译，慢且昂贵 | GPT-4o / Claude可批量翻译法律文书 |
| 模式发现 | 依赖记者直觉与领域经验 | 向量数据库 + 语义搜索，可发现低频隐藏关联 |
| 文件分类 | 人工标注，极度耗时 | 微调分类器，分钟级处理数万份文件 |
光看这张表，结论似乎很乐观。但问题从来不在工具这一层。
AI能做什么，做不到什么
已公开数据的再挖掘——这部分完全可行
巴拿马文件的部分结构化数据，ICIJ已开放查询接口（offshoreleaks.icij.org）；斯诺登文件的已披露部分散落在 The Intercept 等媒体。这批公开数据完全可以用现有AI工具做深度再分析：
- 用RAG（检索增强生成）构建本地文件问答系统
- 用命名实体识别批量抽取人名、公司名、账户编号
- 用图谱分析识别隐藏的多跳关联路径
斯坦福、MIT已有研究团队在做类似工作，从已公开的文件碎片里重新挖掘出若干当年记者未能追踪到的关联链条。
方法论迁移价值——这才是真正的遗产
这两批文件催生了”文件驱动调查新闻”的整套方法论。AI时代这套方法论已在主流调查机构落地：
- OCCRP（有组织犯罪与腐败报告项目）目前用LLM辅助处理日常文件线索
- ICIJ在潘多拉文件（2021）与 Suisse Secrets（2022）处理中已集成LLM辅助翻译与实体标注
- EU DisinfoLab 使用AI追踪文件真实性与来源链
结构性瓶颈——仍然绕不过去
技术可行，不等于信息可获取。卡在这里的，是三道真实的锁：
第一道：斯诺登文件的访问权从未开放。 149万份的绝大多数至今仍在格林沃尔德个人的加密硬盘里，声称要写书整理，但十年过去进展有限。文件访问权本身，是政治博弈的筹码，不是技术问题。
第二道：巴拿马文件的开放比例极低。 2.6TB原始数据中，只有约8%以结构化数据库形式对外开放，其余涉及具体个人的隐私部分仍由ICIJ内部管理，供认证记者在保密协议下使用。
第三道：法律风险是实质性障碍。 在AI系统中处理含有真实个人姓名、财务账户的泄露文件，在欧盟属于GDPR高风险数据处理范畴，在美国存在接受窃取财产的法律灰地带。主流商业AI服务提供商不会为此类需求开放处理接口。
一个更实际的判断
AI真正改变的，不是这两批历史文件的可分析性，而是下一批泄露事件的处理速度与深度。
2013年棱镜门，格林沃尔德从拿到文件到发出第一篇报道花了数周。2016年巴拿马文件从接收数据到发布花了将近一年。如果同等体量的文件今天落地，配备现代AI工具链的调查团队，处理周期大概率压缩到几周以内。
实体关联的自动化、多语言文件的批量翻译、异常模式的语义检索——这三个能力的组合，把调查记者从”大海捞针”的体力活，推向聚焦于判断与核实的认知工作。
账目对不上的关联，人工时代藏在2.6TB数据的第四层离岸壳公司里，靠运气和直觉碰到。AI时代，这类关联在语义层面会自动浮出——前提是，你有权访问那份数据。
这才是这道门真正的门槛所在。
