本文提出“硅之凝视”这一概念，用以解释大型语言模型（LLM）如何再现并放大由来已久的空间不平等。基于对 ChatGPT 的2030万次查询审计，我们绘制了模型在对国家、州、省、市与社区等尺度的表征上所表现出的系统性偏见。由此我们主张，偏见并非可被简单纠正的异常，而是生成式人工智能的内在特征，其根源在于历史上不均衡的数据生态与设计选择。在一种关注权力、强调关系性的分析框架上，我们提出一个由五部分构成的偏见类型学（可得性偏见、模式偏见、均值化偏见、陈套偏见与代理偏见），以解释LLM如何以复杂方式优待某些地方，同时使其他地方隐形化。