本文提出「矽之凝視」這一概念，用以解釋大型語言模型（LLM）如何再現並放大由來已久的空間不平等。基於對 ChatGPT 的2030萬次查詢審計，我們繪製了模型在對國家、州、省、市與社區等尺度的表徵上所表現出的系統性偏見。由此我們主張，偏見並非可被簡單糾正的異常，而是生成式人工智慧的內在特徵，其根源在於歷史上不均衡的資料生態與設計選擇。在一種關注權力、強調關係性的分析框架上，我們提出一個由五部分構成的偏見類型學（可得性偏見、模式偏見、均值化偏見、陳套偏見與代理偏見），以解釋LLM如何以複雜方式優待某些地方，同時使其他地方隱形化。