三大中国大模型公司卷入蒸馏事件，律师：Anthropic的指控不成立！

既没有黑客入侵，也没有窃取OpenAI或Anthropic内部的核心参数、底层代码或算法逻辑。将这种公开获取数据的行为认定为不正当手段，在法律上非常牵强。

文｜李昀锴 天元律师事务所合伙人

编辑｜晓静

近日，美国AI初创公司Anthropic突然向中国大模型企业发难，指控包括DeepSeek等在内的三家中国企业，通过约24000个账户与其旗下模型Claude进行了超过1600万次交互，涉嫌通过蒸馏技术窃取Claude的功能以改进自身模型。这一指控在社交网络上引发轩然大波，甚至引来首富埃隆·马斯克的辛辣嘲讽“他们竟敢‘偷窃’Anthropic从人类程序员那里偷走的东西？”

这一新闻事件极具戏剧性与讽刺性，作为专业人士，我们不妨适当剥离情绪化的争论，从法律视角探讨数据蒸馏的法律风险，审视Anthropic本次指控的法理困境及矛盾，探寻其隐藏在“正当维权”大旗下的真实目的。

01 大模型蒸馏的法律问题

在探讨法律适用之前，我们必须先厘清技术事实。所谓蒸馏（Distillation），通俗来讲，就是用一个已经训练好的、能力强大的大模型（又称“教师模型”，如GPT-5或Gemini 3.1）的输出结果，作为教材来训练一个体积更小、但效率更高的小模型（又称“学生模型”）。这种方法能够以极低的成本和极短的时间，让小模型获得接近大模型的能力。

正如网络梗图所言，“不要问女人的年龄，不要问男人的薪水，不要问AI公司的训练数据从哪里来。”在当前的人工智能行业，蒸馏或者说利用他方模型的输出进行二次微调，几乎是行业内公开的秘密与常规操作。学术界普遍认为，蒸馏本身并无天然的违法性，大家相互借鉴经验，对于不公布代码的闭源模型而言，通过指令微调来学习其黑盒经验是一种正常的技术迭代手段。

从知识产权角度来看，这种行为不可避免地触及多项法律权利。首先，在著作权法层面，如果教师模型的输出内容被视为受保护的作品，那么学生模型对其进行的大规模抓取和分析，理论上可能会引发关于数据复制或改编的合规性疑问。

其次是商业秘密层面的考量。教师模型的算法逻辑与概率分布若被视为核心机密，通过API调用进行规律推导的行为，将涉嫌对商业秘密的刺探。

最后，在反不正当竞争与合同合规方面，利用大量账户规避区域限制并提取知识，涉嫌违反平台服务条款，也可能存在有违商业伦理的搭便车嫌疑。这些理论风险，构成了Anthropic等西方科技巨头向后来者发难的法理外衣。

02 AI生成内容的维权困境

尽管上述理论风险客观存在，但结合现行的知识产权原则与行业实践来看，将蒸馏行为直接等同于著作权侵权，在逻辑上可能面临很多挑战。

其一，人工智能生成内容的权利归属通常较为复杂。根据中美两国的著作权法及近年的司法实践，构成作品的核心要件是人类的智力创造。美国版权局在此前多起涉及AI生成图片的注册申请中，均明确拒绝了对纯AI生成内容给予版权保护；中国北京互联网法院在“AI文生图第一案”中虽然认定特定情况下AI生成图片具有可版权性，但其前提是人类用户在提示词输入上付出了极其显著的智力劳动，最近的其他法院对该等标准也把握较为严格。

中国大模型企业通过API或网页调用Claude产生的数据，本质上是机器算法的概率性输出。Anthropic作为模型的开发者，并没有对这些具体输出内容进行直接的人类智力干预。既然这些输出结果缺乏人类作者身份，它们就无法达到可版权性的标准，大概率属于公共领域的产物。既然部分模型输出的内容未必构成法定作品，平台方基于此主张版权受损的阻力便会增大。

其二，行业内普遍存在的用户协议条款也可能限制了平台方的维权空间。许多大模型服务商（包括业内头部的OpenAI等）在其用户协议中通常会约定，平台不对用户的输入主张所有权，且将模型输出内容的权益转移给用户。

目前，Anthropic在消费者服务协议（Consumer Terms of Service）中明确载明，在双方之间，用户拥有所有输入（Prompts）和输出（Outputs）的内容。Anthropic特此将输出内容的所有权利、所有权和利益（如果有的话）转让给用户。在这种行业规则下，用户获得了对输出内容的支配权，平台若再以知识产权为由限制用户对输出结果的使用（包括用于训练新模型），在法理上可能存在争议。

其三，基于思想与表达二分法原则，版权通常只保护对思想的具体表达，而不保护思想、方法或概念本身。在知识蒸馏中，学生模型学习的软标签、算法规律与推理链条，更倾向于认知系统的构建原理，属于不受保护的思想范畴 。蒸馏行为更像是在拜师学习，而非抄袭。同时，为了提取数据特征而产生的临时性数据处理，通常旨在挖掘规律，这在很大程度上契合了促进技术发展的转换性使用原则，或许多国家设立的文本与数据挖掘合理使用例外 。

03 商业秘密及不正当竞争侵权分析

在商业秘密和不正当竞争的维度上，知识蒸馏的合理性同样值得探讨。商业秘密的保护前提是信息具有一定的秘密性。但API接口和网页对话框是平台向大众公开的，第三方通过公开的接口合法输入提示词并获取输出，既没有黑客入侵，也没有窃取OpenAI或Anthropic内部的核心参数、底层代码或算法逻辑。将这种公开获取数据的行为认定为不正当手段，在法律上非常牵强。

搭便车和不正当竞争的指控，是Anthropic最可能发力的法律维度。我们必须认识到，反不正当竞争法的核心价值在于保护公平自由的市场竞争秩序，而非保护某一个特定竞争者的既得利益。在竞争法视野中，搭便车行为并非一律违法，模仿本身是技术创新的必经阶段。判断某项模仿行为是否构成不正当竞争的关键，在于模仿者是否通过创造性的劳动带来了重大的技术增量，并在客观上拓展了公众的选择空间。

以被卷入此次风波的DeepSeek为例，其模型的成功绝非对先进模型的简单同质化复刻或不劳而获。公开资料显示，DeepSeek在模型架构与训练方法上进行了大量独立且底层的颠覆性创新。例如，其采用了极大规模的混合专家模型（MoE）、独创的多头潜在注意力机制（MLA），并在罕见地应用了纯强化学习（RL）算法来动态调整模型参数，这些创新提升了模型的推理能力并降低了训练成本。这种为人工智能技术演进贡献了非线性创新增量与技术路线互补性的行为，显然超越了单纯搭便车的范畴，属于正当的市场竞争行为。

虽然其他平台服务条款中可能包含禁止反向工程等限制性规定，但如果掌握技术优势的企业借此绝对禁止他人对其公开产品进行规律性分析，可能会不当压缩技术交流的公共空间，甚至引发关于限制竞争的怀疑，反而应当受到反垄断法的严厉规制。

04 侵权事实的证明障碍

从法律实务的维度剖析，Anthropic在本次指控实践中面临着几乎难以完成的举证责任。

首先，高频次的系统调用记录并不能直接等同于侵权证据。Anthropic宣称的1600万次交互，客观上描述了数据调用量级，但无法直接证明DeepSeek、Moonshot等企业实质性地利用了从这些交互中获取的特定知识，并将其直接用于了自家大模型的底层训练之中。

在法律意义上，相关调用记录无法形成有效因果关系，高频次的交互既可能是为了常规的复杂业务应用测试，也可能是为了构建开源数据集，没有任何直接且有效的技术手段能够确凿证明，DeepSeek等企业将这些具体的交互数据实质性地喂给了其基础模型的训练引擎并构成了所谓的蒸馏。

其次，是当前互联网普遍存在的数据污染现象。大模型在预训练阶段通常会广泛抓取公开网页数据 。而如今的互联网上已经包含了大量由各种先进AI生成的文本和答案。后来者的模型在吸收这些公开数据时，不可避免地会间接受益于前沿模型的知识。这种并非出于主观故意的被动吸收，使得区分恶意蒸馏与常规数据训练变得异常困难。

模型蒸馏作为推动人工智能向高效化、轻量化发展的有效路径，其本身是具有技术合理性的创新手段，无需也不应受到不合理的法律过度限制。综合Anthropic的侵权指控，其将面临权利基础薄弱、合理使用抗辩、以及严苛举证责任的多重困境，其法理根基是非常脆弱的。

剥开法律与技术的层层外衣，我们不难推断，为了打压中国的新型竞争对手并维持高昂的资本估值，Anthropic不惜将纯粹的技术竞争强行上升到国家安全问题，以迎合美国现政府的政策口径，以此换取更宽松的监管环境以及持续不断的政府订单输血。

透视Anthropic此次高调的指控，我们更应警惕其中潜藏的双重标准：硅谷的科技巨头们最初赖以起家的基座模型，正是建立在未经授权、大规模抓取互联网公开数据的基础之上；而如今，当它们形成了事实上的技术垄断后，却试图通过一纸的用户协议关上大门，将后来者合法的蒸馏学习污名化为偷窃。正如埃隆·马斯克所嘲讽的那样，这种“只许硅谷偷数据，不许中国做蒸馏”的做法，其实质是打着保护知识产权的幌子，行技术霸权与数字垄断之实。