AI蒸馏，到底是学习还是偷窃？

来源：市场资讯

（来源：石臻说AI）

石臻说AI

编辑：石臻

导读： 黄仁勋的第一条 X 没有介绍新品。他发布了一封由 25 家机构签署的开放权重宣言，马斯克、纳德拉和扎克伯格随后表态支持。争议落在联名信第三页的一个问题上：AI 用另一台 AI 的输出训练自己，到底是在学习，还是在偷窃？

蒸馏本来就是一种学习

模型蒸馏并不神秘。通常是让能力更强、成本更高的“教师模型”生成答案、评分或反馈，再让较小的“学生模型”学习这些规律。学生模型不必复制教师的全部参数，也能在特定任务上接近它的表现。

这项技术早已进入日常开发。模型公司会用自己的大模型训练更便宜的小模型，团队也会在获得许可后，把通用模型压缩成适合代码、客服或端侧设备的专用模型。Anthropic 在批评“蒸馏攻击”的官方文章里，也承认 蒸馏是广泛使用的合法训练方法。

黄仁勋在 Axios 的采访中把话说得更直接。他认为，人类一直在互相学习，AI 也得从某些东西里学习。早期模型学习了互联网上的人类内容；随着 AI 生成内容增加，模型向其他模型学习会越来越常见。

他还预测，几年后互联网内容可能有 99% 由 AI 生成。这个数字没有证据能证明会按时发生，但它点出了一个现实问题：如果所有模型都不能学习其他模型的输出，未来的训练数据会越来越难划线。

黄仁勋在 Axios 采访中强调，应把模型学习与隐私、合同问题分开

什么时候，学习越过了线

判断蒸馏是否合规，要先看 输出怎么拿到，随后又被 拿去做了什么。

情况

常见做法

主要问题

自有或明确授权

用自家大模型训练小模型，或取得教师模型许可

正常模型开发

按规则使用 API

在服务条款允许范围内调用输出做评测或训练

取决于许可证和合同

规避访问限制

使用虚假账户、代理网络或自动切换入口，大规模获取输出

可能违反合同、地区限制或访问规则

定向提取能力

针对推理、代码、工具调用等能力反复生成训练数据

可能涉及商业秘密、知识产权与不正当竞争

Anthropic 今年 2 月公开指控 DeepSeek、Moonshot 和 MiniMax 通过约 2.4 万个虚假账户，与 Claude 发生超过 1600 万次交互。其中，Anthropic 称 Moonshot 相关交互超过 340 万次，目标包括智能体推理、代码、数据分析和计算机操作。

这些数字来自 Anthropic。公开材料里仍没有足够信息让外部读者复核完整链路，当前也没有找到 Moonshot 对这轮指控的正式回应。因此，准确的写法只能是“Anthropic 指控”，不能直接写成已经坐实的盗窃。

美国政府也在尝试画这条线。白宫科技顾问 Michael Kratsios 认可合法蒸馏对开放创新的作用，但把虚假账户、规避检测和大规模能力提取称为“隐蔽的工业化蒸馏”。美国财政部长 Scott Bessent 则威胁对跨越知识产权边界的中国公司实施制裁。

黄仁勋并没有说合同可以不管。他在视频后半段明确表示，AI 不能侵犯隐私，也不能违反服务协议。争议落在处理方式上：让合同和现有法律逐案解决，还是提前扩大成对开放权重模型的整体限制。

模型蒸馏的技术流程，与授权、访问和用途三道边界

25 家机构为什么此时联名

我更在意的是这封信的签署名单。里面有 NVIDIA、Dell，也有微软、IBM、ServiceNow；还有 Meta、Mistral、Hugging Face、Black Forest Labs，以及 Perplexity、Replit、a16z 和 Y Combinator。

这里说的“开放权重”，主要是模型参数可以下载、检查、修改和自行部署。它不保证训练数据、训练代码和完整配方都公开，和完整开源不是一回事。

硬件公司希望更多模型被训练和部署，云平台希望托管更多选择，应用公司不愿被单一 API 锁住。开放权重让企业可以把模型下载到自己的基础设施，控制数据、微调方式和部署位置。这些商业利益很具体，也不需要回避。

OpenAI、Anthropic 和 Google 没有出现在签署名单中。未签署不等于反对一切开放模型，但闭源前沿实验室的顾虑同样真实：权重一旦发布，很难撤回；安全限制可以被移除；危险能力也可能更快扩散。

两边都在保护自己认为最重要的东西。开放阵营担心安全规则变成市场护城河，闭源实验室担心能力失控。联名信自己的表述反而很克制：世界既需要前沿闭源模型，也需要前沿开放模型。

蒸馏本身是一种学习方法，不等于偷窃。是否越界，要看有没有授权、如何获得访问、是否规避限制、提取规模和用途，以及有没有触碰受保护的信息。反过来，“AI 需要学习”也不能自动免除合同、隐私和知识产权责任。