今年2月，Anthropic发布了一份措辞严厉的“详细报告”，矛头直指DeepSeek、月之暗面和MiniMax三家公司，指控它们对Claude模型发动了大规模的“蒸馏攻击”。报告中列举了诸多细节：2.4万个虚假账户、1600万次交互，并通过商业代理绕过地域限制，将Claude的输出用于训练自家模型。
Anthropic的CEO Dario Amodei态度强硬，将此事定性为“协调性的知识产权盗窃”。当时，我也写过一篇回应文章，题为《没见过Anthropic这么虚伪的》。
这番言论引来了“吃瓜群众”马斯克的点评，他在X上留下一句金句：“你偷来的东西被偷了。”这句话直指问题的核心：Anthropic等大模型本身，不就是用互联网上的公开数据训练出来的吗？那些数据的原始创作者，又是否获得了报酬呢？
这背后，是一个在技术圈和法律界都争论不休的根本问题：模型蒸馏，到底算不算“偷”？
最新的动向：巨头联手设防
最近有消息传出，OpenAI、Anthropic和谷歌这AI领域的“御三家”，正在达成一项罕见的合作共识。它们计划组建一个专项联盟，目标直指针对自家头部大模型的蒸馏行为。
这个联盟打算通过一系列技术手段进行封堵，包括但不限于输出水印、请求风险控制、行为溯源以及跨平台数据共享。更深层次的目标，是推动全球范围内的技术产权界定，试图将未授权的模型蒸馏纳入技术窃取的范畴。
在深入讨论这个复杂的伦理与法律迷宫之前，我们不妨先看一组对比强烈的数字。
根据研究机构EpochAI的数据，OpenAI在2024年仅研发相关的算力支出就高达约50亿美元。而这笔巨资中，最终用于模型训练环节的算力可能只占10%左右，其余大部分都烧在了反复的实验、参数调优以及各种失败的尝试上。
50亿美元的代价，换来的是GPT系列模型当前公认的能力天花板。
那么，在2025年引爆全球AI圈、让开源模型扬眉吐气的DeepSeek R1，其最终训练成本是多少呢？公开报道的数字，大约是560万美元。
当然，这个数字本身存在“水分”，DeepSeek的实际投入——包括硬件采购、前期研发、团队人力成本等——远不止这些。但这个对比带来的冲击力是巨大的：一个烧了50亿美元铸就的成果，另一个可能仅用其千分之一的成本就“学会”了其大半能力。
这也就不难理解，为何后来会出现微软和OpenAI联手调查DeepSeek是否“不当蒸馏”ChatGPT的新闻。当时，许多旁观者对此嗤之以鼻：一个因闭源和收费而被戏称为“CloseAI”的公司，去指责一个开源且免费的竞争者，场面怎么看都显得有些“双标”。
商业逻辑与“蒸馏”悖论
让我们暂且把“道德”、“公平”这些宏大的词汇放在一边，先从一个简单的商业逻辑来审视这件事。
OpenAI曾透露其目标是，在2030年前于算力上投入总计600亿美元。整个前沿AI行业的商业模型，其实建立在一个核心假设之上：谁投入最多的资金，做出最顶尖的模型，谁就能收取最昂贵的API费用，从而回收天价的研发成本。
而模型蒸馏技术，几乎把这个核心假设给“蒸馏”掉了。
必须承认，知识蒸馏（Knowledge Distillation）本身并非什么新奇或邪恶的技术。早在十多年前，图灵奖得主Geoffrey Hinton教授就提出了这一概念，其核心思想是利用大模型（教师模型）的输出或中间特征，来指导训练一个更小、更高效的模型（学生模型）。这在学术界和工业界都是一种提升模型效率的常规技术手段。换句话说，“沙克也干了”，大家最初都在同一条起跑线上。
那么，蒸馏到底算不算偷？这个问题之所以让人
抠脑壳，就在于你从任何一个角度出发，似乎都能找到支撑的理由。
指控方Anthropic的态度就非常微妙。一方面，它在报告中频繁使用“盗窃”这样的定性词汇；另一方面，它又在公开表态中承认，“前沿AI实验室常规性地会蒸馏自己的模型”。看明白了吗？问题的关键或许不在于“蒸馏”这个行为本身，而在于“你（竞争对手）蒸馏了‘我的’模型”。
但紧接着另一个灵魂拷问就来了：你的模型又是用什么训练出来的呢？无非是互联网上浩如烟海的公开文本、代码、图片、论文。这些数据的原始创作者，是否都签署了明确的授权协议？《纽约时报》正在起诉OpenAI，Getty Images曾起诉过Stability AI，Reddit为了数据授权费与谷歌进行了多轮拉锯战……大模型训练的数据源头本身，就处于法律的灰色地带。
法律界对此同样没有共识。南洋理工大学的Erik Cambria教授给出了一个相对中肯的判断：“合法使用与对抗性利用之间的边界往往是模糊的。”国内的专业法律分析也倾向于认为，Anthropic的指控在现行法律框架下“站不太住”。通过公开API访问模型并获取其输出，与法律意义上的“盗窃商业秘密”行为，在构成要件上相差甚远。
Anthropic显然也清楚这一点。因此，它的策略并非立刻诉诸法庭（事实上至今也未提起正式诉讼），而是转向了舆论战和政策游说。先发布报告，在舆论场上将竞争对手的行为定性为“盗窃”；再以此为基础，推动政策制定者按照这个定性来设立新的规则。
不得不承认，这是一招聪明的棋。与其在现有法律框架下打一场胜负难料的官司，不如直接推动建立一部新法，将“未经授权的模型蒸馏”直接定义为非法行为。谁掌握了规则的定义权，谁就掌握了未来的主动权。
真正的战场：规则制定权
技术层面的反制措施，无论是输出水印、流量异常检测，还是用户行为识别，说实话都是“防君子不防小人”的手段。你给输出加水印，对方在训练数据预处理阶段加一个去噪步骤就可能破解；你监测异常流量，对方可以用更分散的代理池来模拟正常访问。这些措施确实提高了蒸馏的技术门槛和成本，但要说能彻底防住，恐怕是痴人说梦。
真正的“杀招”，潜藏在政策与规则层面。
2026年3月，美国人工智能政策研究机构IAPS发布了一份重磅报告，标题直白而犀利：《AI蒸馏攻击：定向政府干预的理由》。这份报告勾勒出了一个多层次、系统性的围堵策略：
第一层，动用“实体清单”。建议将DeepSeek、月之暗面、MiniMax等公司列入美国商务部实体清单。一旦上榜，依据《出口管理条例》，所有涉及AI模型开发和部署的关键技术与器件（如高端GPU）对清单实体的出口都将需要许可证，且审批政策默认倾向“拒绝”。更厉害的是其“关联规则”：被列入清单的实体，其持股超过50%的关联公司也将自动受到同等限制。
第二层，启用《保护美国知识产权法》。这部法案的制裁力度远超实体清单。一旦美国总统认定某外国实体参与了“重大商业秘密盗窃”并威胁其国家安全，就必须从12项严厉制裁措施中至少选择5项实施，包括对指定个人的全面资产冻结。该法案的打击范围甚至可以延伸到“提供重大财务、物资或技术支持的实体”，通俗讲，就是为这些公司提供API访问代理服务的中间商也可能被株连。
第三层，建立行业标准。建议由美国国家标准与技术研究院牵头，制定一套“AI蒸馏防御框架”，将反蒸馏措施从访问控制、检测监控到应急响应全链条规范化，使之成为行业内的“最佳实践”乃至强制标准。
看懂其中的门道了吗？实体清单负责卡住技术获取的脖子，PAIP法案负责实施精准的经济制裁，NIST框架则负责建立全球通行的行业话语权。三层防御，环环相扣，其核心目标只有一个：在规则层面，将“蒸馏他人前沿模型”定义为非法的、必然招致制裁的、代价高昂的行为。
这让我联想到两个历史先例。一个是DVD的区域码限制，技术上毫无必要，却通过行业标准与法律框架，硬生生将全球市场切割成数块。另一个是SWIFT国际结算系统，表面上是中立的金融通信协议，实则成为具有战略威力的工具，谁被排除在外，谁就几乎与国际金融体系绝缘。
技术标准的背后，永远是规则制定的话语权。 今天，定义“非法蒸馏”的边界，是为了保护巨头们数十亿美元的研发投入；明天，这套“反蒸馏”规则就可能演变为一把筛选器，直接决定全球哪些玩家有资格使用、发展前沿的AI能力，而哪些玩家将被排除在下一代竞争之外。
近期，Anthropic的新模型Mythos引发热议，据称其能力强大到不便直接公开发布，而是优先供给美国本土的AI公司使用，以增强其“防守”能力。这表面上是一场技术竞赛，但我看到的，更像是一盘旨在系统性强化美国AI行业整体竞争力、甚至可能剑指其他地区AI发展的“阳谋”。
对于国内乃至其他地区的AI从业者而言，时间窗口或许正在收窄。我们由衷地期待，在云栈社区这样的技术交流平台上，能涌现出更多像DeepSeek一样敢于创新、突破封锁的团队和项目，在技术与规则的双重博弈中，找到属于自己的发展之路。
发表于 3 小时前
|
查看: 3|
回复: 0
