AI三巨头联手打击“蒸馏”：护城河焦虑，还是安全防卫？

背景：从竞争到合作的戏剧性转变

OpenAI、Anthropic、谷歌这三家长期处于竞争关系的AI头部企业，近期却在打击“对抗性蒸馏”问题上形成统一战线。它们通过“前沿模型论坛”（Frontier Model Forum）这一行业自律组织共享信息，意图遏制一些新兴公司可能进行的“蒸馏”行为。所谓蒸馏，指的是通过大量调用大模型API，采集其输出数据，用以训练更轻量、更低成本的模型，从而实现“复制”能力的目的。

这次事件的起因是Anthropic发布的一份报告，指出有迹象表明部分流量与中国的DeepSeek、MiniMax和月之暗面等公司相关，指控其进行了超过1600万次的对抗性交互。尽管这些公司回应称其行为属于行业普遍做法，但围绕“蒸馏”的争议已经引发了更广泛的技术、商业与监管讨论。

事件详情：对抗性交互与“蒸馏”指控

Anthropic在报告中将“对抗性交互”定义为高频、自动化的API调用行为，意图诱导模型输出特定内容，可能包括绕过安全机制、提取模型能力或大规模采集输出数据。然而，其指控将这些交互直接等同于“蓄意蒸馏”，这在技术界和法律界引发争议。

• 交互 ≠ 蒸馏
  对抗性交互只是行为特征，不能直接推导出其用于模型蒸馏。被指控方完全可能是进行模型能力测试、安全研究或学术分析。

• 服务条款模糊
  不同大厂的API服务条款差异较大。有些明确禁止将输出数据用于训练，有些则留有灰色地带。这种条款上的不确定性也为指控带来争议。

• 技术合理性待证
  蒸馏是否真的能有效复制模型的安全对齐机制和复杂能力，仍然存在疑问。例如，对齐能力（如拒绝生成有害内容）往往来自强化学习和人工反馈机制，仅靠API调用难以复制。

动机剖析：安全外衣下的护城河焦虑

尽管美国AI巨头将这次行动定义为“安全防卫”，但其背后更深层的动因是商业模式和技术壁垒的动摇。

• 安全对齐的高投入
  Anthropic花费数千万美元进行“宪法AI”训练，OpenAI也组建了超过百人的RLHF团队。如果这些安全机制能被低成本绕过，其技术护城河将被削弱。

• 经济利益的冲击
  据美国官员估算，未经授权的蒸馏每年给硅谷实验室带来数十亿美元的损失。如果竞争对手能用1%的成本复制80%的能力，大厂的定价权和市场份额都将面临压力。

• 叙事竞争的需要
  蒸馏行为威胁到“技术领先”的核心叙事。而这种叙事是支撑其高估值、高融资能力的重要依据。

因此，这场联合行动的本质，是利用“安全”作为切入点，维护其在技术、市场和法律上的主导地位。

被指控方回应：技术合理与证据不足

面对指控，被指涉及对抗性交互的DeepSeek、MiniMax和月之暗面等公司均作出回应，强调其行为符合行业惯例，并质疑指控方证据链不完整。

• API调用的普遍性
  多数开发者、企业和研究机构都会通过自动化方式调用API进行模型测试、能力评估或研究分析。仅凭调用频率和模式就定性为蒸馏，逻辑上不够严谨。

• 开源模型的正当性
  开源模型本就鼓励社区调用和使用。只要不用于商业性蒸馏训练，这种行为应被视为正常技术流程。

• 学术审查的背书
  例如，DeepSeek的R1论文曾通过《Nature》同行评审，历时7个月、由8位专家审核，内容中未涉及合成数据。若其模型真依赖蒸馏，很难通过如此严格的学术审查。

因此，被指控方认为，这次行动存在“扩大化打击”的嫌疑，可能借安全之名，行竞争之实。

技术现实：蒸馏的能力边界

蒸馏技术虽然在一定程度上可以复制模型的部分知识，但其在复制“安全对齐”等深层能力方面存在明显局限。

• 知识蒸馏类似于“抄作业”，学习的是模型的表层知识和输出模式。
• 指令蒸馏尝试模仿模型的指令响应逻辑，但复杂任务处理能力难以复制。
• 对齐蒸馏则是试图“复制价值观”，例如安全护栏、拒绝生成危险内容的能力。但这些能力是经过RLHF、宪法AI等深度训练形成的，单纯靠API输出无法还原。

技术专家指出，虽然蒸馏确实能降低部分能力复制的门槛，但对大厂核心能力的威胁被高估了。安全与对齐机制具有高度路径依赖，无法被轻易蒸馏。

监管背景：政策博弈下的时机选择

这次指控的时机，也颇具战略意味。

• 美国监管趋严
  2026年是美国AI监管的关键节点。科罗拉多州AI法案即将生效，加州的透明度法案已开始实施，NIST的风险管理框架正成为联邦合同的准入标准。

• Anthropic与国防部的谈判背景
  有消息称，Anthropic当时正与美国国防部就一笔近2亿美元的订单进行谈判。将蒸馏定义为“攻击行为”，有助于其争取政策支持和政府信任。

• “前沿模型论坛”的作用
  该论坛由OpenAI、Anthropic、谷歌和微软于2023年成立，表面上是行业自律组织，实则构成了一个“闭源联盟”。通过联合发声而非单独诉讼，巨头们既能降低法律风险，又能放大舆论影响。

中美AI模式之争：开源 vs 闭源的深层冲突

这次事件也暴露了中美AI发展路径的根本差异。

美国模式的可复制性更高，因此更容易受到蒸馏行为的影响；而中国模式强调场景适配和商业闭环，蒸馏复制成本更高，威胁也更有限。这种结构性差异使得中美在AI监管和治理理念上存在根本分歧。

开源安全治理的盲区

尽管开源模型在推动技术创新方面发挥了积极作用，但其在安全治理方面确实存在短板。

• 滥用风险更高
  据斯坦福大学2025年数据，开源模型在虚假信息生成、深度伪造和越狱攻击中的使用比例是闭源API的3-5倍。

• 典型案例
  2025年曾有一开源模型被犯罪团伙用于批量生成诈骗视频，涉案金额高达2亿元，凸显出缺乏安全护栏的隐患。

• 治理路径待探索
  Anthropic等大厂借安全之名打击蒸馏固然有其商业动机，但开源社区也应正视安全治理缺失的问题。未来行业需要在开放与安全之间找到平衡。

未来趋势：混合生态或成主流

当前AI生态正在向“混合路径”演化：

• “权重开源 + 商业闭源”
  基础模型权重可以开放，但关键的对齐层、安全层、服务层保持闭源。例如Meta的Llama、阿里的Qwen均采取类似策略。

• 智谱模式验证成功
  智谱AI通过开源模型降低获客成本，再通过商业化版本（如GLM-4 Pro）实现盈利，成为混合生态的先行者。

• 生态分层将成主流
  未来AI的发展路径可能是：基础模型百花齐放（开源），安全与对齐形成行业标准（多方参与），应用层充分竞争（商业化落地）。

这并不是一场“封闭 vs 开放”的零和博弈，而是谁能更有效地在安全、开放与创新之间找到最佳平衡点。

结语：护城河与安全的双重博弈

此次AI三巨头联手打击蒸馏的行为，表面上是为了防止安全机制被剥离，实质上也反映出其在技术扩散加速背景下的护城河焦虑。当开源模型能够以极低成本逼近闭源模型的性能时，传统大厂的商业模式和技术优势就面临重构压力。

与此同时，开源阵营也需正视安全治理的问题，不能以“开放”为名回避责任。未来AI的发展，将更可能走向一个混合生态：开放基础模型、标准化安全机制、商业化场景能力。

在技术与政策、商业与伦理、开放与封闭之间找到动态平衡，才是推动AI长期健康发展的关键。