白宫对AI提炼划定界限，OpenAI与Anthropic指责中国实验室
OSTP备忘录称合法的提炼“至关重要”，但将“工业”努力获取专有信息标记为“不可接受”。
AI模型蒸馏是一种通过模仿更大模型来训练更小模型的技术，正被卷入美中之间关于谁能获得前沿能力的廉价访问的竞争中。OpenAI和Anthropic指控多个中国实验室进行非法蒸馏，因为白宫表示希望将“合法”使用与旨在削弱美国研发的“工业”复制区分开来。
关键要点
- 知识蒸馏训练一个较小的“学生”模型来模仿一个较大的“教师”模型，跳过从头学习中最计算密集的部分。
- OpenAI指控DeepSeek蒸馏了ChatGPT背后的模型，此前DeepSeek发布了其R1模型。
- Anthropic随后指控DeepSeek、Moonshot和MiniMax蒸馏Claude，并表示阿里巴巴在6月“非法”使用Claude进行蒸馏。
- 白宫OSTP在4月的一份备忘录中称合法的蒸馏是AI生态系统的“重要组成部分”，同时警告称“工业”蒸馏以获取专有信息是“不可接受的”。
蒸馏从成本黑客转变为地缘政治焦点
模型蒸馏曾被视为一个纯粹的效率故事。你拿一个大型、昂贵的“旗舰”模型，然后训练一个较小的模型来模仿它，这样你就得到了一个运行成本更低、部署更容易的模型。
现在它被视为一个具有地缘政治边缘的模型访问争端。直接的触发因素是OpenAI和Anthropic对中国实验室蒸馏美国制造模型的指控，以及白宫试图祝福一种蒸馏类别同时威胁另一种的姿态。
对于市场而言，这种摩擦是直接的。如果“廉价前沿”叙述建立在能力可以在不支付全部训练费用的情况下复制的想法上，那么来源和访问就成为成本曲线的一部分。一旦政策开始根据意图对蒸馏进行分类，风险就从“能否做到”转变为“谁可以在没有后果的情况下做到”。
知识蒸馏的工作原理：教师/学生模型和“软标签”
知识蒸馏将一个较小的“学生”模型与一个较大的“教师”模型配对。在多次交互中，学生学习预测教师的响应，有效地复制行为，而不是从头开始重新推导世界。学生仍在学习，但由于教师已经完成了昂贵的试错阶段，学生的学习过程变得更加经济。
机制很重要，因为蒸馏不仅限于复制最终答案。学生可以从概率“软标签”中学习，这些标签是概率风格的输出，揭示了教师如何在选项之间分配信心。给出的例子是图像识别：教师可能将一张图像评估为85%摩托车，12%电动自行车，2.7%驴子和0.3%斯纳夫勒帕戈斯先生。
该分布就是有效载荷。软标签可以编码教师的内部决策边界和“接近错误”，而不仅仅是顶线分类。在实践中，这使得蒸馏看起来不太像是抓取一组输出，而更像是提取行为特征，这就是为什么关于“访问专有信息”的争论在技术讨论中不断浮现的原因。
指控：DeepSeek R1，然后OpenAI和Anthropic点名
本包中的蒸馏争斗始于去年一月DeepSeek的R1发布，相对于2026年8月4日的解释者出版日期。R1被描述为在一些关键基准上接近前沿模型能力，并且据说其构建成本仅为美国主要实验室旗舰模型的一小部分，尽管没有提供具体的成本数字。
在R1发布不久后，OpenAI指控DeepSeek蒸馏了ChatGPT背后的模型以训练DeepSeek。该包没有提供技术证据、日期或正式投诉记录，仅有指控的存在。
一年多后，Anthropic指控DeepSeek和另外两个中国AI实验室Moonshot和MiniMax蒸馏Claude。Anthropic还在6月指控阿里巴巴“非法”使用Claude进行蒸馏。
用词在这里发挥了作用。该包指出，Anthropic使用了“非法”而不是“违法”，并将蒸馏的法律规则框架描述为“定义不明确”。这种模糊性是争端在公众中升级的部分原因：如果边界没有在法规或案例法中得到解决，争斗就转向合同、访问控制和政策压力。
政策信号：白宫祝福“合法”蒸馏，警告“工业”用途
该文件中最明确的政策原始文件是白宫科技政策办公室主任迈克尔·克拉茨奥斯于四月发布的备忘录。它划定了可接受的蒸馏与被视为战略威胁的蒸馏之间的界限。
克拉茨奥斯写道：“AI蒸馏在合法使用的情况下，从更先进的系统中产生更小、更轻量的模型，是[AI]生态系统的重要组成部分。”他接着补充道：“旨在系统性削弱美国研发并获取专有信息的工业蒸馏活动，然而，是不可接受的。”
这并不是禁令，而是一种分类。该备忘录有效地将蒸馏从一种训练技术重新框定为一个政策定义的类别，其中意图和目标至关重要，这就是执法不确定性出现的地方。
该文件还描述了特朗普政府誓言打击中国实验室蒸馏美国制造的模型。问题在于，同一份文件表示法律规则不明确，这意味着短期内的工具可能是间接的：更严格的模型访问、监控和服务条款执行，而不是法院已经测试过的清晰法定界限。
这对安全性和部署意味着什么：对齐损失和偏见传播
蒸馏的安全问题是机械性的，而不是哲学性的。如果学生被训练去模仿老师的行为，它可能会吸收老师的一般能力，而无法继承通过微调和保护措施添加的更深层次的安全和行为约束。
该文件的框架直截了当：“对齐在翻译中丢失。”教师模型可能会拒绝危险请求，例如生物武器的指令，因为它已经被训练去检测和阻止那类输出。蒸馏的学生可以学习老师的表面能力，但无法可靠地再现拒绝行为。
偏见传播是另一种失败模式。一个在广泛互联网语料库上训练的旗舰模型将吸收人类偏见以及有用的模式。该文件认为，蒸馏可以将这些偏见从教师传递给学生，如果学生成为下一代的教师，则可能加剧这些偏见。
对于部署，这造成了双重风险。蒸馏可以降低成本并扩大对有能力模型的访问，但如果较小、较便宜的部署在安全行为上不那么可预测，它也可能增加下游审查。这是监管者和企业买家通常关心的权衡，即使基础争议最初是知识产权和竞争问题。
AI模型蒸馏和美中紧张关系的下一步是什么
这个故事的下一步取决于白宫是否将克拉茨奥斯（Kratsios）所说的“合法”与“工业”区分转化为可操作的内容。这可能是新的指导方针、执法行动或机构级别的规则，定义什么算作不可接受的蒸馏，以及所需的证据标准。
指控本身也需要具体化或淡化为叙述。该文件包含了OpenAI和Anthropic的主张，但没有超出相对时间的日期，也没有技术证明的线索。如果任何一个实验室提供更多细节，例如时间表、技术指标或正式投诉，这将改变市场对“来源风险”作为廉价能力限制的重视程度。
最直接的压力点是访问。如果蒸馏越来越被框定为通过重复互动提取专有行为，那么API条款、监控和限制就成为执法的表面。模型访问因蒸馏问题而收紧的信号将是政策立场从备忘录语言转向控制的实际指标。
所有这些背后未解决的问题是该文件所称的“界限不明”。在对允许的蒸馏与“非法”或“不可接受”的蒸馏有更清晰的法律或监管定义之前，市场将交易关于意图和执法的头条，而不是稳定的规则书。
我的看法：蒸馏正成为一种模型访问风险，而不仅仅是一种训练技术。
决定这个故事的部分不是蒸馏在抽象上是否是“盗窃”。而是对前沿教师的访问是否能够以某种方式进行管理，使大规模模仿变得昂贵、可检测或可惩罚。蒸馏之所以有效，是因为学生可以靠近教师足够长的时间，以学习教师的概率景观，而不仅仅是最终答案。如果这种接近被视为政策控制的资源，成本优势就开始显得有条件。
克拉茨奥斯的备忘录就是关键。它并不认为蒸馏本质上是错误的。它明确称合法的蒸馏是生态系统的“重要组成部分”，然后将旨在破坏美国研发和获取专有信息的“工业”蒸馏划分为“不可接受”。这种框架邀请基于意图和目标的执法，这在法庭上是复杂的，但在实践中如果能证明更严格的访问控制和监控是合理的，则是强大的。
有两个场景值得区分。如果美国的立场停留在备忘录和修辞层面，OpenAI和Anthropic的指控主要作为叙述压力，蒸馏仍然是一种传播能力的成本黑客。如果立场转变为操作性约束，市场将不再将蒸馏视为一种通用效率技术，而是将其视为来源和合规问题，其中最便宜的模型承载着最高的访问风险。
重要的门槛在于“合法与工业”是否能够通过对模型交互的具体控制来强制执行，而不仅仅是事后贴上的标签。如果访问权限收紧，指控变得更具技术性，蒸馏的成本优势将越来越被视为政策约束下的优势，而不是免费的午餐。
