拒绝二元对立：对大模型蒸馏行为应坚持法律评价与证据导向

作者：张烽

大模型蒸馏技术中性的表象下，法律边界究竟何在？

2026年9月8日（美东时间），美国国家安全局（NSA）、联邦调查局（FBI）与网络安全和基础设施安全局（CISA）联合发布网络安全通告，点名DeepSeek、月之暗面、阿里巴巴、MiniMax、阶跃星辰和智谱六家中国AI企业，指控其“自至少2024年底起”通过蒸馏技术大规模提取美国前沿模型能力。次日，商务部新闻发言人回应称，美方指控“于事无凭，于法无据”，蒸馏是“人工智能领域各个模型间互相学习的通行做法，本质是中性技术手段”。

这已是2026年内美方对中国AI企业发起的第三轮蒸馏相关指控。从2月Anthropic率先发难，到6月将矛头指向阿里巴巴，再到9月升级为三机构联合通告，争议的烈度与广度持续攀升。然而，一个根本性的法律问题始终悬而未决：蒸馏作为一种由Hinton等人于2015年正式提出的深度学习技术，在何种条件下构成合法研发、何种条件下可能触及合同违约或不正当竞争？技术中立性是否足以构成抗辩？当前法律框架能否提供确定性答案？

本文尝试在技术事实与法律规范的交汇处，建立一个可操作分析框架，并基于中国大模型厂商与监管部门的应对提出若干思考。

一、大模型蒸馏从商业层面上升到政治层面

知识蒸馏的技术原理并不复杂。其核心理念是将一个大型、复杂的教师模型所蕴含的知识迁移至一个规模较小的学生模型，从而以更低成本实现接近的能力表现。在行业实践中，这一技术被广泛用于模型压缩、边缘部署和特定场景优化。DeepSeek于2025年1月发布R1模型时，同步开源了基于Qwen2.5和Llama3系列的蒸馏模型，覆盖1.5B至70B参数规模，将671B教师模型的推理能力迁移至多层级学生模型。

然而，当蒸馏的对象从自有模型或开源模型转向闭源商业模型的API输出时，技术中性的叙事开始受到挑战。2026年2月，Anthropic发布公开声明，指控DeepSeek、月之暗面及MiniMax通过约24,000个虚假账户与Claude模型进行了超过1,600万次交互，将这一行为定性为“工业规模的蒸馏攻击”。约四个月后，Anthropic于2026年6月24日致函美国参议院银行、住房和城市事务委员会主席Tim Scott及资深成员Elizabeth Warren，指控与阿里巴巴关联的运营方使用约25,000个虚假账户，在2026年4月22日至6月5日期间完成了超过2,880万次交互，称其为“迄今为止最大规模的蒸馏攻击”。

至此，争议已从个别企业的商业纠纷，演变为涉及中美AI竞争格局、出口管制政策与国家安全叙事的综合性议题。

二、几种不同场景的蒸馏

场景一：开源生态中的蒸馏。 DeepSeek-R1发布时同步开源了基于Qwen和Llama的蒸馏模型，覆盖1.5B至70B参数规模。这一情形适用开源许可证评价，合法性取决于是否遵守许可证对商业使用和衍生模型披露的条件。此类蒸馏在开源社区被广泛接受，不应因“蒸馏”标签而受到污名化。

场景二：闭源API的合规调用。 若企业在其服务条款允许的范围内调用模型输出改进自有系统，法律问题首先可能是合同层面的。关键在于服务条款是否明确禁止将输出用于训练竞争性模型，以及用户是否实际遵守了地域、速率和用途限制。

场景三：跨境能力提取的合规边界。 2026年9月三机构联合通告的核心指控，是中国企业通过“多路径路由”规避地域限制和速率控制。这一情形可能触发美国《计算机欺诈与滥用法》下的“未授权访问”主张，以及服务条款的合同违约。但通告本身属于网络安全警示，并非出口管制规则、制裁决定或司法判决，其法律效力有待观察。

场景四：模型权重与内部参数的非法获取。 若行为超出黑盒调用，涉及通过离职员工、供应商或非法入侵获取模型权重、系统提示或内部参数，则已进入商业秘密保护乃至刑事法律的评价范围。全国首例AI大模型商业秘密案表明，中国执法机构对模型“Know-how”的保护态度正在趋于积极。

三、蒸馏行为的法律梳理

蒸馏行为的法律评价应坚持“技术中立、行为具体、证据导向”的原则，不能因蒸馏是通用机器学习方法就当然排除法律介入，也不能因蒸馏对象是闭源模型就自动推定违法。

暨南大学仲春提出了一个具有操作性的分类框架：第一类：使用自有模型或依法取得的数据进行蒸馏，属于正常技术研发；

第二类：依据开源许可证进行蒸馏，合法性取决于是否遵守许可证条件；第三类：在商业API许可范围内调用输出进行下游训练，法律问题首先可能是合同违约；第四类：通过虚假账户、代理网络绕开访问限制大规模获取输出用于训练竞争模型，可能涉及违约、不正当竞争甚至侵害商业秘密；第五类：通过非法入侵获取模型权重或内部参数，已超出蒸馏范畴，可能构成刑事层面的非法获取计算机信息系统数据罪。

这一框架的价值在于，它将讨论从“蒸馏是否违法”的二元对立，转向“何种具体的蒸馏行为在何种条件下可能触发何种法律后果”的精细化分析。

值得注意的是，中国法律体系已在数据权益保护方面作出制度回应。2025年修订的《反不正当竞争法》第13条第3款增设数据保护专款，明确规定“经营者不得以欺诈、胁迫、避开或者破坏技术管理措施等不正当方式，获取、使用其他经营者合法持有的数据，损害其他经营者的合法权益，扰乱市场竞争秩序”。该条款在立法层面正式确立了数据不正当竞争行为的独立规制依据，明确了“合法持有+不法获取、使用+损害利益及扰乱竞争秩序”的判定三要件。

2026年8月20日，国家市场监督管理总局公布全国首例AI垂类大模型商业秘密案。杭州某人工智能企业资深算法专家孙某在职期间利用配偶身份注册成立同类公司，私自向该公司发送权利人AI模型专属提示词模板、审查规则、标注规范等资料，被处以罚款35万元。该案明确认定自然语言类集成方案、非标运营规则均可独立构成商业秘密，填补了国内人工智能行业商业秘密执法空白。同年6月施行的《商业秘密保护规定》首次在部门规章层面将“数据”“算法”纳入技术信息范畴。

更为重要的是，2026年9月7日，最高人民法院发布《关于依法审理涉人工智能纠纷案件的意见》（共24条），作为首部由国家最高审判机关发布的涉人工智能司法裁判规则文件，精准聚焦“AI换脸拟声”、“AI幻觉”侵权、模型训练等问题，其中第12条至第16条专门针对涉人工智能知识产权纠纷案件作出规定，涉及侵权责任认定、开源软件法律责任、数据使用规范等方面。

四、蒸馏的三种叙事框架

围绕蒸馏争议，业界形成了三种并行的叙事框架。工程叙事将蒸馏视为前沿能力向可部署产品转化的效率工具；权利叙事将API输出视为闭源厂商研发投入的体现，主张第三方大规模采集构成对研发成本的规避；地缘政治叙事则在芯片出口管制背景下，将蒸馏赋予“技术追赶”或“工业规模提取”的政策含义。

三种叙事之间的张力，集中体现在对同一组事实的不同法律解读上。

从著作权法角度看，AI模型输出内容面临“可版权性”的根本性质疑。Anthropic在消费者服务协议中明确将输出内容的所有权利转让给用户，这一条款安排本身即削弱了其基于输出内容主张版权的前提。美国版权局及联邦法院在多项决定中确认，纯AI自主生成内容因缺乏“人类作者身份”不可获得版权保护；含人类创造性贡献的AI辅助作品可获部分注册。

从商业秘密法角度看，Anthropic宣称的“1,600万次交互”仅能证明调用量，无法直接证明这些数据被实质性地用于训练竞争模型。当前互联网普遍存在数据污染，大模型在预训练中亦无法避免接触到AI生成内容，这进一步增加了因果关系的证明难度。正如有分析指出，“仅凭API调用模式就断言‘蓄意蒸馏’，证据链并不完整”。

从合同违约角度看，蒸馏争议最直接的法律基础可能是服务条款的违反。OpenAI、Anthropic等公司的服务条款确实禁止通过自动化或隐蔽方式抓取数据进行知识蒸馏，同时限制其技术在中国境内的使用。但合同违约的救济手段受限于服务商与用户之间的合同关系，在跨境执行层面面临显著障碍。

中美两国在蒸馏争议上的立场分歧同样值得关注。商务部明确指出，“据了解，很多美国人工智能企业在研发和训练中蒸馏了中国的模型”。中方将美方指控定性为“科技霸权和算力垄断”的体现，强调蒸馏是“公开公平获取的全球人工智能资源”的合理利用方式。这一立场与中方在2026年世界人工智能大会上提出的“以人为本、智能向善、公平普惠、协同共治”治理原则一脉相承。

五、蒸馏行为不应政治化，但也应注意法律合规

蒸馏争议的本质，不是一项技术是否应该被禁止，而是在AI能力快速扩散的背景下，如何划定“合法学习”与“不当攫取”的边界。当前的法律框架——无论是著作权法、商业秘密法还是反不正当竞争法——在应对黑盒式能力提取时均存在结构性困难：著作权法面临AI输出可版权性的根本障碍，商业秘密法要求证明“接触+实质性近似”的因果关系，而合同法则受限于跨境执行。

对中国大模型厂商而言，合规建设的重点应从被动应对转向主动布局。在研发端，建立从数据采集、模型调用到训练流程的完整审计记录，明确标注每一批次训练数据的来源、调用目的和服务条款合规状态。正如我们本机智能体生态所展示的，通过Data Lake网关统一接入、SQLite结构化存储以及明确的Ownership标记，可以实现对数据流向的全程可视化与可追溯。这种“白盒化”的工程实践，正是对抗“黑盒蒸馏”指控的最有力技术证据。 在授权管理端，严格审查第三方模型输出的使用条件，避免在服务条款明确禁止的场景下调用。在证据链端，保留自主研发过程的日志、代码版本记录和数据清洗流程，以证明模型的独立开发性质。

对监管机构而言，三项工作具有优先性。其一，在最高人民法院已发布的《关于依法审理涉人工智能纠纷案件的意见》基础上，进一步明确蒸馏行为在数据使用规范项下的法律评价标准，区分正常技术研发、合同违约与不正当竞争的不同情形。其二，在《反不正当竞争法》数据保护专款的适用中，平衡数据保护与数据利用，避免对行业的“寒蝉效应”。其三，在国际层面推动建立透明的模型互操作性标准和数据使用规范，反对将通用技术手段政治化，为中国企业出海提供法律确定性。

蒸馏作为一项技术手段，其价值不应被地缘政治叙事所掩盖，其风险也不应被技术中立性的修辞所消解。在规则尚未成型的窗口期，企业合规能力与制度供给速度的匹配程度，将在很大程度上决定中国AI产业在全球竞争中的位置。