蒸餾這事，美國人自己天天干，為啥到了DeepSeek就成“工業化竊取了”？

No.0287

Science Partner

Bring you to the side of science

導 讀

這兩天，美國白宮發了一份備忘錄、國務院向全球使館發了外交電報、眾議院專門開了聽證會，一套完整的行政+立法+外交組合拳，矛頭指向中國AI公司，尤其是DeepSeek，說他們在“工業規模地竊取美國AI技術”。

美伊以戰爭才消停幾天呀...而且，罪名和內容可都太奇怪了。

“工業規模竊取”，這詞聽著很嚴重，就好像梁文峰帶著DeepSeek大半夜翻墻入室偷走了OpenAI的硬盤。

但仔細看指控內容，核心指控是：DeepSeek用了一種叫“蒸餾”的技術。

蒸餾？

這不就是AI圈里每個人都在用的標準技術方法嗎？Meta用過，谷歌用過，微軟用過，就連美國開山鼻祖公司OpenAI自己也用過。

那怎么到DeepSeek這兒，就變成“竊取”了？

這就是科學伙伴今天想認真聊的事。這件事不是一個簡單的對錯之爭，背后是一場關于誰來定義AI時代的規則的深層博弈。

走，跟伙伴君來！

今日主筆 | 晶恒

蒸餾這事，美國人自己天天干，為啥到了DeepSeek就成“工業化竊取了”？

01. 先說清楚蒸餾是什么

“蒸餾”這個詞起源于化學，把混合物加熱，讓某種成分揮發再凝結，最終得到純凈物。

AI里的“知識蒸餾”（Knowledge Distillation），道理類似：用一個大模型來“教”一個小模型。

具體怎么教？

可以把大模型想象成一位知識淵博但“很重”的老師：能力強，但運行成本高，需要云端大型算力支持。模型蒸餾要做的事，就是讓一個更小的“學生模型”去學習這位老師的解題方式。學生模型不一定擁有老師全部的知識和能力，但它可以學到很多關鍵模式，從而變得更輕、更快、更便宜，甚至有機會在本地電腦上運行。

傳統方法是讓學生模型直接對著大量數據從頭學，但這樣成本高、數據量要求大。蒸餾的思路是：讓學生去學教師的“輸出分布”，而不僅僅是原始數據標簽。

更直白地說：教師模型看到一張貓的圖片，它不僅告訴學生“這是貓”，還告訴學生“這有98%像貓、1.5%像貍貓、0.5%像老虎”。這個概率分布，包含了教師模型對世界的“軟理解”，比一個冷冰冰的”貓“標簽豐富得多。學生模型通過學習這種軟標簽，往往能用更小的體量達到更好的效果。

這個技術，2015年Hinton、Vinyals和Dean在谷歌聯合發表論文正式提出，至今已經是AI領域的基礎工具。沒有哪家頂級AI公司沒用過這個方法。

Meta的LLaMA系列用蒸餾做的。谷歌Gemini Nano用蒸餾壓縮的。蘋果為了讓AI跑在iPhone上，背后大量使用蒸餾技術。OpenAI的GPT-4o mini，也是從更大模型蒸餾而來的。

這是AI工業界的基本操作，就像做菜要用鍋碗瓢盆一樣正常。

02. 那問題到底出在哪兒

好，現在問題來了。

蒸餾是中性工具，但用誰來當教師，這里面有文章。

如果你自己訓了一個大模型，然后用它來蒸餾一個小模型，完全沒問題，這是你的資產，愛怎么用怎么用。

如果你用開源模型（比如Meta的LLaMA）來做教師，也沒問題，人家已經明確允許了。

但如果你大量調用OpenAI或Anthropic這類閉源商業模型的API，獲取它們對海量問題的輸出，然后用這些輸出數據來訓練自己的模型，這就進入了灰色地帶。

這有點像一個學生花錢報了名師的課，把老師講題的思路、解題步驟、常見題型和答題套路都認真記下來，回去反復練，最后自己也開了一門類似的課。嚴格說，老師賣給你的是聽課資格，不是讓你復制一套課程體系；但現實中，這個學生能力確實強，他通過學習、模仿、整理、再表達，形成了一門比之前名師還棒的課，本來就是培訓行業里再常見不過的事。只要不直接搬課件、不冒用品牌，大家通常不會較真。真正讓人坐不住的，不是你學了，而是你學得太快、做得太好，甚至比老師還好，開始有了大量生源了。

所以直到2025年初，這件事都只是“行業潛規則”，沒人公開撕破臉。

直到DeepSeek R1出來了。

03. DeepSeek R1把捅破這層窗戶紙的那一刀

2025年春節前后，DeepSeek發布了R1推理模型。

這件事在全球引起的反應可以用震撼來形容，不過分，匹敵GPT的能力本身，超高性價比，還居然是中國公司。

OpenAI為訓練GPT-4花了據估計超過1億美元，而DeepSeek R1的訓練成本，根據官方數據，只有約600萬美元。但R1在很多推理基準測試上的表現，與GPT-4o和Claude 3.5幾乎持平，某些任務上甚至超過。

硅谷當時的反應，可以用心理崩塌來描述。英偉達股價單日暴跌近17%，市值蒸發近6000億美元。華爾街的理解是：如果用這么少的算力就能達到頂級效果，那對英偉達昂貴GPU的需求就沒那么大了。

OpenAI隨后內部調查并公開表示：R1的訓練數據，很可能包含大量從OpenAI API提取的輸出。他們的依據包括：R1的某些回答風格、特定錯誤模式，與ChatGPT高度相似，而這些特征不太可能是巧合。

這個時候，OpenAI把這件事上升為知識產權侵犯，并向監管機構反映。

但實際上，如果你仔細讀DeepSeek的技術報告，他們并沒有隱瞞這件事。R1用了監督微調數據，其中包括從多個模型，包括他們自己的早期模型，提煉出來的“蒸餾數據”。這是公開的。

這就有意思了：DeepSeek作為一個誠實的公司，公開寫在論文里說自己用了蒸餾技術；DeepSeek作為一個中國公司被美國公司，被指控竊取。

04. DeepSeek V4公開“自證其罪”

2026年4月24日，DeepSeek發布了V4預覽版。

參數規模：1.6萬億（混合專家架構，實際激活參數少得多）。上下文窗口：100萬Token。能力：在多項評測上被外界評價為接近GPT-4.5和Claude 3.7的水平。

但這次引爆爭議的，不是模型有多強，而是那份近60頁的技術報告。

報告里，DeepSeek團隊詳細描述了V4的訓練方法，其中明確包含兩個關鍵技術：

第一，多教師知識蒸餾（Multi-Teacher Distillation）使用多個教師模型的輸出來訓練V4，讓它同時向多個方向學習，如R1時候一樣。

第二，On-Policy Distillation（OPD）一種更進階的蒸餾方法，讓學生模型先生成自己的回答，再用教師模型的反饋來校正，類似老師給學生作業批注紅字。

這兩種技術，在AI學術界都是公開發表、公開討論、公開使用的方法。DeepSeek公開寫在論文里，完全符合學術規范。

這次不再是OpenAI。美國國會和白宮看到這份報告之后的反應是：他們自己承認了??！

白宮科技政策辦公室在V4發布后兩天內發出備忘錄，美國國務院向全球使館發出外交電報，措辭就是：中國公司通過工業規模的蒸餾攻擊（industrial-scale distillation attacks）在竊取美國AI模型的能力。

DeepSeek赫然被點名為核心例證。

05. V4的第二個炸彈：它跑在華為芯片上

但如果你只讀關于蒸餾的爭議，你還沒看到V4真正讓華盛頓睡不著覺的地方。

V4的技術報告里還有另一個細節：這個模型專門針對華為Ascend 910系列AI芯片做了優化，部分訓練在華為芯片上完成。

這才是真正的戰略爆炸點。

美國過去幾年出口管制的核心邏輯是：把英偉達的H系列高端GPU限制出口給中國，掐斷中國在算力上的來源，讓中國AI公司因為沒有好的芯片而發展放緩。

這套邏輯有一個根本假設：沒有英偉達的芯片，就做不出頂級的AI模型。

DeepSeek V4用實際結果打了這個假設的臉：他們在華為昇騰芯片上，訓練出了一個準前沿級別的大模型。

這意味著什么？意味著美國花了幾年時間精心設計的算力封鎖策略，其效果遠比預想的要短命。中國并沒有因為沒有英偉達的芯片就停步不前，反而逼出來了一條“國產芯片+自主模型”的完整自主技術路線。

所以這件事，對美國的沖擊是雙重的：1. 中國的AI能力在持續追近；2. 封鎖芯片這條路，可能正在失效。

06. 美國的三層反擊：報告、備忘錄、外交電報

理解了這個背景，再看美國的一系列動作，就能看清楚它們是一套協調好的組合拳，而不是幾個孤立事件。

第一層：國會提供總敘事和立法武器

4月中旬，眾議院中國問題特別委員會發布了一份報告，標題就叫《買得到就買，買不到就偷：中方獲取前沿AI能力的運動》（Buy What It Can, Steal What It Must）。

這個標題本身就是一種政治操作：通過一句朗朗上口的話，把中國的整個AI發展路徑定性為合法采購和非法竊取的二元組合。報告詳細分析了中國通過三條路徑擴大AI能力：合法采購高端芯片、通過第三國和殼公司繞過管制、以及蒸餾攻擊式的能力提取。

更重要的是，報告提出了一攬子具體立法建議，包括：

• MATCH法案：堵上通過第三國向中國轉運高端AI芯片的漏洞；
  

• AI OVERWATCH法案：建立對中國AI能力進展的持續監控機制；
  

• SCALE法案：擴大云算力訪問限制的范圍，不只管芯片本身，還要管通過云服務間接使用美國算力的行為；
  

• Remote Access Security Act：針對遠程API訪問加強管控，讓蒸餾攻擊在法律上無處可做。

這套法案，是要把卡住中國AI從行政命令層面，變成寫進法典的長期制度安排。

第二層：行政部門把敘事轉為政策

白宮科技政策辦公室（OSTP）發出備忘錄，把工業規模蒸餾定義為對美國創新和國家安全的系統性威脅，要求美國AI企業提高安全意識，并指出政府正在研究相應的追責機制。

備忘錄里有一個細節值得注意：它特別強調，被蒸餾的模型往往丟失了原有的安全機制。也就是說，即便DeepSeek真的從OpenAI的輸出中學到了能力，它學到的是“能做什么”，但沒有學到“不應該做什么”，那些針對仇恨言論、武器信息、操控行為的安全護欄。

這個論點聰明在哪兒？它把蒸餾爭議從知識產權升級到了全球AI安全。后者是更容易獲得國際共鳴的框架。畢竟，誰也不想說自己在反對知識產權保護，但維護AI安全的立場，任何國家政府都很難公開反對。

第三層：外交部門負責“全球動員”

國務院的外交電報，是把上述定性出口到全球的關鍵動作。

電報要求美國外交官向所在國政府傳達：某些中國AI公司（點DeepSeek名）正在以系統性方式提取美國AI能力，各國在與這些公司合作或引進其產品時，應了解其中的安全風險。

翻譯成直白的話就是：美國在努力讓盟友接受同一套威脅定義，把這些中國公司標記為有問題的合作對象。

一旦這套標簽被更多國家政府接受，后續的跨國限制、行業準入審查、多邊制裁就有了政治基礎，不只是美國在打壓中國，而是國際社會共同應對AI安全風險。

這就美國的認知戰，也是其后面更大的一個話術“科技安全憲章的”雛形：通過輸出威脅定義，在制度還沒建立之前，先把共識建立起來。

現在回到最初的問題：美國公司之間也在互相蒸餾，為什么單獨針對中國。你是不是有答案了伙伴？

表面上，答案是中國公司用的是美國閉源模型的輸出，違反了使用條款。

但這個理由站不住腳，原因有三：

第一，美國公司之間也在做同樣的事，但沒人被起訴。

微軟、谷歌、Meta這幾年互相參考對方模型的能力，小型初創公司靠著調用OpenAI API來微調自己的產品，這在硅谷是公開的秘密。OpenAI并沒有因此向這些公司發律師函，更沒有推動國會立法來封堵這些做法。

第二，蒸餾行為本身很難被法律清晰界定。

你很難證明一家公司的訓練數據來自某個特定模型的輸出，特別是當對方同時使用了大量其他數據源的時候。如果這個問題真的是知識產權問題，那也應該走法院訴訟途徑，而不是直接跳到外交電報和出口管制。

第三，推進這件事的政治利益主體，比知識產權問題大得多。

國會中國問題特別委員會的存在本身，就不是為了解決一個技術法律爭議。它的設立目的，是系統性地研究和應對中國挑戰。DeepSeek V4提供了一個完美的時機和案例，讓這個委員會可以把之前積累的立法建議推向實際操作階段。

所以，更接近真相的答案是這樣的：

對于美國公司之間的蒸餾，這是競爭；對于中國公司的蒸餾，這是威脅。這不是法律邏輯，而是地緣政治邏輯。

這件事的核心，從來都不只是誰偷了誰的代碼。核心問題是：在AI能力已經開始成為國家戰略資產的時代，誰來決定哪些國家、哪些公司有權獲得前沿AI能力？通過什么方式獲取是合法的？

美國現在給出的答案是：我們來決定。我們通過出口管制、訪問限制和國際共識，來塑造合法訪問AI能力的邊界。

DeepSeek V4的出現，把這個答案的試驗性，變成了緊迫性。

07. 最后說一件有點哲學

你知道ChatGPT本身是怎么訓練出來的嗎？

它用了人類在互聯網上寫的幾乎所有文字，包括無數作家、記者、學者、工程師不經授權就被爬取的作品。那些人從來沒同意過把自己的寫作用來訓練AI，他們的智識勞動，免費喂養了價值千億美元的商業產品。

從這個角度看，OpenAI指控DeepSeek“未經授權提取模型能力”，有一種歷史的諷刺意味。

當然，這不是說兩件事在法律上等同。商業服務條款、知識產權保護和互聯網上的公開內容，是三套不同的法律框架。

但這件事提醒我們：當我們爭論誰在竊取誰的AI能力時，很值得先問一句：這個能力本身，當初是怎么來的？

本文僅作科普分享使用，歡迎小伙伴們點、收藏、關注，以備不時之需，當然更歡迎您把 介紹給周邊可能需要的更多伙伴們呀。