2026年9月，美国政府分别在两件AI数据法律事件中给出了两种截然不同的立场：

9月1日，美国司法部向纽约南区联邦法院提交了一份“利益声明”，用以支持OpenAI在《纽约时报》等出版商版权诉讼中的主张——OpenAI的培训“极具变革性”，鉴于美国向来所珍视“技术创新和国家安全”，因此使用受版权保护文本训练大模型属于“高度转换性”的“合理使用”，进而要求AI公司对其训练版权内容申请授权或许可是“不可接受”的。

然而在9月8日，美国国家安全局、CISA和FBI等联合发布一份“网络安全咨询报告”，称六家中国企业通过API大规模“蒸馏”Claude、GPT等美国前沿模型，提取“数十亿token”，并将其定义为“恶意、有针对性”的能力窃取。

同一套“从他人输出中学习”的技术逻辑，美国企业用于训练人类作品时被称作“创新”，而中国企业用于学习美国模型输出时，被称作“安全威胁”。这引发了3个关键问题：

1、训练模型和蒸馏模型到底有什么区别？

2、这两种做法都依赖于未经同意使用他人的“成果”，区别对待是否有法律、技术或其他依据？

3、法律应当如何处理大规模数据收集的行为？包括由人类编写或机器生成的内容。

一、训练与蒸馏：技术同源

AI模型是通过一种庞大的数值参数架构（权重），从用户的“输入”来生成相应的输出。大型语言模型参数太多，有时甚至数万亿，开发者就需要通过“训练”的过程来设定这一权重。

AI模型训练的本质，就是用海量的数据（包括原始文本、代码、图像、视频和音频）来调整其参数。然而，AI模型的性能上限，并不取决于训练数据的“数量”，而取决于训练数据的“质量”。前沿实验室在构建训练语料时，并非随机抓取互联网上的一切内容，而是精心筛选那些经过人类智力劳动反复打磨、编辑审核、并被社会评价为有价值的作品——也就是受版权保护的书籍、新闻、学术论文和专业报告。相比之下，社交媒体上的随意发言、论坛灌水、短视频弹幕虽然数量庞大，但信息密度低、逻辑连贯性差、事实错误率高，对模型推理能力的贡献极为有限。

换句话说，用版权内容训练出来的AI，其知识深度、逻辑能力和事实准确性，远非用非版权内容训练出来的AI可比。这正是为什么OpenAI宁可冒着侵权风险也要转录YouTube视频，他们心里清楚，高质量版权数据才是模型智能的真正燃料。

“蒸馏”也是使用了相似的思路。被誉为人工智能教父的杰弗里·辛顿（Geoffrey Hinton）将“蒸馏”技术解释为一个敏捷的“学生”模型，经过训练以模仿复杂“教师”模型的行为。学生不是从零开始重新学习宇宙，而是反复聆听大师的表演，学会模仿其反应。这种方法能带来更精简、更快速的模型，捕捉了许多原始的天才，同时大幅降低了延迟和托管成本。

因此，“蒸馏”本质上就是一种专门的培训形式：以“教师模型”的输出分布、推理链条、回答样本为监督信号，训练更小的“学生模型”更快地逼近教师能力。其核心不是复制代码，也不是整段复制受版权保护的文本，而是让小模型拟合大模型的行为统计。

“蒸馏”远非个别的做法，而是所有人工智能的核心技能。每个主要的美国实验室都有此类开发模型的经验，以训练更轻、更快、更节能的一代。斯坦福的Alpaca和Microsoft的Orca在较小模型的输出上训练了较小模型，开发者也公开与研究界分享了他们的方法。埃隆·马斯克在今年4月宣誓时承认，xAI曾在OpenAI输出上训练Grok，称这是“AI公司中的一种普遍做法”。

因此，模型的训练与蒸馏至少在法律上有3点同源：

1、都涉及“未经原始权利人个别授权”地利用既有语料；

2、都产生新的参数而非简单复刻原作品；

3、都可能对原市场主体形成替代压力。

二、法律的两面性：美国AI公司为何不起诉？

模型的训练与蒸馏最根本的区别在于“学习对象”：“训练”多面向人类作品与公开网页，“蒸馏”面向机器生成输出。

美国司法部在OpenAI案中把训练拆成“数据获取-模型训练-输出生成”三个阶段，主张训练端因学习统计规律具有转换性、不与新闻形成直接替代，故倾向于“合理使用”。

但同一逻辑若用于蒸馏：学生模型学习教师输出分布，也未逐字复制教师代码，按其“转换性”本应获得类似对待。然而，美国安全机构却把中国企业的“蒸馏”额外加上“欺诈账号、中环代理、元数据清理、提取思维链”等行为标签，从而把它从知识产权问题升格为网络安全与国家安全问题。

但这种区分，并未回答一个本质性的问题：为什么从未经同意的人类输出训练可以称之为“合理使用”，而从未经同意的模型输出学习，就被视之为“盗窃”？

美国安全机构企图将中国企业通过API调用模型输出定性为“窃取商业秘密”，但这在法律上存在根本性矛盾：一项信息如果通过API密钥向付费用户公开出售，它就很难再维持商业秘密所要求的“秘密性”。因为商业秘密的核心要件是“不为公众所知悉”，而商业化本身就意味着向外部披露。美国法院至今未对此类情形作出明确裁决。

因此，将蒸馏称为“偷窃”更多是一种意识形态声明，而非对法律的事实描述。

然而，蒸馏显然违反的是实验室的服务条款。OpenAI、Meta和Anthropic在用户协议中直接写明了禁止这种做法的条款。这些条款明确禁止使用平台输出、API 或服务通过任何形式的提炼或逆向工程来训练竞争模型。

那么，为什么美国实验室不起诉中国实验室的蒸馏？

OpenAI、Anthropic、Microsoft都曾指控中国模型“蒸馏”，但从未提起诉讼。他们并非畏惧主张其法律权利，而是因蒸馏而起诉对他们来说也是有风险的。如果法院判定“蒸馏”不可接受，制定关于模型训练的规则，那么这些规则理论上也会限制美国实验室本身经常进行的“蒸馏”操作，而且也是目前起诉美国AI公司出版商们最希望看到的判决，这无异于“作茧自缚”。

因为他们虽然以“受害者”身份向美国国会投诉，但同时又是无数版权案件的“被告”：OpenAI转录了超过一百万小时的YouTube视频来训练GPT-4，这明显违反了YouTube禁止自动采集的条款；Anthropic在一项名为“巴拿马计划”的机密项目下，公司购买并销毁了数百万本古籍和二手书籍以训练模型，且从像LibGen这样的影子图书馆下载了数百万本电子书，这些书籍通常会被付费墙锁住并受版权限制。

三、双标的法律漏洞

美国政府坚称，未经许可对他人作品进行训练AI模型是极其公平的，以至于许可要求将毁掉创新；同时，它还认为未经许可基于他人模型输出来训练AI模型是工业掠夺行为，对国家安全构成严重威胁。

但这两个命题不可能同时成立。

要么AI系统训练语料应当受到法律保护，在这种情况下，美国模型所依赖的作家、音乐家、艺术家和程序员可以提出司法部已否决的索赔；要么以支持“创新”的名义，这种AI训练语料本身不受法律保护，那么被指控的中国实验室所实施的“恶意且有针对性”的“蒸馏”，就属于可以被接受的，且不会受到任何后果。

美国对AI数据采取两套不对称的”宽容or收紧”的逻辑。一方面，在训练端面对人类的版权作品，司法部主张以转换性、非替代为核心适用合理使用，倾向于把“学习人类表达统计规律”从授权复制中解放出来；另一方面，蒸馏端面对本国模型输出，因纯AI生成物通常不入版权，但美方转而用API合同禁止再训练、用商业秘密保护未公开能力与对齐信息、用CFAA式访问规则打击假账号与规避措施，并以国家安全的说法把批量蒸馏定义为恶意抽取。

也就是，一边把人类作品推进合理使用，一边把机器回答推进合同/秘密保护，两端保护强度与客体属性是错位的，但政策收益都流向同一批美国AI实验室，这也体现了美国按产业利益配置数据权利的趋势。

值得注意的是，美国政府并没有提出任何新的法律法规来禁止蒸馏行为。他们给出的最具体建议是：美国前沿实验室可以“悄悄降低输出质量”——给中国公司调用的API返回故意劣化的回答，而不是直接封掉可疑账户，以免让对方知道自己已经被发现。

这种“暗改输出”的做法，恰恰暴露了美国政府不愿面对的根本问题：到底什么样的模型输出应该受到法律保护？在什么条件下可以合法使用？这些问题不回答，所有的指控都只是临时找借口。

分析这一蒸馏悖论的意义，不只是揭穿美国实验室一边用全世界的研究成果训练模型、一边指责别人抄袭的虚伪。它更暴露了美国政府自己都没想清楚：到底该为了国家安全禁止蒸馏，还是该为了鼓励创新允许蒸馏？

【原文链接：

https://www.lawfaremedia.org/article/the-ai-model-distillation-paradox】