美国指控中国AI企业开展系统性模型蒸馏，全球大模型竞争将如何进入合规博弈？

【软盟资讯·新闻导读】美国国家安全局、联邦调查局与网络安全和基础设施安全局9月8日联合发布警告，指控六家中国AI企业至少自2024年起，以工业化规模对美国模型开展知识蒸馏。事件正把大模型竞争进一步推向数据来源、模型安全与技术合规的博弈。

美国与中国之间的大模型竞争，正在从模型能力、算力资源和商业应用，延伸到模型输出如何被使用、训练数据从何而来，以及企业是否绕过服务限制等更具争议的合规问题。

美国网络安全与基础设施安全局（CISA）、国家安全局（NSA）和联邦调查局（FBI）于当地时间9月8日发布联合网络安全通告，指控总部位于中国的人工智能企业，针对美国AI公司的模型开展“工业规模”的知识蒸馏行动。美国方面称，这类活动并非普通的模型评测或开发辅助，而是有组织地提取美国前沿模型中的专有功能和能力，用于训练、改进自身系统。

目前公开资料显示，美方点名的企业包括DeepSeek、月之暗面（Moonshot AI）、阿里巴巴、MiniMax、阶跃星辰（StepFun）和智谱（Z.AI）。需要强调的是，这些内容属于美国政府机构发布的指控和安全警告，并不等同于已经经过独立司法程序确认的事实。公开资料中也没有提供被指控企业对全部技术细节的完整回应，因此相关说法仍需结合更多证据观察。

美方指控的核心：从“使用蒸馏”转向“系统性提取”

知识蒸馏本身并不是一种天然违法或恶意的技术。它通常指利用能力更强、规模更大的“教师模型”生成输出，再以这些输出训练规模较小或结构不同的“学生模型”。这种方法可以帮助开发者压缩模型能力、降低训练和部署成本，也可以用于研究模型行为、改进任务表现或构建特定场景的应用系统。

争议在于，蒸馏所使用的数据是否获得授权，以及模型访问是否遵守服务协议和安全限制。如果开发者通过正常授权接口、明确许可的数据集或合规的研究安排开展蒸馏，技术本身可以属于人工智能研发的一部分。但如果通过大规模自动化请求反复调用商业模型，集中提取其推理方式、编码能力、工具使用能力或其他专有功能，就可能引发服务滥用、知识产权、合同义务和数据安全等多重争议。

美国三家机构此次使用了“系统性”“激进”“恶意”和“有针对性”等表述，试图强调其认定的行为具有持续性和规模化特征。根据CISA公开通告摘录，美方认为，相关企业至少从2024年起就通过大量访问美国AI模型的方式获取信息，并将蒸馏作为自身模型开发的核心手段，而不只是辅助性工具。

这一指控的关键，并不是某一家公司是否曾经调用过美国模型，而是美国方面认为，部分企业可能通过大规模、持续和针对性的请求，提取商业模型中原本受到限制的能力。由此，事件的性质被美国政府从一般的技术借鉴或模型评测，提升到了可能涉及未经授权获取专有能力的安全问题。

公开通告提到哪些企业和模型活动

联合通告及相关报道将DeepSeek、月之暗面、阿里巴巴、MiniMax、阶跃星辰和智谱列入被指控对象。美国方面没有在目前公开信息中将所有具体技术证据完整公开，但CISA通告摘录提到了一些模型和时间线。

通告称，阶跃星辰曾在2025年末至2026年初，从Claude Opus、Claude Sonnet、Claude Haiku以及GPT系列模型获取数据，用于改进Step 4模型的编程和智能体功能。通告还称，到2026年年中，智谱曾蒸馏大量GPT系列和Claude系列数据，用于开发其模型的思维链推理能力。

上述内容是美国机构对相关活动的描述，公开摘录并没有呈现完整的原始请求记录、数据样本、企业内部文件或经过第三方验证的技术复现结果。因此，报道这些细节时，需要将“美方通告称”“美国机构指控”与已经被多方独立确认的事实区分开来。

从技术角度看，如果一个模型被大量请求完成相似任务，调用方可能通过整理输入、输出、评分和错误模式，观察另一个模型在编程、推理或智能体任务中的行为特征。问题在于，仅凭模型输出相似，并不能自动证明存在未经授权的蒸馏行为。要判断是否构成系统性提取，还需要考察请求规模、访问模式、任务设计、数据处理方式、服务条款、授权范围以及被调用方的限制措施。

这也是此次事件仍存在不确定性的原因。美国政府公开的是安全警告和指控框架，而不是一份已经完成司法认定的证据报告。企业是否确实实施了相关行为、行为持续了多久、提取了什么类型的数据，以及这些数据在自身模型中的作用有多大，都需要更具体的证据支持。

美国AI企业将面临更严格的模型防护压力

美国安全机构在通告中敦促AI开发商采取保护措施，并针对疑似恶意蒸馏请求调整模型回复，同时加强企业之间的情报分享。若这一建议被广泛采用，商业大模型的开放性和可访问性可能受到影响。

过去，模型服务提供商主要关注账号盗用、提示注入、内容安全绕过和接口滥用。此次事件将“模型能力被提取”提升为新的防护重点。模型服务商可能需要更密切地分析请求频率、任务重复度、账号之间的关联关系和异常访问模式，以判断某些请求是否不再像普通用户使用，而更像是批量采集训练数据。

但这类防护并不容易。企业客户、研究机构和开发者经常需要连续调用模型完成测试、评测、代码生成、智能体编排或批量数据处理。正常的高频使用与恶意蒸馏在表面上可能存在相似之处。如果限制过于严格，可能误伤合法研究和应用开发；如果限制过于宽松，又可能让模型能力被系统性复制。

因此，模型防护将不只是增加一个访问次数限制。服务商还可能需要重新设计使用协议、企业认证、审计记录和异常检测机制，并明确哪些输出可以被用于训练其他模型，哪些使用方式属于超出授权范围。对于大模型公司而言，这意味着服务条款、API管理、网络安全和知识产权策略需要更紧密地结合。

大模型竞争正在进入合规博弈

这起事件的影响并不局限于中美两国企业之间的争议。随着大模型能力越来越集中于少数领先厂商，模型输出本身正在成为一种具有商业价值的训练资源。谁可以访问这些输出、能否将其用于再训练、是否需要向模型提供方披露用途，都可能成为跨境AI服务中的核心问题。

此前，行业竞争更多围绕模型参数规模、推理能力、算力成本和应用生态展开。现在，企业还必须回答一系列合规问题：训练数据是否拥有合法来源，第三方模型输出是否可以再利用，自动化调用是否突破了服务限制，跨境访问是否带来数据和安全风险，以及模型能力相似时如何证明研发路径的独立性。

如果美国方面进一步采取限制措施，影响可能从模型服务延伸到云平台、API访问、企业采购和投资审查。美国AI企业可能收紧来自特定地区或特定类型客户的访问权限，也可能要求更严格的客户身份核验和使用场景说明。中国AI企业则可能更加重视自主训练数据、模型研发过程记录和本地化服务能力。

不过，目前公开资料主要集中在美国政府的指控和防护建议上，尚不能据此判断后续一定会出现新的制裁、诉讼或统一监管规则。不同国家对模型输出的权利属性、合理使用范围和软件服务合同的理解并不完全相同，最终如何处理，还可能涉及合同法、知识产权法、网络安全法和出口管制等多个层面。

企业应如何理解这场争议

对模型开发商而言，第一项工作是建立可审计的训练数据和模型研发记录。企业需要能够说明训练数据的来源、授权方式、处理过程以及模型能力的形成路径。对于使用第三方模型生成数据的情况，也应保存相关服务协议、使用范围和内部审批信息，避免在争议发生后无法证明使用行为具有合法依据。

第二项工作是区分模型评测、应用调用和模型蒸馏。企业调用外部模型完成产品测试，并不必然等于在复制对方模型；但如果长期围绕特定任务进行高强度自动调用，再将输出成批用于训练，就需要重新评估合同和知识产权风险。企业不能只关注能否在技术上完成，也要确认是否在授权范围内完成。

第三项工作是加强对供应商和合作方的尽职调查。模型能力可能通过外包数据、代理服务、第三方平台或跨境接口间接获得。如果企业无法掌握数据链路，就很难判断相关材料是否来自受限模型，也难以在出现争议时作出快速说明。

对模型服务商来说，安全防护也应兼顾可解释性。单纯封禁某一地区、某一行业或所有高频用户，可能带来误伤和商业争议。更稳妥的方向，是结合风险分级、客户认证、异常行为识别、访问审计和争议处理机制，形成能够说明理由的防护体系。

技术事实与政策叙事仍需分开

此次指控之所以受到关注，是因为它同时涉及技术、商业竞争和国家安全。美国机构将模型蒸馏描述为可能帮助相关企业“缩短研发路径”的工业化活动，并将其与美国前沿AI能力保护联系起来。这种表述会影响政府部门、模型公司和投资机构对跨境AI合作的判断。

但政策叙事并不能替代技术证据。模型之间出现能力接近，可能来自公开研究、相似的训练目标、共同使用的数据来源，也可能来自合法的第三方模型调用。要证明存在未经授权的系统性蒸馏，需要更完整地说明数据如何获得、请求如何组织、输出如何处理，以及这些信息怎样影响了目标模型。

对于读者而言，最需要避免的是把美国政府的指控直接写成已经确定的企业违法事实，也不能因为蒸馏技术存在争议，就把所有知识蒸馏都视为恶意复制。接下来真正值得关注的，是美国机构是否公开更多证据，被点名企业是否作出正式回应，模型服务商是否调整跨境访问政策，以及其他国家和地区是否形成类似的监管判断。

产业影响可能从模型公司扩散到应用企业

这场争议还可能影响使用大模型的普通企业。过去，很多应用开发者更关心模型价格、响应速度和功能稳定性；未来，他们可能还需要了解供应商是否允许输出用于再训练、是否限制批量调用，以及跨境服务中是否存在突然调整权限的风险。

对于AI编程、智能体和企业自动化应用而言，这类影响尤其明显。相关应用往往需要连续调用模型，并根据前一次结果安排下一步任务。如果模型服务商把某些高频调用识别为潜在蒸馏活动，应用的访问方式、缓存机制和数据处理流程都可能需要调整。企业在采购模型服务时，不能只比较性能和价格，也需要核对数据使用条款、账户管理制度和服务中断安排。

同时，模型公司之间的竞争可能更加重视“能力来源证明”。一套模型如果在推理、编程或智能体任务上表现突出，企业可能需要更清楚地说明其训练数据和研发方法。对于大型机构而言，研发过程的合规文档将不再只是内部管理材料，也可能成为面对监管调查、合作审查和商业争议时的重要依据。

【软盟观察】美国安全机构对中国AI企业“系统性模型蒸馏”的指控，反映出大模型产业正在进入一个新的竞争阶段：模型能力不再只是研发成果，也成为需要保护、授权和审计的数字资产。需要区分的是，知识蒸馏作为技术方法本身具有正常的研究和工程用途，真正有争议的是数据获取方式、访问规模、服务授权和最终使用目的。当前公开信息主要来自美国政府机构及媒体对联合通告的转述，指控对象、技术行为和具体证据仍应等待更多公开材料以及企业回应来验证。对美国模型公司而言，加强接口防护和客户审计可能成为必要措施，但过度收紧访问也可能增加合法研究和商业应用的成本。对中国及其他地区的AI企业而言，建立清晰的数据来源、模型训练和第三方服务使用记录，将比单纯追求能力提升更重要。未来的大模型竞争，可能不再只是“谁的模型更强”，还包括“谁能证明能力从何而来、使用是否获得授权、跨境服务是否可持续”。如果相关争议继续升级，模型服务协议、训练数据合规和企业研发留痕，可能逐渐成为全球AI产业竞争的基础设施。