美国机构指控中国实验室系统性蒸馏模型：指控、证据与行业影响如何分开看？

【软盟资讯·新闻导读】美国联邦调查局、国家安全局和网络安全与基础设施安全局联合通告，指控六家中国人工智能企业以工业规模获取美国前沿模型能力。需要区分的是，模型蒸馏本身是常见技术，当前公开材料主要呈现政府指控与技术线索，尚不足以等同于司法定案。

美国机构公开了什么指控

美国国家安全局、联邦调查局和网络安全与基础设施安全局9月8日发布联合网络安全通告，点名六家中国人工智能企业：深度求索（DeepSeek）、月之暗面（Moonshot AI）、阿里巴巴、MiniMax、阶跃星辰和Z.AI。Z.AI的运营实体被资料指向北京智谱华章科技有限公司，通常也被称为智谱AI。

这份18页通告将相关活动描述为“工业规模”的知识蒸馏。美方称，相关行为至少从2024年底持续至今，涉及数百万次模型交互或请求，以及从Claude、ChatGPT、Gemini和Grok等美国前沿模型获得的数十亿个词元。按照美方叙述，这些调用并非零散的产品测试，而是围绕推理、编程、法律、写作、数学、工具使用、计算机视觉和智能体能力等方向，持续收集模型输出，再用于训练或改进竞争性模型。

通告还指称，相关企业可能通过批量账户、第三方接口聚合商、云服务和代理渠道访问美国模型，部分渠道被描述为能够隐藏请求来源或规避地域访问限制。美方同时提到，共享高级订阅账户、在不同访问渠道之间自动切换，以及清除企业身份信息等做法。部分账户被称为全天候运行，新注册后即达到较高使用量，其流量特征与普通个人用户存在明显差异。

在针对具体企业的描述中，美方通告称，DeepSeek至少从2024年底开始获取美国模型在推理、法律、写作和智能体方面的输出，用于训练R1和V3模型；月之暗面则被指通过大量交互获取软件工程、数学、工具使用和计算机视觉能力，用于Kimi系列模型。资料还显示，美方通告对部分模型训练数据的来源、外部模型生成数据的价值以及训练成本披露提出质疑。

这些内容构成了美国政府机构的调查判断和安全警告。它们说明美国方面认为相关活动具有规模化、组织化和针对性，但“被通告点名”“被指控实施蒸馏”与“已经被法院认定违法”并不是同一个概念。

先把“模型蒸馏”与“非法获取”分开

知识蒸馏本身不是一个天然带有违法含义的词。它通常指让能力更强的“教师模型”生成输出，再让规模较小的“学生模型”学习这些输出，以较低的计算成本获得部分推理、编程或专业能力。开发者使用自有模型，或者在获得授权的条件下使用外部模型，都可能采用类似方法。

争议的核心不在于是否出现了“蒸馏”，而在于数据从哪里来、访问是否获得授权、调用规模是否违反服务条款，以及相关输出最终如何进入训练流程。若企业使用自己的模型或经过许可的数据，技术名称本身并不能推出侵权结论；如果未经许可大量获取专有模型输出，规避访问限制并将数据用于训练竞争产品，则可能触及合同、知识产权、网络安全或商业秘密等不同层面的争议。

因此，对此次事件更准确的概括应是：美国机构指控六家中国企业以未经授权或具有规避特征的方式，大规模收集美国模型输出，并将其用于模型训练和能力提升。不能简单把“知识蒸馏”改写成“偷走了完整模型”，也不能因为某个模型在某些测试或应用场景中表现接近，就直接推断其训练数据必然来自特定竞争对手。

目前能够核实的证据边界

从已公开的资料看，能够确认的是三家美国机构确实发布了联合网络安全通告，并在通告中列出了企业名称、目标模型类别、被指称的访问方式以及相关能力方向。公开材料还明确给出了美方关于时间跨度、调用规模和数据规模的判断。这些属于政府文件中的主张，具有政策和执法信号意义。

但公开材料并没有完整披露可供外部独立复核的底层证据。资料显示，通告没有公开完整账户记录、服务器日志、原始请求与响应数据，也没有说明中国政府具体如何参与相关活动。对于数百万次交互、数十亿词元以及部分训练成本的估算，外界目前也无法仅凭公开摘录复算其统计口径和计算方法。

这意味着，当前证据至少可以分成三层。

第一层是公开文件本身：美国三部门的联合通告、其中列出的企业和相关指控。这一层可以确认“美国政府提出了什么说法”，但不能自动证明说法中的每个技术细节已经被第三方验证。

第二层是待核实的技术与运营线索：例如账户是否由同一组织控制，访问是否通过代理渠道完成，请求是否呈现自动化和协同特征，输出是否被实际整理并进入训练数据，以及被指企业的模型能力与这些输出之间是否存在可识别的因果关系。这些问题需要账户日志、接口记录、数据集来源、训练流程和模型分析相互印证。

第三层是法律责任：即相关行为是否违反具体服务条款，是否构成未经授权访问、商业秘密获取、著作权侵权或其他违法行为，最终需要适用的法律、管辖权和程序证据来判断。现有资料明确指出，这份文件属于网络安全通告，并不是出口管制规则、制裁决定或司法判决。

中国外交部已否认美国方面的指控，强调中国人工智能发展来自自身科技投入和能力积累，并要求美国停止虚假指控和抹黑。中国商务部则表示，蒸馏是人工智能领域的通行做法，不应被政治化。由此可见，双方当前争议不仅涉及具体账户和数据，也涉及如何定义正常研发、未经授权获取和国家安全风险之间的边界。

为什么这场争议会影响行业

对美国模型公司而言，最直接的影响是调用风险和服务治理压力上升。若企业认为大量自动化请求正在被用于复制模型能力，就可能进一步加强账户实名、调用行为识别、异常流量分析和接口权限管理。对于提供模型接口的云服务商和聚合平台而言，客户身份、数据流向以及跨区域访问也会受到更严格审查。

这种变化会传导到企业采购和合规流程。过去，企业评估外部模型时往往重点关注价格、稳定性、数据保留和隐私条款；现在还需要确认模型输出能否进入内部训练流程、是否允许批量生成合成数据、供应商能否说明数据来源，以及跨境调用是否存在额外限制。对于同时服务美国、中国及其他市场的企业，模型供应商、接口代理和数据处理方的责任链条将更难被简单切开。

对中国人工智能企业而言，公开点名会增加海外服务接入、算力合作、技术合作和资本市场沟通的不确定性。即使企业否认相关指控，外部合作方也可能要求提供更清晰的训练数据说明、模型研发记录和供应链证明。需要注意的是，这种影响首先表现为合规审查、商业信任和合作门槛变化，并不等同于已经产生了统一的法律制裁结果。

对模型行业整体而言，争议可能推动“能力来源可追溯”成为新的竞争维度。过去，行业更多讨论模型参数规模、训练成本和测试成绩；未来，客户和监管者可能更关心训练数据授权、合成数据来源、外部模型调用记录以及模型报告是否完整披露成本和数据边界。企业若只能证明模型“能做什么”，却无法解释“能力从何而来”，在跨境商业化过程中会面临更大阻力。

不过，行业也需要防止把所有能力接近、输出相似或使用合成数据的行为，都归入恶意蒸馏。模型之间出现相似答案，可能源于公开知识、共同的评测目标、相近的提示设计或通用训练方法。只有将访问证据、数据去向、训练记录和能力对应关系结合起来，才能对具体行为作出更可靠判断。

企业现在应关注哪些问题

对使用外部大模型的企业来说，第一步不是判断某一方“谁更可信”，而是梳理自身的模型数据链路。需要明确哪些输出被保存，哪些输出被用于微调或评测，调用是否经过授权，第三方接口是否改变了原服务条款，以及企业内部是否保留了足够的访问和数据记录。

第二步是把供应商承诺转化为可审计材料。合同中的数据使用条款、跨境处理安排、账户归属、接口权限和日志保存机制，都应与实际技术流程对应起来。如果业务团队通过多个平台接入同一模型，却无法说明数据经过哪些主体处理，发生争议时就很难证明自身没有越过授权边界。

第三步是避免把政府通告直接当成事实裁判，也不要因为争议尚未进入司法程序就完全忽视风险。合规人员可以把事件拆成三个问题：相关指控是否会改变供应商的访问政策，是否影响企业所在市场的监管要求，以及内部训练数据是否能够经受来源审查。这样的判断比简单讨论“蒸馏到底是不是窃取”更接近实际决策。

【软盟观察】

这起事件最值得关注的地方，不只是美国机构点名了哪些企业，而是模型能力获取正在从技术问题转化为跨境治理问题。蒸馏作为研发方法本身并不等于违法，真正需要核查的是授权关系、访问方式、数据规模、训练用途和责任主体。当前公开材料足以说明美国政府正在释放强烈的安全与产业政策信号，却还不足以替代司法程序所要求的完整证据链。对行业而言，最危险的两种反应分别是把政府指控当作最终结论，或把证据未完全公开理解为风险不存在。更稳妥的做法，是推动模型供应商提高数据来源和调用治理的透明度，让企业保存可审计的训练与接口记录，同时为跨境模型服务建立更清晰的授权标准。只有把技术创新、商业竞争和法律责任分别讨论，行业才能避免在地缘竞争中牺牲事实判断，也才能形成真正可执行的合规边界。