最近知乎上有个问题热度冲到了112万，讨论的是菲尔兹奖得主邓煜对AI公司的一句评论——「你不能只在你蒸馏全人类的知识时支持蒸馏」。话说得挺克制，但刀锋很利。翻译成大白话就是：你们拿着全网几十年的文字、代码、论文、论坛帖子训练模型的时候，管这叫“技术普惠”；等别人想蒸馏你们模型的时候，你们就开始谈“知识产权”和“服务条款”了。
这事儿之所以能炸，不是因为大家不懂商业，恰恰是因为大家太懂了。
先说说“蒸馏”到底是个啥
很多朋友看到这个词以为是化学实验。在AI语境里，蒸馏（distillation）指的是用一个大的“教师模型”去生成数据或软标签，来训练一个更小的“学生模型”。学生模型不需要从零啃原始语料，而是直接学老师输出的概率分布。效果往往不错，成本却低得多。
这在学术界本来是常规操作，Hinton 2015年那篇经典的蒸馏论文就是公开方法。问题出在：当“老师”是一家商业公司的闭源模型，而“学生”是竞争对手时，性质就变了。OpenAI、Anthropic 这些厂商的用户协议里，基本都明确禁止用其模型输出去训练竞品。技术上这叫“反蒸馏”，商业上这叫“护城河”。
邓煜那句话的真正矛头
邓煜是2022年菲尔兹奖得主，做数学的，说话讲究逻辑对称性。他的质疑其实是一个互惠性问题：大模型厂商的整个存在前提，是建立在“未经逐一授权地使用全人类公开文本”之上的。这个行为在法理上至今仍有争议，在伦理上更是被大量创作者诟病。厂商的辩护词通常是“合理使用”“促进创新”。
好，那现在别人用你的输出去蒸馏，逻辑上不也是“促进创新”吗？你凭什么翻脸？
这不是说反蒸馏一定错。商业公司保护自己的推理成本和研发投入，完全正当。但邓煜点破的是话语体系的双标：你不能在输入端主张“知识应该自由流动”，在输出端又主张“我的输出是我的私有财产”。两头的好处都让你占了，那这个行业的伦理叙事就站不住。
反蒸馏为什么越来越严？
有个容易被忽略的背景：合成数据的污染问题。如果市面上大量小模型都是蒸馏大模型来的，而大模型又在爬这些内容，就会形成“模型吃自己的呕吐物”的退化循环。厂商反蒸馏，一部分动机确实是防止这种生态级污染，这点得客观承认。
但另一部分动机很现实——蒸馏直接侵蚀API调用量。你花几千万美元训的模型，别人用几十万美元蒸馏出一个“平替”，然后低价卖。这在商业上就是釜底抽薪。所以反蒸馏条款本质上是用法律手段维持技术代差。
我的看法
我觉得这件事没有纯粹的“对错”，但有一个绕不过去的一致性要求。
如果模型厂要反蒸馏，那就应该同时支持输入端的数据授权和创作者补偿机制。你不能一边说“训练用全网数据是合理使用”，一边说“蒸馏我的输出是侵权”。这两种行为的底层逻辑是同一个：知识的公共性与私有性边界在哪里。
邓煜这句话之所以有分量，不是因为它给出了答案，而是因为它把一个行业心照不宣的双标摆到了台面上。112万热度说明大家早就想问了——只是这次问的人，分量够重。
对普通用户来说，短期影响不大，该用还得用。但长期看，这场关于“蒸馏权”的争论，会决定未来AI生态是几个巨头封闭花园，还是真有一个开放的知识循环。值得盯着。
微信扫码查看