为“蒸馏模型不算偷”说两句话

Claude母公司Anthropic 这两天被群嘲了。

他发布通报，指责部分中国 AI 公司利用他家数据进行模型“蒸馏”，最终获取了不当商业利益。 这纸诉状似乎没迎来同情。大部分人冷嘲热讽：

你自己也是基于公开数据进行训练并商业化AI模型的，这些都存在版权争议，如今却指责别人使用你的模型输出数据，妥妥“双标”“眼红”啊。

确实，当前几乎所有大模型公司，都不同程度地使用了互联网上的公开数据进行训练。这本身就处在全球法律和版权讨论的灰色地带，这一点，是客观事实。 但，是否就此可以简单得出个逻辑：“谁都不干净，所以谁都没资格指责谁”呢？ 事情可以拆开来看。 首先，原始数据有争议 ≠ 产出结果没有知识产权。 即便一家 AI 公司使用的原始训练数据存在版权争议，但当它完成模型训练之后，模型本身就已经构成了新的知识产权成果。 从技术角度看，大模型并不是简单地“存储”数据，而是对海量离散、分散、缺乏结构的数据进行重组、抽象和压缩，最终形成一种可以通过自然语言交互、稳定输出高质量结果的能力体系。 这种能力本身，是算法、算力、工程体系与数据共同作用的结果，是一种再创造。 因此，哪怕原始数据存在争议，但训练出来的模型是拥有了新的知识产权的，这没有疑问。 其次，蒸馏行为的边界在哪里？ 所谓“蒸馏”，本质上是利用已有模型的输出，去训练另一个模型。这种方式在学术界和工业界都非常常见，甚至是一种重要的模型优化手段。 但当蒸馏对象变成“竞争对手的商业模型”，事情就得重新来理理了。 如果未经许可，直接大量利用竞争对手模型的输出数据来训练自己的商业模型，从商业伦理的角度看，确实存在瑕疵。

哪怕对方本身的数据来源存在争议，也不意味着其产出的模型成果可以被任意使用。 一个不太恰当但便于理解的类比是： 一个人曾经有过“原罪”，不代表他现在创造的合法成果就不再受保护。

原始过程可以被质疑，但已经形成的商业成果，应当被保护。

最后，情绪之外，更需要关注规则。 围绕 Claude 及其母公司 Anthropic 的争议，舆论很容易滑向情绪对立，甚至上升到国别层面。 与其简单地站队或情绪化批判，不如承认现实：传统的知识产权规则已经被AI改写，而对应的法律与伦理体系却还在追赶。 AI浪潮下，如何在技术创新与知识产权保护之间找到新的平衡是亟需解决的。