技能蒸馏：技术理性扩张下的人本困境

■ 杨东山　　2026年，一款名为“同事·skill”的开源AI项目在GitHub上爆火，起因在于某位员工离职后，其工作流程、沟通风格和决策模式等被相关人员利用AI技术“蒸馏”出了一个可无限重复使用的“数字分身”，且此项目页面上写着一句口号：“将冰冷的离别化为温暖的Skill，欢迎加入赛博永生”，使此项目充满了荒诞意味，并迅速在社交媒体引发了广泛讨论。从技术层面看，这只是企业对新技术的拥抱，但从社会层面看，却可能引发一系列复杂的争议。　　一、技术逻辑：从“知识蒸馏”到“技能蒸馏”　　2015年，深度学习先驱杰弗里·辛顿提出“知识蒸馏”概念，其核心思想是：以千亿甚至万亿级参数的大型模型作为“教师模型”，训练一个小型的“学生模型”，使小模型在保持性能的同时降低计算成本，是大模型轻量化部署的关键路径。“技能蒸馏”则是通过收集人的相关记录，如员工的工作数据等，构建出一个结构化知识库，再以检索增强生成或定制化微调的方式，让AI还原这个人的行为模式。从“技能蒸馏”的实现路径来看，蒸馏的永远是“可编码”的部分，如标准化的工作流程、文书写作等，而人内在的创造力、道德观、价值观等，则难以被编码。不过，对许多使用者来说，“可编码”部分似乎已经足够。　　二、伦理困境：当人成为可以“蒸馏”的资产　　虽然技能蒸馏只是对人的外在模仿，但其可能引发的法律与伦理困境包括但不限于以下方面。　　知识产权归属不明。对员工来说，员工在职期间产出的经验与技能不是雇主提供的，而是员工在工作中通过长时间的磨合、优化，形成的包含个人智慧与经验的工作流程。那么，企业将这些能力蒸馏作为可复用的数字资产时，其所有权应当如何划分?如果这些可复用资产在员工离职后仍被持续使用，是否构成了对员工劳动的不当占有?　　责任归属不明。AI工具既不是纯粹的自然人，也非传统意义上的自动化工具，这种“半人半机”的混合体使行为主体模糊不清，随之而来的是责任归属的不明确。假设“蒸馏员工”出现了重大失误，相应的责任应当由谁来承担没有明确的法律规定。因此，责任归属问题是技能蒸馏无法回避的问题。　　人的降格与异化。当人们依附AI工具时，人的道德判断、价值选择等人之为人的核心特质，似乎成了无关紧要的东西。当公司将员工蒸馏后即辞退时，员工便被降格和异化为了AI蒸馏的“养料”，使康德所说的“人是目的而非手段”的伦理底线不复存在。　　三、应对之策：走向“负责任蒸馏”　　面对技能蒸馏所带来的法律与伦理困境，需要技能蒸馏者、技能使用者、立法者与监管者的共同协作，“负责任蒸馏”。　　技能蒸馏者应明确技术边界，以行业自律保障技术良性发展。首先，应当建立“可蒸馏能力”的行业共识，以技术诚实明确技能蒸馏的边界与局限性。其次，应当约束自身，对涉及法律、道德风险的开发要求予以拒绝。最后，应当对所开发的AI工具进行明确标注，确保使用者充分了解其应用场景与能力边界。　　技能使用者应明确使用边界，以理性精神避免技术异化。作为个人使用者，应当以学习他人智慧、提升自我能力为使用目标，并保持批判眼光，避免陷入“唯AI”论。作为企业使用者，应当客观看待其对员工的替代能力，在减轻员工负担的同时培养和发掘员工的独特能力，使员工在实现自身价值的同时，为企业创造更大价值。　　立法者与监管者应明确责任边界，以制度之力保障各方权益。一方面，立法者需尽快填补法律真空，在法律层面明确技能蒸馏数据的版权归属。另一方面，监管者应当设置分类分级管理制度，为相关行业设置约束条件和准入标准，对大规模或高敏感度的蒸馏项目，要求开发者在实施前公开说明可能造成的冲击，并接受独立伦理委员会的审查。始终确保相关技术健康、向善发展，守护以人为本的道德底线。　　(作者单位：中共湖南省委党校哲学教研部)