专家：
蒋 舸 清华大学法学院长聘副教授、博士生导师
彭 波 商务部国际贸易经济合作研究院研究员
徐 昕 上海对外经贸大学国际组织学院（贸易谈判学院）副院长、教授
李宏兵 北京邮电大学经济管理学院副院长、教授
刘林东 中国社会科学院世经政所全球宏观经济研究室助理研究员
（排名不分先后）
抹黑别人，是美国对外施压的惯用伎俩。这次，美方又指责中国六家人工智能企业蒸馏美国模型。美官员还称，可能以“窃取美国知识产权”等为由制裁中国企业。对此，中国商务部回应道，蒸馏是人工智能领域各个模型间互相学习的通行做法，本质是中性技术手段。美方做法是以打击蒸馏为名，行产业垄断之实，维护科技霸权。
美国的霸权行径由来已久，此次延伸到科技领域，其中也深藏着美国对中国AI发展之快的焦虑。中国企业如果凭借自身的创新力在AI竞争中领先，那么对美国来讲，“其他一切都将不再重要”，所以只能靠污名化来进一步围堵中国AI企业。
中国在AI领域始终遵循着开源开放、合作共享的商业发展模式和AI向善的治理理念。中美是全球人工智能发展的两大强国，中方始终坚信发展以人为本、AI向善的开放合作之路，能够使全人类普遍享有这项科技带来的经济发展和人类文明的进步。但是美方挑起的“蒸馏”之争无视科技进步的规律，思维仍停留在零和博弈，在商业利益的驱动下，企图建立规则话语权，抢占科技发展的制高点。正如中国商务部回应所说，是将科技经贸问题“政治化、工具化”，属于典型的“人工智能霸权主义行径”。
中国态度明确：必将坚决采取必要措施，维护中国企业合法权益；同时敞开对话大门，希望美方与中方相向而行，在相互尊重基础上推动人工智能治理合作，让技术进步的红利真正惠及全球。希望美方能在AI发展上作出正确选择，加强与中方对话、沟通，共同推动人工智能健康发展，造福全人类。
（本报记者 何诗霏）
何为人工智能“蒸馏”？“蒸馏”是不是正常的技术手段，是不是行业上通用的一种做法？
蒋 舸：“蒸馏”一词并非法律用语，而是对技术扩散过程中各种具体形态有别的行为的泛称。在技术层面，人工智能蒸馏最初指将大型或复杂模型中的知识转移至规模更小、更便于部署的模型。但其泛化含义，也可以指通过获取竞争对手特定模型的输出结果，更快地改进自身模型的能力。现实中讨论的人工智能蒸馏通常表现为如下场景：教师方采用闭源模型，在对外提供服务时，通过用户条款设置禁止蒸馏、禁止利用输出成果开发竞争产品等限制，同时设置访问频率上限等技术措施；学生模型一方则可能通过注册账号的方式，与教师模型进行海量互动，并将教师模型的输出结果用于训练学生模型。
彭 波：人工智能“蒸馏”属于模型轻量化技术：把大模型学到的知识，迁移训练到小模型上，让小模型以更低算力、更高效率尽量复刻大模型能力，是行业通用、合规的正常技术手段，长期以来被广泛用于终端部署、降低推理成本。它重在学习数据分布与输出规律，不是直接复制权重，并非窃取模型。该技术多年前就已提出，国内外企业普遍使用，本身中性，是否侵权取决于训练数据、素材来源，而非蒸馏技术本身。
徐 昕：人工智能领域的“蒸馏”是一种模型压缩技术，通过教师模型将自己的知识传授给学生模型进行数据学习，目标是充分利用现有数据指导新的训练阶段，以期学生模型可以用较低的成本达到和教师模型相同的表现。通过教师—学生的知识蒸馏，学习教师模型得出结论的概率分布，隔离了原始数据和合成数据，防止敏感数据直接暴露，为模型学习、商业应用提供了机会。从技术角度看，它是中性的，也是行业通用做法。例如OpenAI、亚马逊等公司都曾提供工具指导开发者蒸馏自己的小模型。虽然技术本身中立，但如何使用可能引发争议。分歧主要集中在数据的获取方式上。所以，蒸馏本身就像一种“学习方法”，是正常的。但如果是通过“作弊”的手段去获取别人的“学习资料”来教自己的模型，那就可能引发纠纷。
李宏兵：人工智能领域的知识蒸馏，是机器学习中一种成熟且通用的模型训练与优化方法。其基本原理是，以能力较强的教师模型为知识来源，通过输出概率分布和中间层特征以及推理路径等信息，指导规模较小的学生模型学习，从而在压缩参数和降低算力的同时，尽可能保持接近教师模型的能力。知识蒸馏自辛顿等学者系统提出以来，已广泛应用于模型部署、迁移学习和垂直领域适配，全球产业界包括美国主要人工智能企业在内均在普遍使用。技术本身是中性的，是否合规关键要看数据获取方式、服务条款和知识产权规则等，不能把使用蒸馏简单等同于违规或窃取，更不能将其政治化、工具化。对正常技术交流人为设限、贴标签，既不符合技术发展规律，也不利于全球人工智能创新合作。
刘林东：蒸馏在技术本质上是模型压缩与迁移学习，通俗讲就是“大模型带徒弟”。它通过让参数规模较小的“学生模型”去拟合能力更强、参数更大的“教师模型”的推理逻辑和概率分布，从而在大幅降低训练与部署成本的同时，尽可能继承大模型的优秀能力。从技术本身来看，蒸馏是完全正当、普遍的工程优化手段。目前行业通用的规范实践主要包括两类：一是企业用自主研制的高性能底座模型，蒸馏出适配手机、PC等端侧设备的轻量化模型；二是在开源社区基于开放权重进行合规的研究探索。行业内真正引发争议、接受度较低的做法，通常是“跨厂商黑盒逆向蒸馏”——未经许可，通过大量调用竞争对手的商业闭源API生成数据来训练自己的模型。这种做法在技术上可行，但在商业上违背了服务协议（ToS），处于商业道德和知识产权的灰色地带。
美国称中国人工智能企业从事工业规模蒸馏美模型的指控依据是什么？美方此时提出这种说法的目的是什么？
蒋 舸：在美国科学与技术政策办公室2026年4月发表的声明中，美方最核心的指控是，中国企业通过获取“专有信息”（proprietary information），“系统性提取了美国AI模型的能力”（systematically exact capabilities from American AI models）。美方并未澄清其所称的“专有信息”以及“能力”在法律层面究竟指商业秘密、版权作品、公开大数据，抑或是在法定排他权之外、试图通过合同条款排除他人接触或使用的信息。在财产法基础理论上，知识产权法相比于传统财产法重大的特点便在于其“分而治之”的结构。也就是说，通常而言，并不存在笼统的“信息盗用”侵权行为，而只有以商业秘密、版权、公开大数据等较为明确的法定客体为出发点，裁判者才能展开具备足够法律确定性的分析，从而实现信息生产者与信息利用者之间的利益平衡。美方的笼统指控，并没有提供具体的法律分析框架，其法律内涵较为稀薄。美方也将“违背美国闭源模型方的用户协议”作为指责依据，但是，一方面，“禁止蒸馏、禁止开发竞品”等用户协议条款的有效性需要进一步分析；另一方面，即便违约，性质也与侵权不同。单纯的违约并不能自动转化为侵权责任，美方在未加详细分析的情况下径直以“盗窃”（theft）来描述蒸馏行为，缺乏法律依据。
彭 波：美方的指控拿不出扎实证据，只是空口指控中国企业大规模抓取美国开源模型的输出内容，再用来训练自己的模型，就扣上“工业规模蒸馏”的帽子。中国商务部已明确回应，这些说法“于事无凭，于法无据”。美方此时发难，真实意图并不在保护版权，而是另有所图：一是借技术盗窃叙事抹黑中国AI产业形象；二是以蒸馏为借口设置技术壁垒，进一步收紧对华算力芯片和模型出口管制；三是抢占AI规则制定的话语权，打压中国AI发展势头，维护自身技术霸权。
徐 昕：美方指控的核心依据，主要来自美国三家安全机构联合发布的一份公告。2026年9月，美国国家安全局（NSA）、联邦调查局（FBI）和网络安全与基础设施安全局（CISA）联合发布公告，指控深度求索、月之暗面、阿里巴巴等六家中国AI企业，自2024年底以来通过“数百万次请求”从美国模型中提取了“数十亿token”的数据，用于训练和改进自身模型。公告声称，这些企业通过共用批量购买的高级账户、绕过地域访问限制等方式获取模型输出。然而，美方至今未公布任何访问日志、权重相似度对比等能形成完整证据链的材料。
美方在此时由安全部门高调提出指控，其目的被普遍认为超出了单纯的技术或商业纠纷，主要指向战略遏制和产业保护。在芯片管制效果有限的情况下，将遏制链条从“卡芯片”延伸到“卡算法”。美国此前限制先进GPU出口，但未能阻止中国AI快速发展。因此，试图通过将“蒸馏”污名化为安全威胁，为限制模型能力输出、实施新的制裁寻找“正当性”。美方真正焦虑的，是中国企业能以更低成本、更快速度获得迭代前沿模型能力，从而削弱美国头部公司的技术领先溢价。
李宏兵：美方所谓中国人工智能企业从事工业规模蒸馏的指控，主要是指2026年9月8日美国联邦调查局、国家安全局及网络安全与基础设施安全局联合发布的网络安全公告中点名6家中国AI企业，声称其通过工业规模蒸馏活动获取美国前沿模型能力。但该公告未提供可验证的技术证据，也未经独立第三方技术鉴定，于事无凭，于法无据，实质是将蒸馏这一业内正常技术和商业问题政治化、工具化，并在实践中奉行双重标准。实质上，中国企业在算力受限条件下实现的是效率创新，以更高效的算力配置使核心架构达到同等水平，所谓工业规模蒸馏的结论失之偏颇。美方此举绝非简单的技术争议，而是以安全之名行遏制之实，根本目的是维护其科技霸权和全球主导地位。一是将商业技术问题政治化。把模型蒸馏从这一中性技术问题，上升到国家安全和地缘科技竞争层面，污名化中国人工智能企业，打压中国自主创新能力，遏制中国科技崛起；二是企图维持其数据、算力乃至规则垄断。企图把本应公开公平获取的全球人工智能资源变成少数国家的独占资源，构建小院高墙和排他性技术壁垒，掠夺各国平等发展权利；三是为新一轮技术管制制造借口。以所谓安全威胁抢占道义制高点，为后续限制中国人工智能发展铺路，阻碍人工智能普惠发展和全球治理，维护美国主导规则和话语权。
刘林东：美方的指控依据主要来自两个层面：OpenAI、Anthropic等商业公司主要是通过API流量监测发现的自动化批量请求特征，或是通过测试对比模型生成内容的措辞风格相似度。而美政府部门的依据多源自商业公司的游说材料与智库报告推断，缺乏公开透明的技术溯源链条。美方此时集中发难，是商业利益与地缘政治的双重合谋：在商业层面，面对中国团队在算法架构优化（如混合专家模型MoE）、训练效率以及高性价比开源路线上的突围，美企试图通过“搭便车”“盗窃知识产权”的叙事来贬低对手的原始创新，以此捍卫其超高估值与市场垄断地位；在政治层面，美政府带有鲜明的遏制色彩，企图通过舆论战将中国AI技术的发展路径污名化，从而为其在国际上拉拢盟友组建技术同盟，并为进一步升级先进算力出口管制、扩大实体清单制裁寻找政治借口。
中国人工智能模型发展的模式和方向是什么？美国AI模型与中国AI模型在技术上的差距有哪些？
蒋 舸：我从知识产权法角度，来谈谈期待何种发展。
与传统的有体物生产模式相比，信息产业具有累积性。因此，尽管知识产权法的总目标是实现在先创新保护与后续创新自由之间的平衡，但当后续创新给社会带来的福利足够大、对在先权利人的影响可容忍，而且在后创新者无法通过市场机制从在先创新者处获得许可时，知识产权法甚至会直接宣告在后创新合法。版权法上的合理使用就是例证。
知识产权法当然不鼓励照抄，但也不认为任何对在先创新的借鉴均构成违法。后续创新给社会带来的福利增值越大，知识产权法就越可能对其给予正面评价。因此，中国人工智能无论选择何种技术路径、采用何种商业模式，都应当在促进累积创新、最大化人类总福利中发挥作用。我们应该努力为人类科技进步作出原创性贡献，并将这种贡献转化为惠及尽可能多数人群的现实福利。
彭 波：中国AI走的是开源与闭源并行的路线，强调自主创新与行业落地并重，在多模态、垂直应用和安全治理上同步推进，算力、数据、模型协同发展。与美国相比，我们在底层基础模型的综合能力、高质量训练数据积累、前沿芯片与框架生态，以及顶尖基础算法研究方面仍有差距。但优势同样明显：在中文理解能力、政务和工业等场景落地经验、多模态的工程化迭代速度等方面，中国已走在前面，整体差距正在快速缩小，局部领先，并非全面落后。
徐 昕：中国AI模型的发展呈现出几个鲜明的特征：一是重视算法创新，在高端芯片受限的背景下，中国不断强化算法创新，在既定算力下提升模型性能，对冲算力约束。二是采取开源政策，即通过开源开放模型权以交换开发者在全球市场的生态位与影响力。三是强调应用导向，竞争标尺从参数量转向推理成本、端侧部署和工程化效力，以与AI智能体结合解决具体任务为着力点。中美两国在AI模型的技术上各有优劣。在综合性能差距方面，中国与美国的差距在不断缩小，根据斯坦福《2026年AI指数报告》，截至2026年3月，中美顶尖模型在综合评测（Arena Elo）上的差距仅2.7%，且自2025年以来多次交替领先。在算力与资本等基础设施方面，中国相较美国仍有较大差距。美国在基础理论、原创算法和高端芯片方面保持先发优势。在效率与成本方面，中国存在显著优势。多款产品以更低部署成本达到接近国际领先水平的效果，为中国模型在智能体词元消耗量大的场景中赢得竞争优势。
李宏兵：中国人工智能模型发展坚持应用牵引和开源协同，统筹发展和安全，走出一条立足国情、融合实体、惠及全球的自主道路。发展方向从参数竞赛转向价值创造，推动模型深度嵌入实体经济全链条并加速向战略性新兴产业渗透，让智能体成为产业升级的重要载体。治理体系不断完善，监管边界从生成式内容向智能体及具身智能拓展。中国人工智能的发展以与实体经济融合深度见真章，以开源开放汇聚智慧广度赢空间，以统筹发展与安全行致远，打破了少数国家垄断智能技术的旧格局，为全球人工智能发展提供了新选择。实质上，中美两国人工智能模型的技术差距已大幅收窄，但在系统能力与基础支撑上仍存在一定差距。在系统能力层面，美国在前沿模型创新方面保持领先，在先进芯片供应和超大规模算力基础设施方面同样占据优势，数据中心数量超过其他任何国家10倍以上，私人人工智能投资规模数倍于中国。中国在科研论文发表量和专利产出上居于前列，工业机器人部署数量全球占比领先，在产业应用端形成独特优势。两国竞争已从单一模型性能比拼，演变为涵盖算力生态、开源体系以及产业落地能力的多维较量。
刘林东：中国AI的发展呈现出“场景驱动、开源普惠、赋能实体”的务实路径。国家战略高度明确推进“人工智能+”行动，国内厂商正积极发力架构工程优化、算力利用效率提升与落地成本控制，以兼顾性能与普惠性的路径推动大模型深度融入智能制造、智慧医疗等千行百业。中美在AI领域的差距，表面上看在基准评测能力上已逐步收窄，真正的深层差距主要体现在支撑体系与产业生态两个方面：一是底层算力与软硬件基础设施。美国在先进制程芯片、高带宽互连及成熟的软硬件生态（如CUDA开发体系）上积累深厚，支撑超大规模集群训练的稳定性具有相对优势；二是消费级与企业级工具链的原生融合度。美企拥有全球普及的操作系统与办公套件入口，大模型能自然作为系统级能力嵌入应用。中国AI在算法与行业应用落地上极具竞争力，但在软硬协同的自主生态与全球分发网络上仍需攻坚突破。
如何防止某些国家实行科技霸权，阻碍新技术普惠于全人类？
蒋 舸：人工智能的发展，关系到全人类的命运。我国应当以全人类福祉为目标，既努力发展技术，也积极参与全球知识产权、竞争以及人工智能治理规则的塑造。为了实现这一目标，我国既需要在技术层面作出有利于全人类发展的原创性、实质性贡献，也需要在规则领域提高参与能力。就后者而言，首先需要深入理解全球通行规则的历史、法理以及主要实践；其次需要锻炼站在中立视角进行法律评价的能力。以AI蒸馏涉及的知识产权问题为例，我们需要具备判断哪些AI蒸馏行为合法、哪些AI蒸馏行为不合法的能力，并按照不偏不倚、公正中立立场确定的规则予以推广。
彭 波：防止AI成为少数国家的垄断工具，需要国际社会多方协同。首先，要坚持技术开放普惠，推动各国平等参与AI国际规则制定，反对由少数国家闭门定标准。其次，夯实自主算力、模型和数据底座，守住技术自主的底线。再次，搭建多边技术交流平台，推动成果共享。最后，以联合国等多边框架为基础完善全球AI治理机制，在安全与发展之间取得平衡，保障各国平等、充分、公平使用AI的权利，让技术进步真正惠及全人类。
徐 昕：一要推动多边机制，开启AI治理全球对话。在这一方向上，中国推动的世界人工智能合作组织是一个关键的制度创新。与此同时，全球南方国家正在通过区域战略协同与南南合作机制增强集体声量。这种“抱团发展”的策略，旨在改变过去在AI治理中“规则边缘”的处境，走向“平等参与”。二是以开源与能力建设打破技术锁定。技术垄断的根基在于“不可替代性”。开源是瓦解这一根基最有效的技术路径。与开源并行的，是系统性能力建设。中国宣布未来5年面向发展中国家提供5000个AI专题研修培训名额，并推动共建多区域AI合作中心。这些举措的目标不只是让发展中国家“使用”AI，而且帮助其具备参与AI生产、创新和价值分配的能力。三是以“发展导向”的治理理念替代“管控导向”。中国在2026世界人工智能大会上提出的方案，明确支持联合国在全球治理中的主渠道地位，主张确保各国权利平等、机遇平等和规则平等，强调“人工智能发展不应该是某个国家的独奏，而应当是全球合作的交响”。这一理念得到了联合国秘书长古特雷斯的明确赞同。
李宏兵：人工智能是引领新一轮科技革命和产业变革的关键技术，绝不能沦为个别国家推行科技霸权的工具。防止人工智能领域的科技霸权，根本之道在于坚持多边主义，推动构建普惠、包容、公平、非歧视的全球人工智能治理体系。一是坚持开放合作，打破技术壁垒。中国始终主张推动数据、算力等资源合理流动、高效配置，摒弃技术壁垒和霸权思维，着力缩小人工智能发展差距。中国开源模型向全球开放，以开放共享的实际行动践行普惠理念。二是强化多边治理，反对单边规则。依托联合国等多边平台，推动形成具有广泛共识的全球人工智能治理框架，坚决反对以单边规则替代国际共识、以技术优势剥夺他国发展权利。中国倡议成立的世界人工智能合作组织，秉持共商共建共享理念，坚持以人为本原则，促进人工智能普惠发展与全球治理。三是加强能力建设，缩小智能鸿沟。为落实联合国大会通过的“加强人工智能能力建设国际合作”决议和《人工智能能力建设普惠计划》，中国持续举办人工智能能力建设研讨班，广泛邀请各国政府代表参加，帮助发展中国家提升技术能力和治理水平，让人工智能发展成果更多更公平惠及各国人民。坚持智能向善、公平普惠，坚决抵制科技霸权、单边主义和保护主义，确保人工智能在规范有序、安全可控的轨道上健康发展，更好服务人类文明进步与国际社会共同福祉。
刘林东：从国际政治经济学视角看，科技霸权的核心机制在于“规锁”——霸权国试图通过单边技术禁令与排他性标准，将新兴大国锁定在产业链和创新链的中低端，把技术相互依存“武器化”，将全球科技合作推向负和博弈。要防范科技霸权、保障技术普惠，应当从三个维度切入：首先，坚守多边主义，破除阵营规锁。应以联合国为主渠道推动落实《全球人工智能治理倡议》，反对以意识形态划线搞排他性“小院高墙”，确保全球治理规则由各国共商共建共享。其次，将AI定位为全球公共产品，壮大开源生态。开源科学与开放协作是打破技术垄断的最有效抓手，能大幅降低发展中国家的技术门槛，防止南北“数智鸿沟”持续拉大。最后，提升“全球南方”的话语权与代表性。支持广大发展中国家平等参与技术治理与产业分工，通过国际能力建设合作，以包容普惠的增量发展取代赢者通吃的霸权逻辑。
如何理解“AI向善”的治理理念？
蒋 舸：人工智能技术的发展需要以人为本。技术发展本身不是目的，服务于人、促进全人类的发展，这才是人工智能发展的目的。因此，在应对任何人工智能技术带来的冲击时，都需要全面统筹各种可能的解决方案，挑选最恰当的工具组合，来应对冲击。对于我国而言，人工智能不仅是技术层面的机遇，而且是积极参与乃至引领规则发展的机遇。我国应该在中立、长远、公正、有效的原则下，努力探索正确的规则，并且积极与国际同行进行交流，在深入交流中逐步引领“AI以人为本”从原则到规则的落地过程。
彭 波：AI向善，核心就一句话：人工智能的发展必须以人为本，把人类福祉放在首位。技术不能只追求性能指标和商业利益，还要防范算法偏见、隐私泄露、虚假信息等问题。它要求技术可控、可解释，既保障发展权利，也照顾弱势群体的利益。AI向善不是给创新设限，而是给技术装上“方向盘”和“刹车”，让技术创新、伦理约束和安全监管三者平衡，确保人工智能走上一条可持续、造福全人类的良性发展道路。
徐 昕：AI向善的治理理念，核心是确保人工智能始终是服务于人的可信工具，而不是反过来支配或损害人类。它本质上回答的是“技术能力越强，如何确保它用对地方”的问题。具体而言，AI向善的治理理念包括这样几个方面：一是以人为本。技术不能凌驾于人的价值判断之上。二是把技术引向解决真实社会问题，将AI技术投向助残扶弱、医疗普惠、教育平权等领域。三是公平普惠，将AI的创新红利交由全社会共享，而不是被大企业或大机构垄断。
李宏兵：人工智能向善的治理理念，是让人工智能始终服务于人类共同福祉，其价值要义在于以人为本、智能向善，确保技术发展安全、可靠、可控。发展AI不是为了替代人、支配人，而是为了增强人的能力、增进公共福祉。通过坚持包容审慎、分类分级、多元共治等，构建开放公正有效的治理机制，在发展与安全、创新与规范、效率与公平之间保持平衡。我国发起的《全球人工智能治理倡议》坚持以人为本、智能向善，强调发展导向、安全可控、公平普惠、开放包容、协商共治，推动形成具有广泛共识的全球人工智能治理框架，以及前面所说的我国为让人工智能技术及更多现代化成果惠及各国民众而举办的人工智能能力建设研讨班，正是AI向善治理理念的生动体现。
刘林东：“AI向善”是贯穿人工智能技术生命周期的治理准则，其核心内涵主要体现在三个层面：第一，坚持以人为本，锚定技术终极价值。“善”是人类的专属概念，AI向善的前提是技术必须服务于增进全人类共同福祉。必须保障人类的主体地位与尊严，坚持技术辅助人，而非替代或支配人，最终的道德责任与关键决策权始终要掌握在人类手中。第二，恪守伦理底线，落实“算法向善”。算法虽是数学代码，但承载着研发者的价值导向。治理必须要求算法公平无歧视、过程透明可追溯、数据隐私受保护，严防生成虚假信息、操纵公众认知以及在军事等高风险领域的恶用滥用。第三，追求包容普惠与可持续发展。善的落脚点是共享。AI向善要求冲破资本垄断壁垒，让算力与模型广泛赋能教育、医疗、气候治理等全球公共议题，实现科技红利的普惠分配与代际公平。