近期，美國針對中國人工智能企業以蒸餾技術“盜竊”模型能力的一系列指控，正在將技術與法律問題高度政治化，對人工智能公平普惠發展帶來了嚴峻挑戰。全球應攜手，在確保安全前提下，構建公平普惠的人工智能發展制度環境，共同促進人工智能技術的健康發展，推動人工智能創新成果的全球共享。

　　一、美國“反蒸餾”政策的戰略動因

　　2026年4月，美國國會提出《遏制美國人工智能模型盜竊法案》(Deterring American AI Model Theft Act of 2026)，擬建立“人工智能模型提取攻擊者名單”，並通過實體清單、出口管制和經濟制裁等手段懲戒被認定實施“模型提取攻擊”的外國主體。值得注意的是，法案提案人明確將模型蒸餾與美國對中國算力管制相聯系，認為外國競爭者借助蒸餾能夠以較低成本訓練模型並“繞過算力限制”。從技術機理看，模型蒸餾(Knowledge Distillation)是由圖靈獎得主辛頓提出的知識遷移與模型壓縮技術，其核心是利用教師模型輸出的概率分布(軟標簽)指導學生模型學習，而非直接復制模型參數或源代碼。正如AI專家Nathan Lambert所指出的，蒸餾只是對行為模式的模仿，而非對模型參數或源代碼的直接復制。此法案的推出表明美國正在將原本屬於模型訓練和市場競爭范疇的技術行為進一步納入出口管制與國家安全框架。

　　這一動向反映了美國將模型蒸餾問題政治化、安全化的政策實質。近年來，美國持續利用其在先進芯片和半導體制造等領域的優勢，對中國獲取和發展先進算力實施系統性限制，將“減緩中國先進人工智能的發展”列為主要政策目標，以實現美國全球人工智能主導地位。然而，蒸餾技術能夠以較少的算力投入實現先進模型研發，英偉達創始人黃仁勛公開表示“人類知識傳承本就是一場永無止境的互相蒸餾”，馬斯克亦承認其xAI通過蒸餾OpenAI模型訓練Grok，並稱之為行業普遍做法。模型蒸餾降低了訓練前沿模型所面臨的資源門檻，將在一定程度上削弱美國既有算力管制的實際效果。因此，美國試圖進一步將管制對象由算力延伸至模型能力，目標是維持人工智能技術代差和競爭優勢的戰略目標。

　　二、模型能力“排他權”的法理悖論

　　蒸餾實質上是對公共領域知識的再利用，而美國借由“盜竊”指控，將法律保護對象從傳統意義上的代碼、權重、商業秘密，擴張性地表述為模型功能和能力，與美國本土現行競爭法和知識產權法的規則與基本精神相違背。

　　美國法實踐中並不對教師模型的輸出提供版權保護。美國版權局2025年1月發布的報告亦提出，純AI生成材料不受版權保護。這意味著教師模型的輸出本身可能並不構成受保護的版權客體，基於此進行的蒸餾訓練更難以構成侵權。

　　美國法律與有關政府部門，既不賦予技術開發者對技術知識和功能的絕對壟斷，亦明確承認平行開發和反向工程原則上的合法性。2026年9月，美國國家安全局(NSA)、聯邦調查局(FBI)和網絡安全與基礎設施安全局(CISA)聯合發布網絡安全公告《中國人工智能企業針對美國人工智能企業開展工業級大規模模型蒸餾行動》。雖然三機構承認蒸餾本身合法，但稱中國企業實施的是“具有攻擊性、惡意且有針對性的工業級大規模蒸餾活動”，並稱其目的在於提取美國前沿人工智能模型中受限制的專有功能和能力。然而，美國既有商業秘密法本身並不賦予技術開發者對其技術知識和功能的絕對壟斷。《2016年保護商業秘密法》(Defend Trade Secrets Act of 2016, DTSA)明確將“反向工程、獨立推導以及其他合法取得方式”排除在不正當手段之外。此外，美國司法部在解釋《經濟間諜法》時亦明確承認平行開發和反向工程原則上的合法性。

　　美國主張“模型能力學習”即是知識產權“盜竊”，本質是要建立一種未經法定授權、卻具有專利保護效果的排他性權利。從競爭政策和知識產權制度的整體結構看，這種所謂“模型能力排他權”無需經過新穎性、創造性審查，無需以充分公開技術方案作為獲得排他保護的對價，也不存在明確的法定保護期限，卻能產生限制後來者研究、學習和市場競爭的效果。如在著作權法“思想與表達二分法”原則下，教師模型輸出的邏輯、風格和知識屬於思想范疇，不受著作權保護；而學生模型通過擬合這些輸出分布來掌握任務范式，屬於對公共領域知識的創造性轉化，並非對原作品表達的剽竊。通過合法途徑觀察模型行為、學習通用知識與方法，並開發參數獨立、架構獨立的新模型，應當被視為技術學習、互操作和能力建設的一部分。如果草率的賦予“模型能力排他權”，將使得原本應當進入自由競爭領域的技術功能和模型能力，僅因首先由美國企業開發而被持續圈佔，並進而突破專利法、商業秘密法等在創新激勵與自由競爭上長期形成的法治平衡。

　　三、推動構建公平普惠的人工智能發展制度環境

　　法律保護知識產權，不保護競爭排他。將競爭優勢上昇為“模型能力排他權”而指責“盜竊”，一定程度是在主張知識獨佔。面對所謂“盜竊”指控，我們更應當從法律視角審視數據是如何取得的、復制了什麼受保護客體。當美國企業從全球公開數據、可版權作品和開源生態中汲取知識時，其主導敘事強調技術開發的創新性和社會價值。而當後發競爭者利用美國前沿模型的輸出降低訓練成本、縮小能力差距時，邏輯又被重新描述為“惡意蒸餾”。這種嚴以律人、寬以待己的雙重標准，是對模型能力傳播和再利用的控制。

　　而中國的立場一向與之不同。中國主張開放共享、智能平權，讓人工智能成為造福全人類的國際公共產品，推動聯合國大會協商一致通過加強人工智能能力建設國際合作決議。人工智能發展與治理的目標不應是固化少數國家的技術領先地位，而應在安全與創新之間形成合理平衡，使人工智能發展始終錨定增進人類福祉的根本目標。因此，具體到“蒸餾”這一技術和法律問題上，相關國家和市場主體應重在圍繞合法應用程序接口研究、安全測試、學術例外、證據披露和數據跨境等方面建立通行規則，在確保安全，尊重知識產權、打擊非法行為的基礎上，構建公平普惠的人工智能發展制度環境，共同促進人工智能技術的健康發展，推動人工智能創新成果的全球共享。

　　(作者 中國政法大學人工智能法研究院院長、教授、博士生導師 張凌寒)