近期，美國 AI 政策圈一場關於「模型蒸餾（distillation）」的討論，意外讓另一個更大的議題浮上檯面：未來 AI 的競爭，究竟由誰決定規則？蒸餾本身是一道實驗室裡的常見技術：向一個模型丟出大量問題，把問答紀錄蒐集起來，再拿去訓練另一個模型，成本低、效果好，學界與小型開發者長期都在做。它原本毫無爭議，直到指控的對象變成中國公司。
根據《Bloomberg》報導，Anthropic、OpenAI 等美國業者近期持續向華府示警，認為中國企業可能透過蒸餾快速複製美國最先進模型的能力，因此政府應考慮建立新的管理機制，限制高能力模型的流通。消息曝光後，外界開始關注白宮是否將針對中國開源模型、或高能力開源模型建立新的審查制度。
如果只看這則新聞，事件看似圍繞國家安全與 AI 風險；然而，隨著更多評論與產業人士加入，這場爭議的焦點逐漸改變。真正浮上檯面的，不只是蒸餾技術，而是 AI 時代究竟由誰決定「哪些知識可以學、哪些能力不能學」。
從「知識蒸餾」到「知識竊取」，一個技術如何被推上國安層級
同一個技術，換個講法，性質就變了。蒸餾長期被視為業界常態，Elon Musk 甚至向聯邦法院表示這是「標準做法」、「基本上所有 AI 公司都在做」，還說過 SpaceX 旗下 xAI「部分」用了 ChatGPT 模型來訓練自家 AI。
轉折點是 2025 年中國新創 DeepSeek 推出低成本強模型 R1。此後 OpenAI 與 Anthropic 相繼指控 DeepSeek、MiniMax、Moonshot AI 等公司違反服務條款蒸餾其模型，Anthropic 更在 6 月底致聯邦官員的信中，把 Alibaba 的行為稱作「工業規模」的攻擊。於是在華府圈，一個新名詞誕生了：「對抗式蒸餾（adversarial distillation）」。
政策動作隨之而來。美國政府已開始與業者分享情資、協助辨識模型濫用；OpenAI 與 Anthropic 推動反壟斷豁免以互通威脅資訊，跨黨派議員也提案制裁大規模蒸餾者。這股力道甚至外溢到出口管制：Anthropic 於 6 月初推出模型 Fable 5 後，美國商務部一度限制其向外國人提供存取，Anthropic 索性全面斷線，管制雖隨後解除，蒸餾問題卻無明確解方。
防堵方的理由不只商業考量，更帶著急迫感：業界普遍相信 AI 可能很快跨過某個能自我改進、進而難以控制的門檻。官方也試圖劃線，白宮科技政策辦公室主任 Michael Kratsios 在備忘錄中說，正當用於把先進系統做成輕量模型的蒸餾是生態一環，但系統性地複製美國產業的創新「沒有任何創新可言」。
不過，把技術爭議包裝成國安問題，也立刻招來質疑。獨立 AI 顧問 Harold Mansfield 直指，他最不能接受的就是 Anthropic 把這件事稱為「攻擊」，認為那是藉與政府的關係把自己定位成全球主導者、順勢把對手擋在門外。
威脅到底多大，其實也無人說得準。美國官員估算未經授權的蒸餾每年造成美國實驗室最多 60 億美元損失，Anthropic 指 Moonshot 建立數百個假帳號、援引超過 340 萬筆可回溯到其資深員工的互動；但喬治城大學 CSET 研究員 Colin Shea-Blymyer 直言，蒸餾顯然有作用，可是外界對威脅規模「基本上是在猜」。中國駐華府使館則駁斥這些指控毫無根據。
開源模型的風險，不只是技術，而是制度開始改變
《Interconnects》作者 Nathan Lambert 在〈6 months to live for open models〉一文中提出警告，真正受到挑戰的，未必是中國模型，而是整個開源 AI 生態。
他把對 Anthropic 的批評講得更重，認為現階段圍繞蒸餾的討論基本上是一場「監管俘虜（regulatory capture）」，因為檯面上的解方幾乎都只利於推動者。他並丟出一個難以反駁的反問：如果 Anthropic 的技術真強大到「同級開源模型都該被禁」，那它更該有能力先把自己的 API 守好；而事實是，即便 Claude 的 Mythos 模型還在最受限的私測階段，就曾遭未授權存取。
Lambert 指出，目前有兩場原本彼此獨立的政策討論正在快速合流。第一條主線是模型蒸餾是否應受到更多限制；第二條則是，當開源模型能力逐漸逼近 GPT-5.5、Claude Opus 4.8 等前沿模型時，政府是否還會允許它們像今天一樣自由發布。兩者之所以被綁在一起，是因為會跨過「危險能力」門檻的模型，目前多半正是中國的開放權重模型，於是「如何管蒸餾」與「如何管前沿開源」被說成了同一件事，蒸餾之爭也就這樣一路燒到整類開源模型身上。
他預測，隨著未來半年開源模型持續縮小與閉源模型的差距，美國政府可能首次建立針對「frontier open models（前沿開源模型）」的審查制度。一旦如此，開源模型未必立刻消失，但可能失去與閉源模型適用相同規則的地位，淪為他口中的「永久二等公民（permanent second-class citizen）」，而美國正在成形的開源經濟：推論服務商、微調公司與各類新產品，恐怕也將一併被削弱。
值得注意的是，Lambert 將這視為一種政策風險，而非既成事實。他認為一旦制度建立，未來誰能公開發布模型、哪些模型需要額外審查，都可能不再只由技術能力決定，而是由政策決定。
當政策開始介入，競爭力與安全出現新的拉鋸
Lambert 的擔憂並非孤例。《Bloomberg Opinion》近日評論指出，美國若將政策重心放在限制中國開源模型，未必能真正降低 AI 風險。原因之一是執行面：蒸餾不像硬體那樣能靠實體管制攔截，現有技術防線並不足夠；加上開源模型已形成全球化生態，美國即使限制本土流通，也難以阻止其他國家持續發布高能力模型。
現實裡的破口也已出現。Claude Code 早在中國被封，卻仍有中介與所謂「中轉站」形成灰色市場，牛津中國政策實驗室研究員 Zilan Qian 就認為，要說這些帳號都在做系統性蒸餾恐怕被誇大了；而 Anthropic 因在 Claude Code 埋入追蹤使用者位置的隱藏程式碼、遭批侵犯隱私而撤回，北京也罕見地就該工具發出警告。
更關鍵的是，收緊往往是雙向的，夾在中間的人最受傷。華府一度切斷所有外國人（連 Anthropic 自家員工都包含在內）對其頂級模型的存取後又反轉；據《路透》，北京也在考慮限制海外存取中國最先進的 AI 模型。
《Bloomberg》評論的判斷因此是：若全球開源社群仍持續推進，美國過早限制本土開源模型，反而可能削弱自身創新能力，真正付出代價的會是仰賴這些工具的美國開發者。政策於是陷入兩難：一邊想降低安全風險，一邊卻可能因限制知識流通而削弱競爭力。
Nadella：模型公司不能一邊主張開放，一邊拒絕別人學習
如果說，《Bloomberg》的報導聚焦於政府如何重新定義模型的流通規則，Lambert 關心的是開源創新的生存空間，那麼 Microsoft 執行長 Satya Nadella 最近的一番談話，則把討論推向另一個層次：模型能力與知識控制權，是否適用同一套遊戲規則？
根據《TechCrunch》報導，Nadella 認為，目前部分 AI 公司對於資料與模型能力採取了互相矛盾的立場。一方面，它們主張可以自由利用全球公開資料訓練模型，認為這是推動 AI 發展不可或缺的一環；另一方面，當其他人利用模型輸出進行蒸餾、學習模型能力時，又主張這類行為應受到限制。他直言模型建構者不能同時主張這兩件事。
他形容買方其實付了兩次錢：一次是 token 費用，另一次是為了讓模型好用而必須交出的專有知識，而且越想要好表現，就得餵進越多。他說模型會從企業的「排氣」中學習：人們寫的提示、AI 代理用的工具，尤其是每一次人為修正，都被蒸餾成一種「競爭對手花錢也買不到」的機構級知識。
這也是企業開始需要關注這場爭議的原因。過去導入 AI，多半只關心能力夠不夠、成本合不合理；但若未來訓練、蒸餾與資料使用的規則持續改變，企業將不只是工具的使用者，也會成為規則的利害關係人，需要思考的不只是導入哪個模型，而是哪些知識該交給模型學、哪些能力該留在內部。
Nadella 的處方，是讓企業保留自己資料的所有權、自建「專屬學習環境」，並加上可在不同模型間切換的「編排層」，避免被單一供應商綁死；他通篇未提「開源」，指向卻很明顯。
趨勢也在動。企業軟體商 Solo.io 執行長 Idit Levine 觀察到客戶轉向地端部署開源模型，理由是「能做到大模型近九成的事、成本低得多、又握得住控制權」；在 Vercel 的閘道上，上月開源模型已占全部流量的 29%。對 Nadella 而言，模型可以更換、也可能愈來愈便宜，但企業如何管理知識資產、決定哪些分享哪些保留，才會成為長期競爭力的來源。
AI 下一場競爭，是誰有權決定「可以學什麼」
過去幾年，大模型公司的競爭集中在誰能更快訓練出更強的模型；如今，競爭開始延伸到另一個層次：誰能定義哪些能力可以被學習、哪些模型可以被發布，以及哪些知識可以自由流通。然而，純靠禁令與條款，擋不住一項本質上會擴散的技術。而一個訓練技巧之所以能升級成開源的存亡之戰，正是因為防堵蒸餾的邏輯，最終指向了對整類開放模型的圍堵。
這代表 AI 產業的護城河，正從技術逐漸延伸到規則本身。在缺少全球共識的此刻，各方指向的務實選項也頗為一致：投資開放權重專案與公共算力、和大學合作、把資料所有權留在企業手裡，並在產品端經營機構信任、算力與企業客戶支援這些難被複製的優勢。未來影響競爭力的，不只是誰擁有最好的模型，也包括誰能參與制定 AI 的遊戲規則。
【推薦閱讀】
◆ Harness Engineering 為何是 AI 軟體交付護城河？因為模型只會越來越可替換
＊本文開放合作夥伴轉載，資料來源：《Bloomberg》、《interconnects》、《Bloomberg》2、《TechCrunch》，首圖來源：Unsplash
