蒸馏风波之后，模型能力不是唯一指标

标题：蒸馏风波之后，模型能力之外还要看可替换性

9月9日，CISA、NSA、FBI 联合警告，点名六家中国 AI 公司，包括 DeepSeek、Alibaba、Moonshot AI，称其自 2024 年底起，用工业级蒸馏从 GPT、Claude 等美国前沿模型批量抽能力。据说，有美国头部模型公司也披露过类似活动。报告称，这是核心开发方式。

过去选型主要看模型能力、成本和集成，跑分高、补全快，单价、缓存、并发，API 是否顺手。现在要多想一层，能力来源能不能解释，合规事故会不会放大成本，换供应商要不要重写链路。

这件事会落到工具链里，形成隐性依赖。调用模型时，实际买到的包括补全、训练数据、许可证、评估口径，以及对方和上游模型之间的关系。

蒸馏在工程上很具体。拿一个强模型生成大量输入输出，清洗后喂给弱模型，让它学格式、学推理链、学工具调用习惯。跟 Copilot 比的话，我们早就在做类似事，让大模型生成单测，再把样例放进内部知识库，给小模型做微调。差别只在规模、来源和许可。

我这边用 DeepSeek 和 Qwen 大约一个月，主要跑代码摘要和文档初稿。DeepSeek 的中文代码解释比较省事，Qwen 在长文档抽取上够用。物界这个插件刚试几天，补全逻辑有优点，但长上下文一长就忘。问题也明显，供应商换底座后，我的 prompt、评测集、fallback 都要重调。所谓稳定，很多时候只是接口没改，内部行为早变了。

企业真正要处理的是能力是否可审计。比如一个代码审查工具声称自研，但输出风格、漏洞模式、误报特征都像从某个商业模型蒸馏来的。客户会追问训练边界、评估来源、许可证链条能不能提供。答不上来，效果问题就变成供应链问题。

我之前写过《把 AI 生成内容里的水挤出来》，工具选型也一样。别只问哪个模型聪明，要问能不能换。标准接口、本地代理、私有评测集、响应留痕，听起来不性感，但采购和审计时很管用。

我最近刚上手 Edge AI Daily，里面反复提技术管制风险，跟这次警告是同一类问题。蒸馏不一定违法，中国模型也不必然不能用，企业不能继续把模型当黑盒。至少三件事要做，关键任务保留人工预处理，脏数据别让模型自动洗，建立自己的小评测集，不靠厂商 benchmark，给模型调用加版本号和日志，出问题能定位是 prompt、底座还是业务逻辑。

我的判断是，未来半年到一年，企业采购会先筛可替换性，再看模型能力。跑分仍然有用，但采购门槛会更多。模型网关、评估代理、合规留痕工具会有一波需求。对独立开发者也是提醒，别把产品押在某个模型的补全手感上。产品最好把模型当可替换零件。

---

📌 本文编译自 TechRadar，原文见 https://www.techradar.com/pro/security/fbi-nsa-warn-chinese-ai-companies-like-deepseek-and-alibaba-are-reportedly-carrying-out-industrial-scale-distillation-campaigns-to-boost-their-models

版权归原作者所有，本文为基于公开报道的编译与独立分析。