科技四少 ©️有料商业编辑团队原创

作 者 | 飞 马

2026 年 8 月，张一鸣在字节跳动 Seed 团队内部会议上罕见发声：字节不会把蒸馏当作提升 AI 模型能力的捷径，哪怕暂时落后于国内竞争对手。字节内部对开源模型严禁蒸馏，甚至通过 API 检测等方式在内部加强相关限制。梁汝波随后定调—— " 字节大语言模型会坚定自研，做好基本功，接受短期落后 "。

一时间，" 不蒸馏 " 似乎成了一种技术美德。

但问题来了：蒸馏到底做错了什么？

如果大模型不应该蒸馏，那新华字典之类的工具书是不是也不该学？人类从小到大，哪一样知识不是从别人那里 " 蒸馏 " 来的？把一种再正常不过的学习行为贴上道德标签，这本身就是一种认知偏差。

蒸馏是什么？它不是偷，是学

先搞清楚概念，模型蒸馏，是用更强大的前沿模型生成的输出，来训练自己的模型。通俗地说，就是让一个能力较弱的 " 学生模型 " 向更强的 " 教师模型 " 学习——看它怎么回答问题、怎么推理、怎么解题，然后把这些 " 学习笔记 " 用来提升自己。

这项技术并不新鲜。2015 年，" 深度学习之父 " 杰弗里 · 辛顿等人就系统发表了知识蒸馏的开山之作。此后十年，蒸馏从一个模型压缩工具，演变为大模型训练中几乎不可或缺的环节。

蒸馏和 " 偷代码 "" 偷数据库 " 有本质区别。蒸馏无法直接获得另一个模型的权重和完整训练数据。它只是通过观察一个模型的 " 输出 " ——也就是它给出的答案——来学习。就像你坐在学霸旁边看他做题，你看的不是他的脑子，而是他写在纸上的解题过程。

" 这不就是学习吗？"

黄仁勋说得更直白：" 蒸馏——从 AI 学习、从他人学习，以及从其他知识来源学习，是智能的基础。" 在他看来，人类的知识传承本就是一场永无止境的 " 互相蒸馏 "。

扎克伯格也站出来为蒸馏辩护。他在题为《未来属于每个人》的文章中写道，模型能够向其他模型学习是开源生态系统运行的重要原则，" 所有人工智能模型都源于人类知识 "。他呼吁保护 " 可以从任何能够观察到的事物中学习 " 这一原则。

你看，行业里真正懂技术的人，没有一个把蒸馏当作什么见不得人的事。

" 蒸馏羞耻 " 从何而来？

蒸馏被污名化，不是技术问题，是政治问题。

2026 年 2 月，美国 AI 公司 Anthropic 发布报告，指控 DeepSeek、月之暗面和 MiniMax 三家中国公司对其 Claude 模型发动了 " 工业级别的蒸馏攻击 "。6 月，Anthropic 又指控阿里巴巴用 25000 个虚假账号与 Claude 进行约 2880 万次交互。

但翻翻 Anthropic 自己的 " 黑历史 " ——这家公司因为从盗版网站下载了约 48.2 万本注册版权书籍来训练模型，被作者们集体诉讼，最终赔了 15 亿美元。自己非法爬书的时候不提道德，别人看两眼模型输出就成 " 盗窃 " 了？

钛媒体的一篇评论一针见血：蒸馏不能等同于抄袭和窃取，" 这种行业最普遍的技术，已经彻底被 Anthropic 污名化了 "。

更有意思的是，美国 AI 公司之间互相蒸馏是家常便饭。Anthropic 自己的 Claude 模型还被开发者测出输出 " 我是通义千问 "" 我是 DeepSeek" 的回答，被业内调侃 " 蒸馏了中国模型 "。

这不是技术争议，这是叙事权争夺。当技术优势难以持续拉大时，知识产权和技术边界就成了新的博弈焦点。把对手的合法学习行为污名化，就能在舆论上占据道德高地——这套打法，从半导体到 AI，剧本都没换过。

蒸馏的正当性有据可依

法律层面怎么看待蒸馏？

有学者基于 " 三步检验法 " 和 " 转换性使用 " 等分析框架研究表明，DeepSeek-R1 的蒸馏不构成侵犯著作权。法律界认为，AI 模型的蒸馏行为定性应当促进 " 技术创新—权利保护—公共领域 " 的动态平衡，应当肯定蒸馏行为的正当性。

还有法学研究指出，模型蒸馏的本质是对公共领域知识的创造性转化。蒸馏技术契合知识产权制度之技术进步和利益平衡的公共领域价值追求。

简单说：蒸馏本身不违法。真正可能引发法律问题的，是违反服务协议（比如闭源模型的使用条款明确禁止蒸馏）、或者通过欺诈手段大规模调用 API。但这些是 " 怎么蒸馏 " 的问题，不是 " 能不能蒸馏 " 的问题。

技术是中立的。把一种中立的工程方法上升到道德审判的高度，既不专业，也不公正。

字节的 " 不蒸馏 " 勇气可嘉，但别把它当真理

回到字节这件事，张一鸣的逻辑是：过度依赖蒸馏可能削弱企业自主研发能力；蒸馏会干扰真正意义上的长期技术突破；如果训练数据大量源自对手模型，最终只能学到对方的能力边界，难以摸到真正的动力内核。

这些担忧有没有道理？有。如果一个团队习惯了 " 抄作业 "，确实可能失去独立解题的能力。字节想走一条更艰难但更自主的路——这值得尊重。

但问题是：不蒸馏和自研，从来不是非此即彼的选择。

多位大模型研究员都认为，" 完全不蒸馏肯定会慢很多，短期内不借助蒸馏把 Coding 和 Agentic 能力做到行业前列，似乎并不现实 "。有研究员打了个比方：一个正常的训练管线，应该把蒸馏作为一种 " 冷启动 "，让模型快速走到 90 分，再去解决后面的那 10 分。

蒸馏就是学习，学习会妨碍创新吗？牛顿说 " 站在巨人的肩膀上 "，爱因斯坦学遍了前人的物理理论才提出相对论。如果非要 " 从零开始 " 才算原创，那人类文明根本不存在。

字节选择了一条极端路线——不仅不蒸馏闭源模型，连开源模型也被纳入禁区。这种 " 一刀切 " 的做法，与其说是技术判断，不如说是更像一种姿态表演。

学习的权利，不应被道德绑架

这场关于蒸馏的争论，折射出一个更深层的问题：在 AI 这个快速迭代的领域，我们到底应该用一种什么样的心态看待 " 学习 "？

有人把 " 自研 " 捧上神坛，把 " 学习 " 踩进泥里。好像只有从零到一、白手起家才算真本事，借鉴别人的成果就是走捷径、没骨气。

这种想法如果放在教育领域，简直荒谬——哪个学生不是先学课本、听老师讲课、参考前人成果，然后才可能有自己的创见？如果 " 学习 " 是可耻的，那全世界的学校都可以关门了。

蒸馏就是 AI 的 " 上学 "，它看别人的答案、学别人的思路、理解别人的推理过程——然后形成自己的理解。这不叫抄袭，这叫成长。

黄仁勋说得透彻：" 人类一直在互相学习，AI 也得从某些东西里学习。" 早期模型学习了互联网上的人类内容，现在的模型学习其他模型的输出——本质上都是在吸收已有的知识，然后产生新的东西。

如果大模型不应该蒸馏，那新华字典、百科全书、教科书是不是都不该存在？人类学习知识，不就是一种 " 蒸馏 " 吗——把前人的智慧浓缩、消化、再创造？

别把蒸馏污名化了，学习从来不可耻，可耻的是把学习当作原罪。

字节可以坚持自己的技术路线，这没问题。但不要把 " 不蒸馏 " 包装成道德优越感，更不要让整个行业为这种 " 蒸馏羞耻 " 买单。

技术竞争，拼的是谁跑得更快、走得更远，而不是谁更 " 纯洁 "。在这个意义上，对一切有利于 AI 进步的手段保持开放，才是真正的长期主义。

毕竟，AI 要学习的，从来不只是答案本身——还有人类几千年来 " 站在前人肩膀上继续前进 " 的那份坦荡。

免责声明 : 本文基于已公开的资料信息或受访人提供的信息撰写，但科技四少及文章作者不保证该文章提及或者展示关联等信息资料的完整性、准确性，不代表任何机构和个人立场，如涉侵权请联系删除。在任何情况下，本文中的信息或所表述的意见均不构成对任何人的投资建议。