9月9日，商務部發言人在回答記者提問時，強烈駁斥了美國所謂中國人工智慧企業從事“工業規模”蒸餾美國模型的指控，強調相關指控“於事無憑、於法無據”。
商務部表示，模型蒸餾是全球人工智慧企業普遍採用的中性技術手段，美國企業同樣大量使用中國模型開展蒸餾；如果美方以打擊蒸餾為名，採取措施遏壓中國人工智慧企業，中方必將予以反制。
商務部的回應，針對的是美國三個部門一天前發佈的公告。9月8日，美國國家安全域、網路安全與基礎設施安全域、聯邦調查局聯合發佈網路安全公告，指責DeepSeek、月之暗面、阿里巴巴、MiniMax、階躍星辰和智譜等中國人工智慧企業，自2024年底以來對Claude、GPT、Gemini和Grok等美國前沿模型開展“工業規模”的蒸餾活動。
這三個部門認為，中國企業通過多個管道獲取模型輸出，共用批次購買的高級帳戶，繞過地域和訪問限制，以更低成本訓練自己的模型。公告還聲稱，這些活動侵犯了美國企業的智慧財產權，並可能增強中國的軍事和網路攻擊能力。
事實上，關於中美企業相互蒸餾模型的討論由來已久。過去，圍繞模型輸出能否用於訓練、呼叫行為是否違反使用者協議的爭議，主要被視為企業之間的商業糾紛，相關法律邊界也尚無統一定論。現在，美國三個安全和執法機構直接下場，把企業服務條款、模型商業利益與國家安全捆綁在一起，以國家安全的名義介入商業爭議。
更重要的是，美國這場爭論表面上圍繞模型蒸餾，真正指向的卻是另一個問題：在對華晶片和算力限制仍未能阻止中國AI快速發展的情況下，美國試圖直接干預中國模型的發展，企圖壓制中國AI的追趕勢頭。
01. 一場商業焦慮，被送進安全部門
美國企業真正緊張的，恐怕不只是模型蒸餾本身。
過去幾年，美國頭部大模型公司逐漸形成了一套清晰的商業邏輯：投入數百億美元購買晶片、建設資料中心，訓練性能最強的閉源模型，再通過高價會員訂閱和API呼叫收費，把巨額投入包裝成資本故事，並轉化為持續收入。
在這套模式中，領先優勢與高價格相互支撐，共同構成商業壁壘。只有模型明顯更強，企業客戶才願意長期支付更高的Token費用；只有模型保持封閉，開發者才必須留在服務商的API和雲平台裡。
這套邏輯也被資本市場直接寫進了估值。OpenAI已經秘密遞交上市申請，目標估值最高達到1兆美元；Claude背後的Anthropic，估值甚至達到2兆美元。
我們可以粗略估算一下：假設市場成熟後，兩家公司的淨利率達到25%、市盈率達到30倍，那麼要支撐這兩檔估值，兩家公司的年收入分別需要達到約1330億美元和2670億美元，年淨利潤則要分別達到約333億美元和667億美元。
這意味著，兩家公司不僅要把收入再擴大三到四倍，還必須從目前高投入、低毛利甚至虧損的狀態，轉變為利潤率接近大型軟體公司的企業。
資本顯然不是按照成本—利潤關係給出如此高的估值，它押注的是兩家AI公司未來壟斷“智能入口”的故事：當企業在寫程式碼、分析資料和處理日常工作時都依賴這些模型，OpenAI和Anthropic便可以像雲平台一樣，持續按照Token收費。只要它們的閉源模型始終領先，這個資本故事就能一直成立。
但中國模型正在同時鬆動這兩個支點。
史丹佛大學《2026年人工智慧指數報告》稱，中美頂尖模型的性能差距已經“實際上閉合”。截至今年3月，美國領先模型的優勢只剩2.7%。同一份報告還顯示，2025年美國私人AI投資達到2859億美元，是中國124億美元的23倍以上。也就是說，美國以遠超中國的資本投入，換來的卻只是與中國模型相差無幾的能力。
更重要的是，中國企業正在把模型的使用價格壓到很低的水平。DeepSeek今年將V4-Pro的API價格永久下調75%；阿里雲國際站的Qwen3.8-Flash，每百萬Token的輸入和輸出價格分別為0.15美元和0.47美元；智譜GLM-5.3-Flash首輪優惠結束後，標準價格也只有0.15美元和0.5美元。月之暗面Kimi K3的價格稍高，每百萬Token的輸入和輸出價格分別為3美元和15美元，但仍明顯低於同檔美國閉源模型，並已採用開放權重模式，供開發者下載和修改。
中國企業的低價、高效切入，足以改變企業客戶的計算方式：如果一個開放模型已經能夠完成八成甚至九成的任務，成本卻低得多，還能部署在企業自己的伺服器上，那麼剩下的一點性能差距，還值不值得用數倍價格去購買？
外媒在分析Kimi K3引發的市場波動時，就把問題指向了美國AI產業的投入邏輯：當市場上出現“更便宜、性能接近、還可以下載”的模型，投資者便會重新審視美國企業為晶片和資料中心投入的巨額資本，是否還能帶來足夠高的回報。
這才是“蒸餾”指控背後真正的商業壓力。
中國模型不只是在模型榜單上追趕，也在用低價和開放權重削弱閉源模型的溢價，讓AI更接近普惠基礎設施，而不是淪為少數企業和少數人的昂貴智能玩具。
美國頭部實驗室花重金建立的能力，如果很快變成全球開發者都能低成本呼叫、下載和二次開發的公共底座，受到衝擊的就不只是一次API收入，而是閉源模型、雲平台和開發者生態共同構成的護城河，以及建立在這道護城河之上的資本故事。
當美國企業無法再只靠產品性能和定價維持這道護城河，把競爭對手定義為安全威脅，就成了一種選擇。
02. 蒸餾不是中國企業發明的“偷師術”
即便暫且不談背後的利益博弈，只看模型蒸餾技術本身，美國三個部門及相關企業的指控也站不住腳。
模型蒸餾大致可以分為傳統蒸餾和黑盒蒸餾。無論那種模式，都屬於當下AI行業常見且有用的技術手段。
傳統蒸餾可以理解為“大模型帶小模型”。能力更強的教師模型先回答大量問題、生成推理過程或給出評分，再用這些結果訓練體量更小、運行成本更低的學生模型。學生模型不需要複製教師模型的原始碼和參數，也能學習其解題方式和輸出規律。
黑盒蒸餾則是指學生模型無法看到教師模型的內部參數，只能通過API向其大量提問，再使用返回的答案訓練自己的模型。美國此次指控的，正是這類做法。
即便退一步，按照美國所謂“黑盒蒸餾”的口徑，這也不是中國企業獨有的做法。
輝達2025年發佈Llama Nemotron Super 49B v1.5時，曾在技術部落格中明確披露：該模型使用了超過2600萬條合成資料，這些資料由阿里Qwen3 235B和DeepSeek-R1 671B生成，覆蓋推理、程式碼、數學、對話和工具呼叫等任務。輝達的Llama-Nemotron技術論文更直接把DeepSeek-R1稱為“教師模型”，並把學習其推理軌跡的過程稱為蒸餾。
按照如今美國公告的寬泛敘事，美國企業使用中國開放模型生成資料，是正常的技術學習；中國企業呼叫美國模型學習能力，卻可以被描述為“工業規模攻擊”。差別不在技術本身，而在於美國是否願意承認，其他國家同樣擁有利用規則學習和追趕的權利。
有趣的是，這種擴大化的做法，連美國科技行業內部也不完全認同。
今年7月，微軟官網公開了一封由輝達、微軟、Meta、IBM、OpenAI、Google等企業和機構共同簽署的公開信。信中特別提出，政策制定者不應把合法的模型開發技術與侵佔行為混為一談。公開信承認，從閉源模型中非法獲取商業價值的行為確實需要處理，但應當通過有針對性的法律和商業框架解決，而不是全面限制對AI創新具有重要作用的蒸餾技術。
這恰恰說明，爭議的邊界原本可以劃得很清楚。
如果有人使用虛假身份開戶、盜用支付方式或繞過技術限制，可以依據合同、反欺詐法律和資料規則逐案處理。但違反一家企業的服務條款，不會自動等同於竊取國家機密；正常使用模型輸出開展研究，也不能僅僅因為使用者來自中國，就被預設為國家安全威脅。
美國安全機構現在做的，正是把這條原本可以逐案判斷的邊界，改寫成面向中國企業的整體性風險判斷。
03. 從限制晶片，到限制“誰能學習”
商務部此次回應的核心，也正在於此。
美國三個部門在公告中提出的防禦思路，包括加強使用者身份驗證、監控異常呼叫、識別多個帳戶之間的關聯，並推動模型企業、雲服務商與政府部門共享風險資訊。單獨看，每一項都可以被解釋為平颱風控；連在一起，卻可能形成一套針對特定國家和企業的模型訪問制度。
這套制度的關鍵，不只是限制誰能登錄，而是改變模型輸出的性質。原本，API是企業付費購買的資訊服務；按照新的安全敘事，模型返回的答案也被視為一種需要控制流向的技術能力。平台審查的標準將不再只是某次呼叫是否違規，還包括使用者來自那裡、隸屬於那家企業，以及這些輸出未來可能被用於什麼目的。
這相當於把晶片出口管制中的“終端使用者審查”，複製到了模型介面上。模型公司負責識別和封禁帳戶，雲服務商負責追蹤算力與支付來源，安全機構則彙總風險資訊並提供政策依據。企業的服務條款由此不再只是商業合同，而可能成為管制模型能力出口的第一道規則。
過去，美國通過限制GPU和高頻寬記憶體出口，壓縮中國企業能夠獲得的算力；現在又試圖通過帳戶審查、API封禁和跨平台追蹤，控制模型輸出能夠流向那裡、被誰吸收。
前者控制的是生產智能所需的硬體，後者控制的是智能擴散和再生產的過程。背後的管理思路其實一以貫之：利用各種行政手段限制中國AI發展。
但模型能力畢竟不同於晶片。晶片可以被海關和出口許可截斷，知識一旦轉化為論文、程式碼、開放權重和合成資料，就會被不斷複製和重新組合。美國收緊閉源模型訪問，能夠增加部分中國企業獲取海外模型輸出的成本，卻難以阻止技術擴散，反而會加快中國企業擺脫美國API、轉向國產模型和開放生態。
換言之，當晶片和算力限制已經無法阻止中國AI追趕，美國又把手伸向了模型介面。但美國封得住API，封不住技術擴散；最後被擋在中國AI生態之外的，反而可能是美國模型自己。 (科工力量)