America’s Open-Model Paradox

美国的开放模型悖论 | 序曲资本

美国的开放模型悖论

蒸馏，还是不蒸馏？

作者

迪恩·迈耶

和

康斯坦丁·布赫勒

发布于2026年7月24日

中国越来越多地为西方公司提供用于服务、训练和构建人工智能的模型。

根据ATOM报告，通义千问在新开放模型微调和适配中的占比从2024年1月的1%上升至2026年2月的69%。大多数美国AI初创公司似乎在其技术栈的某个环节都在使用中国开放权重。

这种依赖关系现在向上游延伸。西方应用公司正在基于中国开源模型构建产品。更进一步，西方实验室正在将中国模型作为教师和合成训练数据的来源，在激烈缩小前沿差距的竞争中使用中国模型。

例如，Thinking Machines独立预训练了Inkling，但使用了Moonshot的Kimi K2.5生成的合成数据来启动其监督微调过程。

关键点不在于Inkling中有多少来自Kimi。关键在于西方实验室可以通过合法途径从中国开放模型中学习，而使用GPT或Claude输出的同等行为是被禁止的。

当前的流程大致如下：

• 西方前沿模型 → 据称未经授权的外国提取 → 中国开放权重 → 合法的西方后训练

缺失的直接路径是：

• 美国前沿模型 → 合法的西方后训练

这为何重要？预训练创建了一个有能力的基础模型。后训练将其转化为有用的编码、推理、工具使用和智能体系统。更强的教师可以将部分昂贵的发现过程转化为更便宜的学习问题。

蒸馏并不能解释中国在开放模型领域的全部领先优势。中国实验室拥有世界级的研究人员、充足的计算资源、强大的预训练模型、软硬件协同设计，以及快速提升的后训练能力。但蒸馏压缩了从强大基础到接近前沿系统的昂贵最终差距。即使蒸馏在中国模型总能力中占比更小，它在相对于美国开放模型的优势中仍占重要份额。

新的执行机制将使中国公司的大规模蒸馏更加困难、缓慢和昂贵。然而，执行措施无法消除国家行为体内置的蒸馏。因此，每一次西方前沿技术的突破都会为中国的实验室创造另一个教师。西方开发者必须要么独立复现这些能力，要么等待从中国模型中学习。

这一差距为中国实验室提供了相对于西方公司的持续结构性优势。

利益相关方的范围远超模型收入。开源层的供应商将成为产品、合成数据、后训练系统、评估、智能体、优化和应用AI的默认基础。

奖赏在于成为全球企业构建和提升数字智能的底层基座。权重是开放的。我们的依赖却并非如此。

下载中国模型可使西方公司控制特定版本。它可以本地运行模型、修改模型，并在未经许可的情况下继续使用。

但AI能力是一个升级周期。西方初创公司、模型开发者和研究人员越来越依赖每一个新的Qwen、Kimi、GLM或DeepSeek作为更强的基础、教师、合成数据来源以及进一步研究的平台。

如果中国停止发布其最先进的模型，现有产品不会立即失效，但会逐渐落后。路透社最近报道，中国当局已讨论限制海外访问先进模型，包括尚未发布的模型。虽然尚未宣布最终政策，但西方对这些模型的访问最终取决于中国实验室和监管机构是否持续发布。

还存在更技术性的安全问题。开源权重模型并不一定就是可审计模型。

权重是训练过程的压缩结果，它们无法揭示完整的预训练语料库信息，包括哪些数据被过滤或污染、训练过程中采取了哪些干预措施，或者是否嵌入了依赖罕见触发条件的行为。

我们并非声称通义千问、Kimi或其他中国模型包含后门。关键在于，拥有权重本身无法证明不存在后门。后门可能在常规测试中保持休眠状态，只有在出现未知触发条件时才会激活。研究表明，故意植入的行为可以经受监督微调、强化学习和对抗训练的考验。

这可能是许多消费级应用可以接受的供应链风险，但对国防、情报或关键基础设施领域来说是不可接受的。

开源权重提供了部署控制权，但无法保证持续访问更优模型，也无法确保模型本身的对齐性、信任度和安全性。

直接美国路径的框架

美国公司需要一种合法途径，将美国前沿技术转化为更便宜且可拥有产权的模型。

如果没有国内路径，西方可能在封闭前沿领域保持领先，却在开放层陷入对中国技术的依赖。

一个有用的框架包含三个部分：

• 持续构建西方基础模型：Reflection（为企业和主权国家构建开源超级智能）、TML 和 Nemotron 正在取得惊人进展。但更强的预训练本身无法解决“教师”问题。美国开发者还需要合法途径来吸收美国前沿已开发的能力。

• 创建受控的教师访问机制：前沿实验室可以向符合条件的西方及盟国公司出售结构化训练权限，无论最终模型是公开发布还是私密部署。访问权限可以滞后于前沿技术，覆盖特定能力，仅限经过验证的公司，并可进行计量和审计。最敏感的生物和网络能力可保持限制。这不会允许公司克隆最新前沿模型，但会创建一条合法且计价的能力转移路径，这正是精明的外国行为者正在秘密追求的。

• 持续提高外国蒸馏成本：应继续加强更好的身份验证、访问控制、代理干扰和执法。如果自愿市场未能发展，访问权限最终可能成为重大联邦AI合同的附加条件。

这些只是起点。谁有资格获得访问权限、访问应滞后于前沿技术多远、如何定价、哪些能力应保持限制，这些议题值得深入讨论。

试想如果我们当初不允许在开放网络上进行训练，我们将完全不会有领先的AI。这类政策影响具有变革性。所有领先的实验室都受益于大量公开可用的数据。我们必须拥有一个开放自由的未来：这对西方竞争力至关重要。

不应再被忽视的是当前的平衡状态：西方主导技术前沿，其中部分能力通过中国模型间接传递，西方开发者随后依赖这些模型使智能技术更廉价、更灵活且更具自主性。

提炼与否并非问题核心。真正的问题在于：西方是否为能力转移创建了合法的国内路径——还是继续依赖经由中国间接传递的路径。

分享

分享到 Facebook

分享到 Twitter

分享到 LinkedIn

通过电子邮件分享