中美互指对方靠“蒸馏”训练模型 中国商务部周一指责美国AI企业在研发和训练模型过程中使用中国模型进行“蒸馏”，并称如果美国针对中国AI企业采取限制措施，北京将采取必要反制措施。 “蒸馏”（distillation）是一种人工智能训练技术，即利用一个规模更大、能力更强的模型输出结果，训练另一个模型，使其模仿并提升性能。这一方法目前在整个AI行业被广泛使用。不过，美国官员认为，中国企业大规模采用该形式，意在非法复制美国公司专有AI系统。 中国商务部表示，美方相关指责“缺乏事实依据”，在实践上“搞双重标准”，称其为“典型的人工智能霸权主义行径”。 中国商务部在声明中表示：“据了解，很多美国人工智能企业在研发和训练中蒸馏了中国的模型。”声明要求美国停止对中企的“制裁威胁”，并表示：“对于任何实质性损害中方利益的行为，中方将采取一切必要措施，坚定维护自身正当合法权益。” 美国指控“月之暗面”复制美国模型 上周，一名白宫高级官员指责中国初创企业“月之暗面”（Moonshot）在开发Kimi K3时，秘密复制了美国人工智能公司Anthropic的先进模型。 Kimi K3发布后，其代码能力等表现引发美国科技界关注，并再次引发有关“中国AI企业究竟是在复制美国技术，还是依靠自身研发快速缩小差距”的讨论。这一争议也让美国联想到去年中国初创企业DeepSeek崛起时引发的反应。 美国人工智能公司Anthropic今年2月表示，其发现超过340万次与月之暗面相关的、针对其Claude模型的交互行为。Anthropic称，有数百个虚假账户被用于获取Claude在推理、编程、数据分析、工具使用、计算机视觉以及操作计算机等方面的能力。 美国白宫科技政策办公室主任迈克尔·克拉齐奥斯（Michael Kratsios）上周表示，美国政府掌握的信息显示，月之暗面通过蒸馏Anthropic的Claude Fable 5模型开发Kimi K3。 他指控月之暗面建立了复杂的内部系统，以大规模蒸馏美国模型，并通过切换多种访问方式避免被发现。他还称，该公司购买了搭载英伟达GB300芯片的服务器，并很可能通过在泰国访问这些计算系统来训练模型。 威胁制裁 美国财政部长贝森特（Scott Bessent）随后表示，中国企业可能面临金融制裁，或被列入美国商务部“实体清单”，以限制其获取美国技术。 贝森特在X上表示：“我们支持开源AI以及它所带来的创新。但开源并不意味着可以随意窃取美国知识产权。” 他说：“当中国企业进行隐蔽的、工业规模的蒸馏攻击，且行为性质演变为知识产权盗窃时，制裁和列入实体清单都将成为选项。” 中国否认依靠蒸馏取得突破 月之暗面否认Kimi K3的性能是通过蒸馏实现。该公司上周向中国《每日经济新闻》表示，模型性能提升来自底层架构的原创性改进。 如果被列入美国商务部实体清单，月之暗面可能面临严重限制，包括无法获得美国半导体、软件和云服务。 美国此前曾将实体清单作为限制中国通信设备制造商华为的重要工具。2019年，美国将华为列入该清单，大幅限制其获取美国技术。 （消息来源：法新社，路透社）

纽约时报今天也加入了中美AI竞争中的热点话题：AI蒸馏技术。 核心事件 今年6月，Anthropic致函两位美国参议员，指控阿里巴巴通过数万个未授权账户秘密访问其Claude系统，利用"蒸馏"（distillation）技术窃取其AI能力，再包装成自家产品。Anthropic将此称为"工业规模的蒸馏攻击"。 什么是蒸馏？ 蒸馏并非新技术，十多年前谷歌研究人员就已开发。原理很简单：用一个强大的AI模型（"老师"）生成数据，再用这些数据训练一个更小、运行成本更低的模型（"学生"）。问题在于，有人用这种方法复制他人的专有模型——而非只复制开源模型。 美国公司自己也在做？ 是的。马斯克在今年4月的联邦法庭上承认，xAI也对其他AI公司的技术做过蒸馏。他直言："AI公司之间普遍相互蒸馏。" 法律上是否违规？ 目前不明确。部分法学学者认为可能违反2016年《保护商业秘密法》，但法院尚未有明确裁决；版权法也不一定适用，因为蒸馏复制的是行为而非文字。 中国的情况 约18个月前，DeepSeek以远低于美国同行的成本构建出高效AI系统，震惊硅谷，随后被OpenAI指控蒸馏其技术。Anthropic则称，DeepSeek等多家中国公司通过约24,000个账户，生成超过1600万条对话来训练自己的模型。目前中国AI水平据估计落后美国约六个月。 Anthropic的诉求 Anthropic呼吁国会立法、推进美国政府与AI头部企业之间的更深度合作，同时扩大出口管制范围，限制中国获取训练AI所需的高端芯片。 专家看法 多数专家认为打压蒸馏的实际效果有限。执法对中国境内行为几乎无能为力。更有观点认为，随着AI向智能体（Agent）方向演进，蒸馏的重要性将自然下降，因为训练智能体行为本身很难通过蒸馏复制。

中国 AI 圈集体抄袭？ Anthropic 近日向美国政府提交举报材料，指控阿里巴巴正在蒸馏（抄袭）Claude 的核心能力。 为了躲避追踪，中国的 AI 公司把账号体系做到了什么程度？ 按照 Anthropic 的描述，这几家公司搭建了一套九头蛇集群。一个账号被封，新的账号立刻补上；一个 IP 被限制，新的节点马上接管，整个系统几乎不会中断 报告显示，阿里旗下大模型千问（Qwen）从 4 月 22 日到 6 月 5 日的 44 天内，通过近 2.5 万个虚假账号，与 Claude 进行了超过 2880 万次交互。 Anthropic 给这种行为起了一个专门的名字：对抗性蒸馏攻击（Adversarial Distillation Attack）。 翻译就是：让 Claude 先把题做一遍，再把答案、推理过程和能力体系拿回来训练自己的模型。 而幕后主使，Anthropic 直接点名为阿里巴巴旗下的 Qwen 团队。 这已经不是第一次了。 四个月前，也就是 2026 年 2 月，Anthropic 曾发出过类似指控，对象分别是 DeepSeek、月之暗面和 MiniMax。当时的数字是 2.4 万个虚假账号、1600 万次交互。 更有意思的是，Anthropic 在长期追踪中发现了一套极其固定的行为模式。 每当 Claude 发布新版本，或者 Agent、代码等核心能力升级后，这些账号都会在短时间内集中活跃，迅速迁移到新模型上，开始新一轮定向提取。 普通用户是在使用 Claude。 而这些账号更像是在研究 Claude。 最终，Anthropic 还是顺着痕迹找到了源头。 根据披露的信息，他们通过请求元数据进行反向追踪，甚至定位到了月之暗面具体参与操作的员工。

# AI 行业三个月变天，模型榜单已经解释不了全部 1小时46分钟里，这期《半球观察》播客的主持人 把 DeepSeek V4、约 1000 条 Cursor 工作轨迹、OpenClaw 出圈、Manus 交易流产和 AI 中转站放在同一张桌上。单看每条都像行业新闻，连起来看就很刺眼：AI 公司正在被新的尺子衡量。模型榜单还重要，但已经解释不了全部。 过去我们习惯问一个问题：谁的模型更强？ 现在还得问另一组问题：谁有真实任务数据，谁掌握用户入口，谁能把价格打下来，谁能穿过监管和资本的窄门。 > **编者注：** 这篇按播客原文提炼判断。DeepSeek 估值、Cursor/xAI 交易、Manus 价格等数字均先按“节目说法”处理，不能直接当作已确认事实。 ## DeepSeek 的强，变成了另一种强 主播对 DeepSeek V4 的评价并不客气。V4 Pro 被认为 reasoning 过长，很多任务里像是在思维链中自己和自己打架。V4 Flash 的体感更好，接近 GPT5.4 mini 或 instant API 的水平，但这已经不是 R1 那种“全行业被迫重新估值”的时刻。 这就产生了第一个反差：DeepSeek 仍然技术很硬，但它的产品冲击力没有天然压倒别人。 节目里提到，Kimi、GLM、MiniMax 等国产模型在 coding 和迭代速度上都给了 DeepSeek 压力。DeepSeek 自己也因为适配国产硬件、减少 CUDA 技术债、拥抱 TileLang 等路线，承受了延期和成本变化。 这听起来像掉队。 但节目给了另一个定位。 节目里说“DeepSeek 正好填补了这个空白”。 这个“空白”指的是 OpenAI 不再开放权重、不再详细公开技术路线之后，全球开发者和研究者仍然需要一个前沿模型的公开参照物。DeepSeek 的价值就从“谁最强”变成“谁还愿意把技术路线摊开”。 这是一种新的强。 它可能不总是最会做产品的公司，也不一定每个版本都压住榜单。但它像开源社区的技术坐标系。大家看它的 report，看它的注意力机制，看它的后训练方法，再把这些东西吸收到自己的模型和产品里。 所以，写 DeepSeek V4 不适合写成“王者归来”或“彻底掉队”。更准确的说法是：DeepSeek 正在从爆款模型公司，变成公开 research lab 的基础设施。 DeepSeek 没有消失，它只是从王者变成了坐标系。 ## 数据飞轮开始压过架构叙事 这期最有信息量的技术段，落在 OPD 上。 节目用一个很好的类比解释 On Policy Distillation：传统后训练像老师先写一大本习题集，学生之后自己看、自己背、自己消化。问题是题太多，领域太杂，学生容易学歪，甚至出现 reward hacking。 OPD 的感觉更像现场教学。 > “学生遇到不会了，老师就过来告诉他为什么不对。” 写代码时，代码老师在旁边；做数学时，数学老师在旁边。学生先尝试，老师实时纠错，模型训练从离线习题集变成在线反馈。 这个机制把问题引向更深一层：老师从哪里来？ 答案是数据。更具体地说，是真实任务里的高质量轨迹。 节目提到 Cursor 的 Composer 2 争议时，有一个关键细节：Cursor 被转述为在 Kimi base model 上加入约 1000 条真实用户工作轨迹做 SFT，使 coding 表现明显强于原始 base model。这个数字需要核查，但方向很重要。 如果模型架构的边际差距变小，真实任务数据就会变成更贵的东西。 Claude Code 和 Codex 为什么会越做越强？节目里的解释是，它们有真实工程师每天使用的轨迹：怎么打开项目，怎么读代码，怎么改错，怎么跑测试，怎么回退，怎么完成一个长任务。 这些数据很难从普通互联网文本里直接获得。它是任务过程。 这也是 Cursor、Claude Code、Codex、OpenClaw、Manus 这一类产品被重新定价的原因。它们表面是工具，底层是数据采集口。谁的用户每天把真实任务交给它，谁就能反过来训练更懂任务的模型。 模型能力当然还重要。但当大家都足够强时，数据会把差距重新拉开。 模型教会产品说话，用户轨迹教会模型做事。 ## OpenClaw 出圈，说明入口开始变形 节目把 OpenClaw 称为 Agent 的 ChatGPT 时刻。 这句话很大，但它有具体场景支撑。主播把 OpenClaw 接进 Telegram 家庭群，当成一个会记忆、会查资料、会调用 skill 的“电子宠物”。更重要的是，在这个框架里，本地 27B 模型和 GPT5.5 的体感差距被缩小了。 原因很简单：OpenClaw 有 memory，有 skill，有连续任务，有工具调用。 这就改变了用户感知。单独问一个小模型，它可能不如大模型；把它放进一个 agent 框架里，它能记住昨天说过什么，能查资料，能跑工具，能把一个任务接着做下去。用户看到的是任务完成，而不是模型参数。 这也是 OpenClaw 出圈的意义。它把 skills 从程序员小圈子带到普通人场景。 节目里提到阿里的电商出海 agent。它可以帮助小商家处理 Shopify、商品上架、趋势分析、网站设计、运营链路。过去这些工作可能需要助理、外包、懂代码的人和运营经验。现在一个小老板可能第一次感到，agent 能把一整套流程接起来。 这个变化比模型榜单更接近商业。 因为用户不会每天比较 benchmark。他们会比较：这个东西能不能帮我把店开起来，能不能生成网页，能不能做 PPT，能不能整理调研表格，能不能少雇一个人。 Agent 的入口价值，不在会聊天，而在能接活。 ## Manus 的稀缺性，被同类产品反向证明 OpenClaw 出来以后，很多人会自然认为 Manus 不稀缺了。节目里的判断正好相反：OpenClaw 爆火，反而证明 Manus 更稀缺。 这个判断的逻辑是产品体验。 主播说，很多 computer use 或 open cloud 服务“根本不想用”，Perplexity 的 computer use 被点名为几乎不可用。相反，Manus 能做出详尽网页、PPT、真实调查表格，任务保持程度更好。 换句话说，壳不稀缺，稳定交付稀缺。 这和 ChatGPT 早期很像。聊天界面谁都能做，真正难的是持续给出有用答案。Agent 时代也是一样。浏览器自动化、工具调用、任务规划、记忆系统、失败恢复，单独看都不是秘密。难的是把它们组合成用户愿意反复使用的产品。 Manus 交易流产把这个问题又推到监管层面。 节目讨论了 Meta 交易被撤销、VIE、IP、人才和公司归属问题。这里最值得保留的不是情绪判断，而是创业者面临的新现实：AI agent 这种产品绑定了用户数据、任务轨迹、人才供给、模型合作和国家监管。 对中国 AI 创业者来说，路径选择可能会提前。你从第一天就要想清楚，是进入国内生态，还是走海外资本路径；是把团队、IP、数据和客户都放在一个监管框架里，还是冒着未来交易被叫停的风险做跨境结构。 这已经超出普通商业选择。 这是 AI 产品变成战略资产后的副作用。 Manus 的问题不是卖没卖成，而是它到底属于哪里。 ## AI 开始说钱，也开始被低价倒卖 节目后半段最现实。 大厂模型开始收费，推理框架项目开始公司化，IPO 和融资叙事吸走市场流动性，AI 中转站开始变成生意。主播说得很直接： 节目里那句“大家都开始说钱了，不再说 AGI 的梦想了”，把这层现实说得很直。 这句话有点刺耳，但它解释了很多现象。 当模型差距大时，用户会追逐最强模型。当多数日常任务都已经够用时，用户会开始追逐便宜、稳定、可接入、不封号、不断线。AI 中转站就在这个缝隙里长出来。 节目提到 Sub-to-API 这类工具，把 Claude 或 Codex 的订阅转换成 API，再用更低价格分发。也提到部分中转站可能收集用户数据，甚至标称 Claude，实际替换成更便宜的国产模型。 > **编者注：** AI 中转站涉及服务条款、数据安全和潜在欺诈风险。这里仅按节目内容记录产业信号，不构成使用建议。 这说明模型正在商品化。 最前沿模型、企业级合规服务、真实工作流数据仍然贵。但对普通聊天、搜索、轻量写作、心理陪伴、日常问答来说，很多用户已经不愿意为“最强”付出太高溢价。 这会倒逼模型公司回到互联网逻辑：获客、留存、价格、渠道、生态、数据闭环。 AGI 叙事还在，商业账本已经来了。 ## 最后 这期《半球观察》最适合被整理成一组暴论，因为它更像一张行业雷达图。DeepSeek 代表公开技术路线，Cursor 代表 coding 数据，OpenClaw 代表 agent 入口，Manus 代表可交付产品和监管敏感性，AI 中转站代表模型商品化。 把这些点连起来，结论很清楚：AI 行业正在从“模型公司竞赛”变成“模型、产品、数据、资本、监管共同定价”的复杂游戏。 接下来不能只看模型榜单。 要看四个信号。 第一，DeepSeek 后续版本能不能重新打出产品体验上的压倒性差距。如果不能，它仍然有开源坐标系价值，但商业位置会不同。 第二，Claude Code、Codex、Cursor、OpenClaw、Manus 谁能沉淀最高质量的任务轨迹。真实用户每天交出的工作过程，会比静态语料更贵。 第三，agent 产品能不能稳定交付。会调用工具不稀奇，能把网页、PPT、调研、代码修改交付到用户满意，才是分水岭。 第四，价格和监管会不会重塑模型分发。中转站、订阅转 API、模型替换套利、跨境交易叫停，都说明 AI 已经离纯技术讨论很远。 我对这期的最终判断是：模型能力仍然重要，但它已经不是唯一的解释变量。谁拥有入口，谁拥有数据，谁能把价格做到用户愿意持续用，谁能在监管和资本结构里活下来，谁才可能赢到下一阶段。 这也是它最值得写成文章的地方。暴论背后真正冲击人的，是我们判断 AI 公司的尺子正在换。 --- 原始播客：