微软CEO纳德拉炮轰AI双标：训练数据叫合理使用，蒸馏就叫偷？

> 纳德拉一条推文，把AI圈最拧巴的那根筋给挑出来了。

7月13日下午，微软CEO萨提亚·纳德拉在X上发了一条推文，没有点名，但所有人都知道他冲谁去的。

他说：有些AI模型公司，一边主张自己有权基于公开数据训练模型（这叫"合理使用"），一边又对模型蒸馏严防死守，不许别人用自己的模型输出来训小模型。纳德拉的原话很直白——"这颇具讽刺意味"。

这话翻译成大白话就是：你们拿全网的网页、文章、图片、代码来训练AI，这叫创新。别人拿你们的模型输出来学本事，这就叫偷。凭什么？

这个"双标"到底怎么来的？

先说背景。模型蒸馏（Distillation）不是什么新技术，它本质就是让一个大模型当老师，小模型当学生——用大模型的输出结果来训练参数更小、更便宜的模型。这东西在AI行业存在很多年了，以前没人觉得有问题。

直到中国公司开始用这招。

今年2月，Anthropic——就是做Claude那家公司——发了一份长篇声明，说"竞争对手可以利用模型蒸馏，以远低于自主研发的时间和成本，获得其他实验室的大量先进能力"。上个月，Anthropic更进一步，直接致信美国参议员，称阿里巴巴对Anthropic发起了迄今为止"已知规模最大的模型蒸馏攻击"。

与此同时，Anthropic的CEO达里奥·阿莫代伊（Dario Amodei）在多个场合公开指责中国AI公司"窃取"Anthropic的成果。

但Anthropic自己的数据又是从哪来的？

这才是纳德拉戳到痛点的地方。

ChatGPT、Claude、Gemini这些模型的能力，建立在什么上面？公开的网页文本、新闻文章、学术论文、Reddit帖子、GitHub代码、以及海量的图片和视频。这些内容是谁创造的？是数以亿计的写作者、开发者、摄影师、记者——他们中的绝大多数，从未同意自己的作品被拿去训练AI，更没有收到一分钱。

近年来，已经有大量公司和个人因为未经授权抓取内容训练AI，对这些AI公司提起诉讼。《纽约时报》起诉OpenAI和微软，Getty Images起诉Stability AI，Reddit封锁了免费API——这些不是新闻，是AI行业"合理使用"争议的冰山一角。

Anthropic自己在这个过程中并不清白。马斯克在今年2月就发帖说过："Anthropic大规模窃取训练数据，并因此支付了数十亿美元的和解金。这就是事实。"

所以纳德拉的逻辑链条其实很简单：如果你认为从公开网页抓取数据训练模型是"合理使用"，那别人通过你的API获取输出、用来训练自己的模型，凭什么就不是"合理使用"？你从别人那里拿东西叫创新，别人从你这里拿东西叫盗窃——这套逻辑站不住脚。

微软的真实算盘

当然，纳德拉也不是在做慈善。

微软是OpenAI最大的投资方和基础设施提供商，Azure的AI云服务是微软未来十年最核心的增长引擎。如果所有企业都把自己的数据锁在少数几个模型厂商那里，微软卖基础设施的生意反而受限制——因为模型厂商自己建数据中心就行了，为什么要租你的云？

纳德拉对企业的建议暴露了这层算盘。他说企业应该"掌握属于自己的AI基础设施和组织知识"，"建立真正可信的边界"，"未经许可，任何信息都不能跨越这条边界，哪怕是AI推理过程中产生的'智能副产品'也不例外"。

翻译一下：别把所有数据都喂给OpenAI和Anthropic，自己搭基础设施，自己训练模型，自己掌握数据——当然，基础设施最好用Azure。

但他说的话本身是对的

抛开微软的商业利益不谈，纳德拉指出的这个"双标"，确实是当前AI行业最核心的伦理困境。

如果你认为"从互联网上抓数据训练模型不需要授权"，那你就得接受"别人抓你的模型输出训小模型也不需要授权"。如果你认为后者是盗窃，那前者算什么？

这个问题没有一个简单的答案。但有一点是确定的：随着AI模型越来越贵、越来越强，围绕数据的权利博弈只会越来越激烈。纳德拉这条推文，不过是拉开了一个迟早要打的大仗的序幕。

而对中国AI公司来说，这场辩论的走向直接决定了一件事：蒸馏这条路还能不能走。

如果Anthropic和OpenAI推动的"反蒸馏"叙事最终在美国形成立法或行业规范，那依赖蒸馏来缩小技术差距的中国公司，就必须找到另一条路。反之，如果"合理使用"的逻辑被贯彻到底，那蒸馏就是正当竞争手段——你用互联网训练，我用你的输出训练，没什么不公平的。

纳德拉今天站的是后一种立场。但谁知道他明天会站哪边？

---

*文中所用图片来源于网络，仅供技术学习与交流。如权利人认为存在侵权，请联系我们，我们将在24小时内处理。*