OpenAI指控DeepSeek使用“蒸馏”，是怎么回事

最近，关于中国DeepSeek和OpenAI的争论还在持续发酵，昨天，AI行业巨头OpenAI公开指控DeepSeek涉嫌蒸馏其模型技术。

简单说就是OpenAI认为DeepSeek并不是独立训练了一个全新的AI模型，而是通过某种方式利用了OpenAI的模型输出，训练出了一个自己模型，是“复制”了OpenAI的技术，而不是从头开始自己研发的。

OpenAI还表示，他们已经通过“技术手段”发现了DeepSeek可能存在的侵权行为，并将采取措施。但OpenAI的声明并没有透露具体的证据，只是说他们掌握了确凿的数据。

那么，这个“蒸馏”到底是什么？是不是就是一种“抄作业”呢？

事实上，在AI研究领域，“模型蒸馏”（Knowledge Distillation）是一种常见的技术，它的本质是用一个大型的、高精度的“老师模型”来训练一个更小、更高效的“学生模型”。

简单举个例子：有一位资深的数学教授，他的知识非常广泛，水平也很高，但请他讲课得花很多钱。

而你就想培养一个中学生，让他能在考试中取得好成绩，但是他又不可能像大学教授那样花几十年去学习数学。

这时候，你让可以让老教授给中学生教授一些解题思路和经典的题型，中学生通过这样的学习，最终也能得出正确的答案，甚至在某些情况下可以比教授更快得出结论。

这里的老教授就相当于OpenAI 的GPT，而中学生就相当于DeepSeek。

在AI领域，这种方法比较常见，特别是在资源有限的情况下，研究团队通常会用开源的或现有的强大模型来训练一个新模型，而不是从零开始训练一个庞大的AI。

OpenAI说他们有“明确的证据”，可能会是什么呢？

首先OpenAI 可会能拿DeepSeek的模型输出和GPT-4的输出进行比对，看它们的相似程度。如果两个模型在大量任务上的回答模式、用词习惯、推理逻辑高度相似，那很可能DeepSeek是受到了GPT-4的影响。

其次，OpenAI这种大模型很多会在输出中植入某种“水印”技术，如果DeepSeek的模型输出有OpenAI的水印，那基本上就可以证明它是在用OpenAI的数据进行训练。

再有就是API 的访问记录，API是Application Programming Interface的缩写，中文是“应用程序接口”，这是一个系统让别人访问他们功能的“桥梁”。

API 的专业性比较强，咱们只说结果，如果一个程序员在工作中只是简单使用了OpenAI的API，那是没有问题的，但如果是批量使用，那就违反了OpenAI 的使用规定。

而OpenAI可能会通过日志分析发现这种情况。

在OpenAI发布声明后，DeepSeek还没有做出回应。

值得一提的是，在AI领域，模型蒸馏是否合法，也是有争议的。许多AI研究机构都会用现有的大模型来辅助训练自己的模型。但如果这个过程有未经授权的API访问、滥用商业模型的数据，那就有可能涉及法律和道德问题。

在传统的软件行业，代码的直接抄袭是违法的，如果一个公司未经授权复制了另一个公司的代码，那就是明显侵犯了知识产权。

但是，AI不是代码，它是数据+算法+计算资源，而模型蒸馏的核心技术本质上是“学习”而不是“复制”，所以AI训练数据本身的版权问题仍然存在争议。

如果DeepSeek直接使用了OpenAI API来生成大量数据，并用于训练自己的模型，那这可能违反了OpenAI API 的使用条款，但在法律上是否构成“盗窃”还不明确。

更复杂的是，AI本身就是在“模仿”人类语言和推理。如果AI能模仿人类的写作风格而不侵犯版权，那么AI研究机构模仿另一个AI公司的模型架构，是否也合理呢？

总之，关于AI知识产权的法律仍然比较模糊，但OpenAI的态度很明确，他们希望通过这次事件，让行业建立起更明确的规则。

另外，关于DeepSeek的风波，还和AI 研究的“开源、闭源”之争有关。目前AI的研究分为两大流派，其中以扎克伯格的脸书为代表的是开源派。闭源派就是以OpenAI为代表的，他们强调技术的保密性，提倡商业化。

而DeepSeek本质上是一个开源派的产品。那么，OpenAI 为什么要封闭呢？

最初，OpenAI的目标是推动“安全、透明、开放”的AI研究。然而，在GPT-4之后，他们发生了根本性的转变，开始完全闭源；

OpenAI不再分享技术细节，甚至连模型参数都不公开；他们对API访问进行了更严格的限制，并且不断增加付费的门槛。

这是因为OpenAI现在已经不再是一个单纯的研究机构，而是一个商业公司，他们必须保护自己的核心资产。

OpenAI 还认为：

如果大规模开放AI可能会带来风险，比如被滥用于虚假信息生成和恶意操作等。

更重要的是AI竞争的实质是一场竞赛，如果竞争对手可以轻松“复制”你的技术，那OpenAI的护城河就没有了。

而开源派主张学术研究和技术共享；降低AI训练成本，使中小型企业也能进入AI赛道；避免AI技术被少数公司垄断。

但问题在于，如果所有AI都开源了，那类似OpenAI这样的企业就没有动力去投入数十、上百亿美元开发更强大的模型了，而这也是OpenAI成为龙头的原因。

更重要的是，OpenAI现在还没有实现盈利，

每年还要继续投入大量的资金进行研发，如果轻易就被别人给蒸馏了，那他的投资者情可以堪啊？

OpenAI对DeepSeek的反应如此激烈，是因为技术追赶的速度远远快于技术垄断的建立。

DeepSeek这样的新兴机构，他们可以利用已有的开源技术进行优化，采用模型蒸馏等技术快速提升自己的大模型。这会危及OpenAI巨额投资建起来的技术护城河。

目前来看，OpenAI想要的并不仅仅是阻止DeepSeek，而是希望通过这场争议确立AI知识产权的新规则，以确保未来AI研究的“蒸馏”方式受到限制；让其他公司无法轻易复制OpenAI的技术。

如果OpenAI和DeepSeek真的展开法律战，可能会对整个AI产业带来深远影响：首先，AI研究可能变得越来越封闭，商业公司可能会进一步加密其模型，以防止被蒸馏。

其次开源社区可能受到打压，如果OpenAI胜诉，那许多小型研究机构可能会受到更多限制，开源AI可能受到冲击。

第三，关于AI知识产权的法律可能变得更加明确，关于AI蒸馏的合法性，这次的争端可能成为一个新的判例。

总的来说，OpenAI 和DeepSeek这场争议，不仅仅是两家公司之间的较量，更是AI研究开放性、商业模式、知识产权等多方面博弈的缩影。也是一场关于AI未来发展方向和全球科技竞争的大博弈。