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 AIReddit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。