大模型防蒸馏政策效果存疑：蒸馏只是独立实验室的数据捷径，封锁无法阻止中国AI追赶

金色财经报道，针对华盛顿与 Anthropic 试图通过封锁前沿模型来切断中国大模型「蒸馏」通道的举措，前 GitHub 国际化战略负责人、Interconnected Capital 创始人 Kevin S. Xu 指出，对抗性蒸馏只是部分中国独立实验室在数据饥饿下的无奈捷径，靠封锁 API 根本无法阻挡中国 AI 的整体进展。 被点名的 DeepSeek、月之暗面与 MiniMax 均为缺乏集团生态支持的独立实验室，面临推理步骤等高质量后训练数据匮乏的硬伤。相比之下，背靠阿里（Qwen）、字节（Seed）或小米的大厂实验室，拥有不输谷歌与苹果的自有海量场景数据，并不依赖蒸馏。因此，封锁政策顶多给独立实验室带来短期阻碍，无法动摇中国大厂的根基。 外界盛传的中国「数据优势」实为误解：在训练前沿大模型所需的高质量知识标注和评测数据上，中国不仅没有优势，反而严重缺乏类似 Scale AI 或 Surge 这样成熟的商业化数据供应链。因国内数据服务商质量低下，独立实验室在绝望之余，也出于走捷径的惰性，才将 API 蒸馏作为廉价的数据获取策略。 但数据标注产业属于低门槛的商业模式问题，并非像光刻机那样的技术硬伤，国内的供需缺口很容易被填补。从长远看，纯蒸馏的学生模型在理论上限固然无法超越老师，但鉴于大模型仍由人类工程师构建，无论美国是否强行切断 API 通道，聪明勤奋的中国开发者最终都会打破这一上限魔咒，设计出超越导师的大模型。美方的封锁政策不仅无效，反而可能过早切断了能将中国模型锁死在「学生」天花板下的理论钳制。