2026年的春天，全球人工智能產業(yè)的競爭版圖發(fā)生了一次劇變。4月6日，OpenAI、Anthropic與Google這三家在基礎模型領域爭斗不休的硅谷巨頭，開始通過共享信息來識別違反服務條款的“對抗性蒸餾”行為。合作的矛頭直指全球范圍內（尤其是亞洲地區(qū)）的大規(guī)模、自動化的模型復制與“模型蒸餾”（Model Distillation）行為。

當開源的烏托邦敘事退潮，當競爭從單純的算法比拼演變?yōu)樯婕扒|美金算力、吉瓦級電力消耗以及地緣政治博弈的重資產拉鋸戰(zhàn)，硅谷正在親手落下AI時代的“技術鐵幕”。對于長期習慣于在開源生態(tài)和API接口中尋找創(chuàng)新捷徑的中國科技企業(yè)而言，這場反擊戰(zhàn)不僅是一次技術層面的封堵，更是一次商業(yè)模式與戰(zhàn)略定力的終極拷問。

一、從暗戰(zhàn)到明面的“技術防衛(wèi)同盟”

此次三巨頭合作的核心訴求，是建立一個類似網絡安全領域的“威脅情報共享機制”。

“模型蒸餾”本身并不神秘。在機器學習領域，它是一種很常見的技術路線。問題不在這個詞本身，而在它以什么方式發(fā)生、發(fā)生到什么規(guī)模、是否得到授權。過去幾年，“模型蒸餾”已經從一種學術界用于模型輕量化的常規(guī)技術，異化為一種侵略性的商業(yè)競爭手段。簡單來說，就是利用一個極其強大、昂貴的“教師模型”（如GPT-5.4或Claude 5）生成海量的高質量輸出，然后用這些數據去訓練一個體積更小、成本更低的“學生模型”。

隨著自動化腳本和多賬號矩陣技術的成熟，一些實驗室和企業(yè)通過數千萬次未經授權的API交互，系統性地獲取頂級模型的邏輯推理鏈條。這就像是一個初創(chuàng)企業(yè)不需要投入巨資研發(fā)配方，只需不斷買走頂級餐廳的招牌菜進行逆向工程，就能在短時間內復刻出味道有八分相似、但成本僅需十分之一的平替產品。

面對這種“搭便車”行為，OpenAI、Anthropic和Google選擇建立起統一戰(zhàn)線。該機制效仿網絡安全行業(yè)的情報共享模式，一旦發(fā)現異常攻擊模式，便向全行業(yè)預警。三家公司已聯合建立異常流量識別體系，并會同步采取封禁賬號、限制流量等反制措施。

如果說以往的AI競爭是“誰跑得更快”，那么這次結盟則釋放了一個冰冷的信號：在絕對的資本和技術代差面前，領跑者已經開始著手清理賽道，剝奪追趕者“跟跑”的資格。

二、“昂貴共識”下的商業(yè)護城河保衛(wèi)戰(zhàn)

硅谷巨頭為何在此時選擇如此決絕的“排他性”動作？背后至少有三層原因。

首先，是商業(yè)壓力在迅速上升。頭部大模型的研發(fā)成本極高，訓練、推理、數據采購、工程優(yōu)化、安全治理和全球部署合在一起，是一個非常重的系統工程。誰花了數十億美元訓練模型，自然不會樂見競爭對手通過低成本、高頻次調用，迅速復制其能力邊界。模型輸出一旦被大規(guī)模抽取，商業(yè)護城河就會變淺，資本市場對其的信心也會受影響。

其次，是技術擴散速度太快。蒸餾之所以敏感，恰恰因為它是低成本追趕的重要路徑。領先者用重金訓練出來的能力，后來者未必需要重走一遍，只要能持續(xù)獲取高質量輸出，就有機會在某些任務上快速逼近。對頭部實驗室來說，這意味著模型領先優(yōu)勢可能被壓縮得比預期更快。

第三，是地緣政治因素在強化產業(yè)對抗。如今，模型安全早已超出單純的企業(yè)糾紛，它開始嵌入美國的科技政策、產業(yè)政策和國家安全敘事。OpenAI在提交給美國國會的材料中，指控中國公司通過混淆訪問路徑等方式批量獲取美方模型輸出，已經把這件事直接放進國家競爭框架中；Anthropic則公開指控中國公司借助大量虛假賬戶，與Claude進行了超過1600萬次交互，用來提取能力并改進模型。

三、中國AI企業(yè)的“祛魅”與“尋路”

面對硅谷“AI鐵幕”的落下，中國企業(yè)必須經歷一場徹底的“祛魅”。過去那種依賴“開源微調+API蒸餾”快速打造國產大模型、通過價格戰(zhàn)在國內市場跑馬圈地的商業(yè)模式，其底層邏輯已經十分脆弱。站在這個歷史的十字路口，中國企業(yè)需要重新錨定自身的位置。

1.放棄“API套利”幻想，直面技術硬仗

蒸餾的本質是模仿，它能幫助模型快速“熱身”，在某些特定任務上達到較高水平，但要把模型的推理上限繼續(xù)向上推，強化學習往往更重要。三巨頭的結盟，意味著低成本獲取頂級推理能力的后門即將關閉。

中國AI企業(yè)必須戒掉對“捷徑”的路徑依賴。所謂“國產替代”，不能再是基于海外模型蒸餾的“殼資源”游戲。這要求國內的科技企業(yè)必須從頭開始，扎扎實實地在底層架構、數據清洗機制和自主訓練框架上下苦功。雖然短期內這會拉大在某些評測榜單上的差距，但這卻是建立真正自主可控的新質生產力的必經之路。沒有底層技術的主權，商業(yè)模式的創(chuàng)新就猶如建立在沙灘上的城堡。

2.從“模型崇拜”到“全棧生態(tài)與數據要素”

在“能源-芯片-模型”的AI金字塔體系中，中國企業(yè)的破局點不應僅僅死磕最頂端的“模型參數”。事實上，硅谷巨頭的焦慮也印證了基礎設施的至關重要。我國擁有全球最完備的制造業(yè)供應鏈和龐大的實體經濟場景。這些場景產生的海量數據，是海外模型無法通過公開互聯網抓取到的。

未來的競爭，是誰能利用專有數據訓練出真正解決行業(yè)痛點的垂直系統。與其在通用大模型上與擁有千億美元算力的巨頭死磕，不如將戰(zhàn)略重心下沉，在數據要素的挖掘、確權與應用上建立局部優(yōu)勢。

3.聚焦傳統企業(yè)的組織變革與生產力重塑

回顧商業(yè)史，一項顛覆性技術的真正勝利，往往不屬于那些僅僅發(fā)明技術的人，而是屬于那些能夠將技術與企業(yè)組織架構深度融合、完成生產力重塑的實干家。正如上世紀末的互聯網泡沫中，最終跑出來的不僅僅是基礎設施提供商，還有那些成功實現“電子化轉型”的傳統巨頭。

中國AI的發(fā)展紅利，應該落在廣大傳統產業(yè)的轉型升級上。中國企業(yè)不需要人手一個千億參數的大模型，而是需要能夠深入業(yè)務流的AI Agent。當硅谷的目光聚焦于如何防止模型被偷跑時，我國本土的科技服務商應該把精力投向如何利用現有的AI能力，打破大型企業(yè)內部的創(chuàng)新窘境，推動業(yè)務流程的智能化重構。

總之，三巨頭的結盟宣告了古典互聯網時代“開放、共享、去中心化”精神在AI浪潮中的搖搖欲墜。對于中國企業(yè)而言，這未必是一件壞事。技術封鎖帶來的陣痛，往往是倒逼自主創(chuàng)新的最強動力。拋棄捷徑的幻想，回歸商業(yè)的本質，在算法、算力與真實產業(yè)場景的泥濘中摸爬滾打，才是我們在新一輪工業(yè)革命中鍛造核心競爭力的唯一出路。

（作者王翔為復旦大學數字與移動治理實驗室研究員）