Y Combinator 的 Garry Tan 呼籲美國 open-weight 實驗室蒸餾前沿模型

Y Combinator 執行長 Garry Tan 呼籲美國的 open-weight AI 公司應被允許蒸餾專有的前沿模型，並主張更廣泛的存取可以防止先進 AI 被單一供應商所控制。

Tan 告訴 CNBC，他寧願監管機構不要介入目前關於模型蒸餾的爭議。之後他又告訴 TechCrunch，較小的美國實驗室應該能夠在美國的前沿系統上公開使用這項技術，從而為中國的 open-weight 模型創造更多本土替代方案。

這一立場使矽谷最具影響力的創業加速器之一的負責人，與一些前沿模型公司要求加強管制客戶如何使用其系統的呼聲相左。這也引發了更廣泛的辯論：透過付費模型存取取得的知識，究竟應被視為專有產出、公共基礎設施，還是介於兩者之間的某種形式。

Tan 提出的主張

模型蒸餾一般是指大量查詢較大的模型，並用其回應來訓練另一個系統。這個過程可以幫助較小的模型學習語言、推理或任務表現中的模式，而不必複製較大模型的底層權重。AI 實驗室通常會在合法的訓練與評估工作中使用蒸餾。

Tan 的提議並不是要美國公司使用遭竊憑證或冒充客戶。TechCrunch 報導指出，他希望美國實驗室能夠「透過正門」存取前沿模型，也就是透過一般的模型存取，而非欺騙或未授權帳號。

他的論點有兩部分。第一，Tan 認為前沿公司可能越權，因為它們會規定客戶對透過其 AI API 返回的資訊可以做什麼。第二，他主張，專有 AI 公司本身就是透過吸收大量可公開存取的人類知識建立系統，其中包括受著作權保護且未必經過權利人許可的 सामग्री。

從 Tan 的角度來看，允許 open-weight AI 公司從商業系統中學習，可能成為對抗少數前沿 AI 實驗室之間運算、資本與研究人才高度集中的一種制衡。他說，最糟的情況是某家公司取得壓倒性領先，並成為一家「單一化」的供應商。

為什麼蒸餾備受爭議

這些評論出現在 Anthropic 發布第二份報告之後，該報告指控中國 AI 公司進行了其所謂的「非法蒸餾攻擊」。根據 TechCrunch 對報告的描述，這些公司隱藏身分、使用詐欺，並依賴遭竊憑證，在未經許可的情況下從其他模型中提取能力。

Anthropic 執行長 Dario Amodei 先前曾敦促美國監管機構對此類活動作出回應。這種立場把未授權蒸餾視為安全與智慧財產問題，而不是透過 API 提供模型的正常結果。

因此，允許與禁止的蒸餾之間的區別至關重要。Tan 並不是在支持 Anthropic 指控中所描述的憑證竊取與欺騙。他主張，美國的 open-weight 實驗室應該有一條合法途徑，在透明存取條件下進行類似的訓練工作。

不過，這項提議仍留下許多難題未解。一個模型供應商可以允許客戶產生輸出，但限制這些輸出用於訓練競爭系統。它也可以施加技術限制、監控或契約條款，以防止系統性的提取。Tan 的評論挑戰的是，這些限制是否應像今日一樣廣泛可執行，但並未建立一套取代它們的法律架構。

論點的證據與限制

這則核心新聞是 Tan 的公開政策立場，TechCrunch 在他接受 CNBC 採訪及後續對該媒體的補充說明後予以報導。根據所提供的報導，沒有證據顯示美國政府正在準備一套「美國蒸餾制度」，也沒有證據顯示 Tan 的提議已被 Y Combinator 採納為正式政策平台。

同樣地，報導也沒有提供獨立測量證明蒸餾能夠穩定產出具競爭力的 open-weight 模型、降低訓練成本，或減少對中國系統的依賴。這些結果是支持該提議的論據之一，而不是本報導中已被證實的結論。

Anthropic 關於中國實驗室的說法，也只是以該公司自身報告中的指控形式呈現。現有證據並未包含獨立調查，或被點名公司的回應。這一點很重要，因為同樣的技術活動，會因授權與否、合約條款、查詢規模，以及憑證是否以合法方式取得，而呈現出完全不同的面貌。

對開發者而言，實際上的重點是：蒸餾在技術上已經成熟，但在政治上仍未定案。模型開發者可以在獲授權的環境中使用這種方法，但存取協議與供應商政策可能決定某一特定訓練流程是否被允許。

對開發者與企業的影響

如果 Tan 的觀點獲得政策支持，較小的美國實驗室可能會有更直接的途徑來改進 open-weight 模型。他們可以使用前沿系統進行合成資料生成、推理示範、評估或專門的微調，而不必只依賴公開資料集與內部生成範例。

這可能會加劇模型開發者之間的競爭，並在產品團隊需要本地部署、更高的權重控制或降低對單一託管供應商依賴時，提供更多選擇。它也可能圍繞授權的教師模型存取與有完善文件記錄的蒸餾流程，催生新的商業服務。

風險同樣不容小覷。前沿公司可能以提高價格、限制高流量存取、加入更強的輸出過濾，或限制看起來正在訓練競爭對手的帳號來回應。更激進的提取也可能讓供應商更難保護專有能力，並回收開發大型模型的成本。

企業買家將面臨相關的治理問題。使用蒸餾模型的公司不僅要了解模型的基準表現，還要了解其訓練資料的來源、與教師模型輸出相關的權限，以及最終系統是否可能重現受保護或敏感內容。在受監管的環境中，這些問題的重要性可能不亞於模型品質。

這場辯論也牽涉到 AI 安全。open-weight 發布可以提升可稽核性與使用者控制，但也可能讓強大能力更容易在沒有中央供應商監控或拒絕系統的情況下被部署。Tan 的競爭論點處理的是集中風險；但它本身無法解決濫用、隱私或問責問題。

接下來要觀察什麼

第一個訊號將是，美國政策制定者是否會區分經授權的蒸餾與 Anthropic 所指稱的隱蔽活動，而不是把所有模型對模型的訓練視為同一類別。任何關於 AI API、合成資料或模型輸出所有權的擬議規則，都將有助於釐清 Tan 的想法是否正在獲得支持。

市場也應留意前沿供應商是否會修訂管理高流量查詢、模型模仿與競爭對手訓練的條款。新的授權計畫或許能提供折衷方案：在明確合約下允許蒸餾，同時保留供應商對存取與署名的控制。

在技術層面，獨立評估將非常重要。關於蒸餾模型能夠達到或接近前沿系統的說法，應該在可靠性、安全性、事實性與成本等面向進行測試，而不只是挑選少數基準任務。美國 open-weight 實驗室的真實採用證據，也會比關於國家競爭力的一般論述更有說服力。

Creati.ai 觀點

Tan 的提議最好被理解為一種競爭論點，而不是對蒸餾所牽涉的智慧財產或安全問題的定論。他警告說，前沿供應商施加的限制，可能會強化政策制定者正試圖避免的那種權力集中。

但一個開放制度需要明確邊界。經授權的存取、透明的訓練紀錄，以及可執行的安全保障，或許能支撐更健康的模型生態；若容忍詐欺或不加區分的提取，則有可能削弱資助前沿研究的商業誘因。對 AI 開發者與企業買家而言，近期的問題與其說是蒸餾是否存在，不如說是供應商、監管機構與法院能否界定它何時屬於正當行為。