模型蒸馏（Model Distillation）是一种高效且实用的AI技术，原本被广泛用于将大型、昂贵的“教师模型”知识迁移至更小、更经济的“学生模型”中，从而实现性能与成本的平衡。这一技术极大推动了AI的普及——让企业能在边缘设备、移动端甚至本地部署高性能AI，同时降低延迟、提升隐私保护，并支持定制化应用。然而，如今这项本应“赋能”的技术，正被滥用为一种新型知识产权盗窃手段。 Anthropic近日揭露，三家中国AI实验室正对Claude实施大规模“模型蒸馏攻击”。攻击者通过数百万次伪造的API请求，批量获取Claude的高质量输出，将其转化为训练数据，用于训练自己的模型。这些输出涵盖从量子纠缠解释到Python代码生成、国际条约总结等多样化任务，本质上是免费“盗取”了Claude在对齐、指令遵循和语言润色等高成本环节的成果——这正是大模型最核心、最昂贵的部分。 攻击者的行为特征明显：使用模式高度规律，如系统性地覆盖各类能力边界，而非真实用户的随机提问；API调用呈现均匀分布而非常见的幂律分布；多个账户共享相似IP与时间行为，显示出高度协调；在要求分步推理的查询中，响应频率远超正常水平。这些异常已被行为指纹识别和统计分析手段捕捉。 尽管如此，模型蒸馏本身仍是AI部署的关键技术。对于合法使用者，它依然具有不可替代的价值：显著降低推理成本（可节省10至100倍）、提升响应速度、支持本地化部署、增强数据安全，并便于针对特定场景优化模型。 因此，关键不在于否定蒸馏技术，而在于规范使用。从业者应仅在获得授权或使用明确允许蒸馏的开源模型前提下开展此类工作。技术本身是中立的，但其应用必须建立在合规与伦理的基础之上。未来，如何在开放协作与知识产权保护之间取得平衡，将成为AI生态发展的核心议题。