中国军方蒸馏美国模型，争的是离线能力
Reuters独家调查显示，中国军方研究人员使用 OpenAI 与 Anthropic 模型输出训练本地系统；文章解释蒸馏如何把前沿模型的部分能力压进无人机、战术硬件和封闭网络，以及这为何成为中美 AI 争端的新边界。
先看结论
美国大模型正在成为中国军方研究链条的临时老师，但被转移的不是完整模型，而是可以在本地设备上离线运行的部分能力。
作者丨 AI 科技评论
编辑丨 AI 科技评论
大模型的竞争，原本发生在云端的训练集群里。
现在，模型输出开始沿着 API、论文和专利，流向更小、更便宜、也更容易部署的设备。
Reuters 的一项独家调查发现，中国军方研究人员使用 OpenAI 和 Anthropic 模型的输出，训练自己的 AI 系统。1
这条消息真正回答的问题，不是中国研究人员会不会使用蒸馏，而是美国模型的能力边界，能不能被芯片管制挡在 API 之外。
01｜先把报道读懂
本文精读 Reuters 记者 Eduardo Baptista 于 2026 年 7 月 31 日发布的独家报道《Chinese military researchers tap US AI models to train defence systems》。1
Reuters 核查了 80 多篇中国学术论文和专利。
这批材料由华盛顿的 Jamestown Foundation 汇编，并独家提供给 Reuters。
其中，Jamestown 研究员 Sunny Cheung 分析了 60 多篇论文，Reuters 又核实了学术文献，并找出另外两打与军方有关的案例。1
报道的主线是「模型蒸馏」。
强大的教师模型先生成答案、代码或推理过程，再把这些输出作为训练材料，帮助更小的学生模型学会特定任务。2
它不是把 GPT-3.5 或 Claude 3 Haiku 原封不动搬走。
它更像把一位昂贵专家做过的题、写过的代码和走过的步骤，整理成一套本地教材。
报道给出的第一个案例，来自北京的解放军 96941 部队。
一篇论文描述了研究人员如何使用 OpenAI 的 GPT-3.5 处理敏感军事源代码，再用代码摘要训练一个国产模型，让它完全运行在中国军方网络内部。1
论文同时承认，第三方模型不适合直接处理机密信息。
所以，公开材料显示的路径不是「把军事代码上传给美国模型后直接部署」，而是「借助美国模型加工，再把结果转成本地模型」。
这条边界不能跳过：报道讲的是研究材料与系统开发路径，不是已经在真实战场部署了美国模型。
02｜蒸馏转移的不是答案
Reuters 的解释稿把蒸馏说得很清楚：学生模型不会继承教师模型的权重、架构和全部能力，只会学习一组选定的行为。2
这也是为什么「美国模型被复制」这个说法不够准确。
真正有价值的部分，可能是模型如何拆解问题、如何生成中间步骤，以及如何把一个复杂任务压缩成设备能承受的计算量。
Sunny Cheung 在 Reuters 采访中的原话，中文译文是：「教会模型正确答案是一回事，教会它答案背后的推理过程要难得多。」1
这解释了为什么推理轨迹比最终答案更敏感。
一个答案只能告诉学生「结果是什么」。
一串步骤则可能告诉学生「遇到同类问题时，应该怎样做」。
在 Reuters 核查的案例里，蒸馏已经被用于不同层级的任务。
中国北方大学的研究人员使用 Anthropic 的 Claude 3 Haiku 生成合成训练数据，训练文本分类模型，用于社交媒体监测和内容审核。1
国防科技大学一篇 2024 年论文描述了如何缩小图像处理模型，让无人机在通信中断时仍能分析实时视频，并支持导航和目标决策。1
中国军事科学院的研究人员，则把目标识别模型放进战术硬件，用于包含无人机、舰船和无人潜航器的模拟海上行动。1
这些案例的共同点，不是模型规模变小了。
是模型从云端服务，走向了断网也能工作的本地设备。
03｜争议不在蒸馏本身
蒸馏本来就是 AI 研究中的常用技术。
Reuters 的解释稿提到，美国研究者和公司长期使用它，包括斯坦福大学的 Alpaca 项目和微软的 Orca 研究；中国研究者也曾在公开研究中使用美国模型输出，开发中文指令模型。2
所以，美国与中国争的不是「能不能蒸馏」这条技术路线。
争议落在访问权和规模上。
开放权重模型允许研究者检查并修改底层参数。
OpenAI 的 ChatGPT 和 Anthropic 的 Claude 则属于闭源模型，通常通过公司控制的界面或 API 访问。2
美国政府和美国 AI 公司指控部分中国竞争者系统性收集闭源模型输出，以提取具有商业价值的能力。
Anthropic 指称，包括 DeepSeek、Moonshot 和 MiniMax 在内的中国实体曾大规模获取 Claude 的软件工程与高级推理能力；OpenAI 也表示发现过中国方面与蒸馏有关的尝试。2
Anthropic 还表示，它不向中国或北京控制的企业提供 Claude 商业访问，并使用监测系统识别违反政策的行为。1
芯片出口管制限制的是训练和部署所需的硬件，模型输出则提供了另一条能力传递通道。
前者像是把高速公路上的卡车拦住。
后者却可能通过网络接口，把一部分驾驶经验变成小车能执行的路线。
这就是 Reuters 所说的「未经授权的提取」为何会成为中美 AI 争端的新焦点。1
04｜小模型不等于独立
中国军方研究人员研究「无数据蒸馏」的另一面，也说明他们知道这条路并不稳固。
Reuters 报道，今年 1 月，陆军工程大学研究人员发表论文，讨论如何在无法直接接触模型参数的情况下逆向分析模型能力，并提出掩盖公开输出中隐藏逻辑信息的防御机制。1
这是一场使用者和模型提供方都在研究的攻防。
使用者想从公开输出里拿到更多能力。
提供方想让输出暴露更少的逻辑信息。
蒸馏模型也有明确上限。
它只能继承被挑选出来的能力，无法完整复制前沿模型的广泛智能。1
数据公司 Sapien 联合创始人 Trevor Koverko 对 Reuters 的判断，中文译文是：「更准确的理解是，把选定能力转移到一个更便宜、由本地控制的系统里，而不是获得了脱离前沿 AI 的独立性。」1
但军事系统并不需要先拥有一个全能聊天机器人。
它可能只需要一个在通信中断后还能识别目标、处理图像或辅助决策的小模型。
AI 科技评论注意到，这正是军事 AI 与消费级 AI 的分水岭。
消费级产品追求更广的能力和更大的上下文。
战术设备更在意延迟、功耗、网络依赖和能否在本地运行。
前沿模型越大，越需要云端；被蒸馏的模型越小，越接近真实设备。
美国要限制的因此不只是一个模型文件，也包括输出、推理轨迹和 API 访问记录。
中国研究人员要争取的也不只是更大的模型，而是把外部能力压进无人机、战术硬件和封闭网络之后，仍然能继续工作。
Reuters 这篇报道真正揭开的，是模型竞争从参数和芯片，向「谁能控制能力进入设备之前的最后一公里」移动。1
美国模型变小之后，离战术设备更近了。
This story was produced automatically by a channel. One sentence is all it takes for Neodrop to keep producing for you.