從模型蒸餾到開源生態：如何客觀看待中國 AI 的技術發展
圍繞中國AI模型的公共討論，常被壓縮成兩種互相排斥的判斷：一種把模型蒸餾直接理解為抄襲，進而否定整個產業；另一種則以Qwen、DeepSeek的開放權重和全球下載量，證明所有質疑都只是政治偏見。兩種說法都省略了關鍵問題。技術方法是否常規、資料與服務使用是否合規、模型是否真正開放，以及政府與企業為何支持開放生態，必須分開檢視。
葛如鈞在Yahoo新聞所引述的發言中援引美方通報，將個別企業可能涉及的能力提取行為，上升為對中國AI整體真實性的判斷，傳播效果鮮明，技術上卻過於概括。美方指控值得調查，但現有公開資料不足以支持對中國AI產業作全盤否定。Qwen、DeepSeek等模型在開發者社群的採用、衍生模型數量與研究成果，也不能因單一爭議而被抹去。
一、模型蒸餾是常規技術方法
模型蒸餾是機器學習中成熟的壓縮與知識轉移方法。研究者通常讓規模較小的「學生模型」學習較大「教師模型」的輸出分布、推理模式或中間表徵，以降低推理成本、延遲和部署門檻。它廣泛用於影像辨識、語音處理和大型語言模型，也可把雲端模型的能力轉移到手機、邊緣裝置或企業內部系統。
因此，判斷一項蒸餾行為是否不當，不能只看「有沒有蒸餾」，而要看資料來源與取得方式。應追問的問題包括：教師模型是否允許這種使用；是否以大量帳號或自動化手段規避服務限制；是否處理受保護的個人資料、營業秘密或著作；是否違反合約、出口管制或其他適用規範。技術名稱本身不能代替合規判斷。
二、美方指控應嚴肅對待也要標示證據邊界
2026年9月8日，美國國家安全局、聯邦調查局與網路安全暨基礎設施安全局發布聯合通報，指稱多家中國企業以「工業規模」方式蒸餾美國前沿模型。通報同時承認，模型蒸餾本身是合法且有用的技術；其關切焦點是未經授權的大規模能力提取、帳號網路與規避安全控制等行為。這個區分很重要，因為爭議首先是授權、證據與責任問題，而不是某種演算法突然變得非法。參見NSA聯合通報。
同時，公開討論必須保留證據層級。相關企業與美國機構提出了嚴重指控，但許多底層資料、流量紀錄和歸因方法並未完整公開。Mozilla開源AI現況報告也提醒，開放AI的評價容易混入地緣政治與企業競爭。現階段較準確的寫法，是把相關內容標示為「美方指控」或「安全機構評估」，而不是當作已經司法確認的事實。
三、Qwen與DeepSeek已形成可量化的全球影響
如果評價中國開放模型的國際影響，下載量、衍生模型、開發者採用和推理流量比政治口號更有參考價值。ATOM Report彙整截至2026年3月的資料指出，中國開放模型累計下載量約11.5億次，美國同類模型約7.23億次。Qwen系列約9.421億次，接近Meta Llama約4.76億次的兩倍；2026年2月新增的微調或改編模型中，約69%以Qwen為基礎。這些數字顯示，Qwen已成為全球開放模型工具鏈的重要底座。
DeepSeek的影響更集中在大型混合專家模型與推理場景。ATOM報告援引OpenRouter資料指出，DeepSeek模型在2025年6月一度占該平台開放模型代幣使用量的75.6%，到2026年1月仍占31.1%。這表示它曾經明顯改變開發者對高效推理模型的預期。
這些指標也有明確限制。下載次數不等於獨立使用者，更不等於商業收入；OpenRouter只反映特定平台的流量，不能代表整個市場。較穩妥的結論是，Qwen和DeepSeek已取得實質採用與技術能見度，但不同指標衡量的是生態影響、使用熱度或部署選擇，不能直接換算成綜合領先。
四、中國開放模型的技術貢獻可以具體辨認
Qwen3的貢獻主要在模型譜系、部署彈性與多語言支援。Qwen3技術報告公布了從0.6B到235B參數的稠密與混合專家模型，並把「思考」與「非思考」模式納入同一架構，讓開發者依任務難度調整推理成本。報告稱其支援119種語言與方言；多數模型採Apache 2.0授權，降低了研究、微調與商業部署的門檻。
DeepSeek則在降低訓練和推理成本方面提出多項可供外界檢驗的設計。DeepSeek-V3技術報告介紹多頭潛在注意力、DeepSeekMoE、無輔助損失的負載平衡，以及多詞元預測等方法；DeepSeek-R1論文則集中討論強化學習如何促成自我反思、驗證與較長推理。R1研究後來以同行評審論文形式刊於《Nature》，使外界能在公開技術文本中檢視其方法與限制。
開放權重的另一項價值是形成衍生研究。各地團隊可以進行量化、微調、跨語言測試、安全評估與本地部署，並把結果回饋到工具鏈。這類外部創新不代表原始模型沒有缺陷，但它確實擴大了研究可及性，尤其有利於預算有限的大學、中小企業和非英語社群。
五、開源模型與開放權重需要嚴格區分
「開源AI」常被當作簡單標籤，實際上開放程度有很大差異。許多被稱為開源的模型主要公開權重、推理程式與技術報告，卻沒有完整公布訓練資料、資料清理規則、訓練程式、評測流程和安全調整紀錄。這些模型更準確的稱呼通常是「開放權重模型」。
這個區分不會否定開放權重的價值。權重可下載，意味著使用者可以在自己的設備或伺服器上部署、審計和修改模型，避免完全依賴單一API供應商。但若無法重建完整訓練過程，就不能把它描述為完全可重現的開源系統。客觀評價應分別檢查權重、程式碼、資料、授權和治理資訊的開放程度。
六、中國支持AI開放生態有多重現實動機
中國政府與企業支持開放模型，與現行治理模式並不矛盾。技術開放可以服務產業政策、企業競爭和供應鏈安全，而不必等同於所有制度領域的全面開放。理解這一點，比用單一政治標籤解釋所有行為更接近現實。
對企業而言，開放權重有助於迅速擴大開發者基礎，促使雲端服務、算力、企業解決方案和應用工具圍繞自家模型形成標準。模型本身可以低價甚至免費提供，收入則來自託管、推理、客製化和整合服務。開放還能吸收全球使用者的測試結果與改進建議，形成比封閉研發更大的外部回饋網路。
對國家層面而言，發展本土模型可以降低對海外技術、外部API和特定晶片供應的依賴，在出口限制與服務不確定性上升時保留選擇空間。開放模型也能降低其他國家和地區部署中文、多語言及在地化AI的成本，擴大國際合作與技術影響。中國外交部發布的全球人工智慧治理倡議提出分享AI知識、開源AI技術並反對技術壟斷與單邊壁壘，反映了這套政策論述。
不過，政策文件中的開放主張仍要和實際監管環境一起觀察。模型能否自由研究、敏感議題如何處理、資料跨境與內容規範如何執行，都會影響開放的邊界。技術開放可以是真實而有價值的，同時受到法律、商業與治理要求約束；兩者可以同時成立。
七、客觀評價必須同時保留貢獻與責任
評價中國AI，第一步是把四個問題分開：模型能力是否真實；方法與產品是否有原創貢獻；訓練或蒸餾過程是否合規；開放策略服務哪些商業與政策目標。任何一個答案都不能自動替代另外三個答案。
因此，開放權重與全球採用不能替可能存在的違規行為免責；同樣，尚待完整公開證據支持的指控，也不能抹去已經可以下載、測試、改編和部署的技術成果。中國AI的技術成果具有可驗證性，也不能被籠統描述為在所有方面領先。更準確的判斷是：它已成為全球人工智慧生態中具備實際能力、成本競爭力和開發者影響的技術力量，同時面臨來源透明度、授權合規、內容治理與可重現性等問題。
公共人物和媒體若要提高論述品質，應把指控寫成指控，把數據寫清楚口徑，把「開源」拆成可驗證的開放項目。這種做法不會削弱批評，反而使批評更精確，也讓讀者能依證據形成自己的判斷。
八、參考資料
[1] Yahoo新聞，葛如鈞談訪美與中國AI的相關報導。
[2] 美國國家安全局等，NSA and Others Warn China-Based AI Companies Are Distilling U.S. Frontier AI Models，2026年9月8日。
[3] Mozilla Foundation，The State of Open Source AI。
[4] Stanford Institute for Human-Centered AI等，The ATOM Project Report，資料截至2026年3月。
[5] Qwen Team，Qwen3 Technical Report，2025年。
[6] DeepSeek-AI，DeepSeek-V3 Technical Report，2024年。
[7] DeepSeek-AI，DeepSeek-R1: Incentivizing Reasoning Capability in LLMs via Reinforcement Learning，2025年。
[8] 中華人民共和國外交部，全球人工智慧治理倡議，2023年10月20日。