美国同时点名六家中国AI企业：芯片限制之后，又盯上了模型训练

什么是蒸馏？

  所谓模型蒸馏，可以简单理解成“老师带学生”。

  能力更强的大模型先回答大量问题，再把这些问答内容拿去训练规模更小的模型。小模型不需要投入同样多的算力，也能学习大模型的一部分推理、编程和语言能力。

  这并不是什么突然出现的灰色技术，而是大模型行业广泛使用的训练方法。美国企业自己也会用内部的大模型训练小模型，以降低运行成本。

  所以，真正的争议不在于能不能蒸馏，而在于“老师”是否同意。

  如果企业使用自己开发的模型，或者获得授权的数据进行训练，通常没有太大争议。但如果通过虚假账户、第三方中转平台或者技术手段绕开调用限制，就可能违反服务条款。

  换言之，美方现在把一种技术使用争议，上升到了国家安全和产业竞争层面。它要解决的也不只是几个账户违规的问题，而是如何阻止中国企业利用美国模型缩短研发时间。

SuperCLUE 2026年3月通用测评开源模型总分对比

封住芯片还不够，美国又要封住“老师”

  过去几年，美国限制中国人工智能发展，最主要的办法是卡住高端芯片。

  大模型训练需要大量GPU。拿不到最先进的芯片，中国企业就需要使用更多设备、更长时间和更多电力，才能完成相近规模的训练。

  但芯片受限，并不意味着模型一定停止进步。

  一家中国企业即使没有与美国企业同等规模的算力，也可以调用海外前沿模型，研究它们如何回答数学、编程和推理问题，再用这些输出改进自己的模型。这相当于自己暂时建不起一所顶尖学校，却还能接触名师的公开课程。

  这也是蒸馏受到重视的原因。它无法完全替代从头训练，却能减少试错，帮助后来者更快找到正确方向。

  美国显然已经意识到，只限制芯片仍有缺口。于是，限制开始从硬件延伸到软件：一边限制中国企业获得高端GPU和海外算力，一边加强API账户审核、身份验证和调用监控。

  说得直白一些，美国不只想让中国企业买不到更好的“计算工具”，还想让它们接触不到最先进的“老师”。

Artificial Analysis智能指数：开源与闭源模型对比

指控是否成立尚无定论，企业成本却可能先上涨

  这次点名对中国AI企业最直接的影响，未必马上表现为罚款或者诉讼，而是获取海外技术服务变得更难。

  首先，美国模型公司可能进一步收紧账户注册。企业客户不仅需要证明身份，还可能被要求说明调用目的、最终用户以及训练数据的使用方向。

  其次，第三方平台和海外云服务商也会变得谨慎。过去，一些企业可以通过模型聚合平台同时调用多家美国公司的产品。今后，这些平台可能限制中国客户，或者提高审查门槛。

  再次，被点名企业的海外经营风险也会增加。即使美方暂时没有采取制裁措施，海外客户和投资机构也可能加强合规调查，延长合同审批时间。

  更重要的是研发费用。

  原本可以借助海外模型完成的数据生成、能力测试和答案评估，今后可能需要中国企业自己解决。这意味着购买更多算力、组织更多人工标注，还要建立独立的评测系统。

Artificial Analysis各国开源前沿模型智能指数对比

外部接口收紧，中国AI行业将进一步分化

  当海外模型越来越难以调用，中国企业只能加快补齐自己的训练体系。

  首先是积累高质量数据。公开网页数据越来越难以支撑模型能力继续提高，专业知识、复杂推理和行业数据将变得更加重要。

  其次是建设国产评测体系。如果中国模型长期依赖海外模型判断答案好坏，就很难真正摆脱对外部平台的依赖。

  最后是提高国产算力的使用效率。芯片性能有差距，就需要在算法、集群调度和软件适配上节省算力，让有限的设备完成更多训练任务。

  不过，并不是每家公司都有能力同时建设数据、算力和评测系统。随着投入越来越大，中国大模型行业很可能出现更明显的分工：少数头部企业负责训练通用基础模型，更多中小企业转向医疗、金融、制造、办公等具体应用。

  这未必是坏事。过去不少企业都想从头训练自己的模型，产品相似、投入重复，商业收入却跟不上。外部环境收紧以后，行业反而会更重视模型究竟能不能解决问题、能不能带来订单。

中美顶级模型Arena分数对比：领先优势正在消失

真正的竞争，是谁能独立承担研发成本

  美国同时点名六家中国AI企业，说明中美人工智能竞争已经进入新的阶段。

  过去争夺的是芯片和算力，现在模型输出、API接口、训练数据乃至评测方法，都可能成为限制对象。

  对于中国企业来说，争论蒸馏是不是行业惯例，只能回答一部分问题。更现实的问题是：如果海外模型接口逐步关闭，中国企业能不能依靠自己的数据、算力和工程能力继续升级产品。

  美国想提高中国大模型追赶的成本，中国企业则要证明，即使不能继续方便地向海外“老师”学习，也能建立自己的研发体系。

  这才是六家企业被同时点名之后，真正值得关注的较量。