一份覆盖300多篇中国学术论文、专利、企业披露、招聘启事和官方文件的综述显示,美国芯片出口管制持续收紧,中国AI企业和研究者却越来越依赖模型蒸馏,用美国头部大模型的输出来训练本土小模型。这条路已经从学术实验走到了大规模工业部署。
蒸馏的原理不复杂:让能力更强的“教师”模型生成答案、代码或解题步骤,再拿这些输出训练更小的“学生”模型。对中国AI企业来说,英伟达GPU这类算力硬件不好搞,把一次对海外先进模型的查询变成可复用的本地训练数据,成本要低得多。贸易限制趋严之下,英伟达8卡H200服务器在中国灰色市场已经喊到90万美元一台。
路透社梳理了中国主要机构和科技公司落地这套流程的具体做法。2024年11月,上海交通大学的研究者从OpenAI的o1模型里挑了约5000条回答,用GPT-4o mini翻译,汇编成10750条双语训练样本,用来进一步训练阿里巴巴的Qwen2.5-72B模型。研究者也提醒,过度依赖蒸馏会压制原创突破。
类似的案例还有不少。2025年,阿里巴巴的研究者用OpenAI的GPT-4和GPT-4o生成非中文训练数据,给回答打分过滤后训练较小的Qwen模型。2026年2月,上海交通大学与美团的研究者用GPT-4o为编程任务生成多智能体协作方案,用来训练一款较小的本土模型。
用蒸馏训练小模型本身并不违法,全球范围内都有人这么做。但OpenAI、Anthropic等公司已经明令禁止用自家大模型的输出来训练竞争模型。


