不可混为一谈：三种模型蒸馏的法律评价

字段	内容
来源	阿来律师聊AI / 张延来（原创）
日期	2026-07-23
链接	https://mp.weixin.qq.com/s/ee-2kZgWVIsRjw-jq_8TeA
状态	✅已读
重要度	⭐⭐⭐
框架位置	5.3 生成式AI、5.5 AI治理与伦理

核心摘要

文章从技术层面将模型蒸馏拆解为白盒、软标签获取、黑盒三种路径，分别在中国法框架下分析其法律风险结构。核心观点：三种路径触发的是完全不同的法律机制——白盒蒸馏风险在"怎么拿"（商业秘密），软标签获取风险在"手段是否正当"（反法修订草案第十三条），黑盒蒸馏风险在"是否构成实质性市场替代"（反法第十二条）。将三者混为一谈是当前分析的最大错误。

要点提炼

三种蒸馏路径的技术本质差异
- 白盒：直接访问教师模型权重参数和中间层特征（如 DistilBERT）
- 软标签获取：通过 API 获取概率分布（Soft Labels），信息密度高于纯文本输出，介于白盒与黑盒之间
- 黑盒：仅通过 API 获取最终文本输出作为训练数据（如 Alpaca、Vicuna、Orca）
三层法律评价框架
- 著作权法：模型参数难以满足独创性要件，权重是数学优化结果而非人类智识创造；主张"计算机程序著作权"保护路径的争议大，法院更可能采纳"参数是数据而非程序"的立场
- 反法商业秘密条款（白盒蒸馏）：权重满足非公知性+商业价值+保密措施三要件，获取行为本身即侵权
- 反法修订草案第十三条（软标签获取）：核心不是"获取了什么"而是"怎么获取的"，正常 API 调用 vs 虚假账号池/绕过限制，分水岭在于手段正当性
- 反法第十二条互联网专条（黑盒蒸馏）：即便获取合法，若造成实质性市场替代仍可能构成不正当竞争；垂直化和差异化是有效的合规策略
反向工程抗辩的有限适用
- 在商业秘密诉讼中最有力：通过反向工程独立获得的信息不构成侵权
- 在中国语境下有两个障碍：目的限制（只能用于学习研究，不能用于开发竞争产品）和保护客体不确定（权重能否被认定为"计算机程序"尚无定论）
- 这把双刃剑意味着：无效的著作权保护 = 无法援引反向工程豁免

法规 / 案例引用

法规 / 案例	要点
《著作权法》第二十四条	合理使用条款，在学术研究和技术研发场景下有一定适用空间
《计算机软件保护条例》第十七条	反向工程豁免，要求目的为"学习和研究"，禁止用于开发实质相似软件
《反不正当竞争法》第九条	商业秘密条款——白盒蒸馏获取权重的直接法律风险
《反不正当竞争法》第十二条	互联网专条——黑盒蒸馏"实质性市场替代"的规制依据
《反法修订草案》第十三条	以不正当方式获取并使用其他经营者合法持有的数据——软标签获取的核心风险条款
DistilBERT / Alpaca / Vicuna / Orca	白盒蒸馏与黑盒蒸馏的典型技术案例

合规实践启示

企业在做模型蒸馏时需要先做技术路径识别，不能一刀切地评估风险
白盒蒸馏：核心关注权重获取方式是否触碰商业秘密保护，获取前必须确认授权
软标签获取：严格遵守 API 服务条款、不绕过频率限制、不使用虚假身份，做到"手段正当"
黑盒蒸馏：通过垂直化/差异化定位降低市场替代效果，避免直接竞争通用大模型
当前是立法窗口期（反法修订草案尚未通过），值得跟踪立法动态并关注有利先例的建立

个人评注

（待补充）