“黑箱蒸馏”的法律规制路径

　　“十五五”时期，新型工业化与“人工智能+”相互叠加；如何把通用大模型转化为行业专用模型，成为制造业智能化升级的现实命题。工业现场既需借助大模型的知识与推理能力，又受运行时延、算力成本和生产数据保护约束，需要借助知识蒸馏把通用大模型转化为行业专用模型。“蒸馏”原本是化学领域的分离提纯方法，放到AI世界，其实就是一种“学徒制度”。这意味着，通过特定的技术手段，把一个更大、更复杂的“教师模型”（通常是通用大模型）所拥有的丰富知识和强大能力，传递并浓缩到一个更小、更高效的“学生模型”中。

　　当开发者无法访问“教师模型”的内部参数时，便经由接口获取输出，将其用作“学生模型”的训练样本，这便是“黑箱蒸馏”。制造业企业可借此训练企业内的专用模型，但伴随能力迁移发生的可能是对平台投入的不当利用。那么，对“黑箱蒸馏”的法律评价，不宜停留于合法与否的简单追问，而应细察其触及何种法益、采用何种手段、造成何种竞争后果，并遵循不同规制路径分别予以检视。

　　版权法规制“黑箱蒸馏”的限度

　　第一，版权侵权须结合具体作品与复制行为判断。版权保护对象是具有独创性的表达，不包括思想、功能本身。“黑箱蒸馏”是以“教师模型”的回答，训练“学生模型”处理同类问题。然而，“教师模型”的回答并不必然构成作品，平台也不因研发投入而当然地取得输出的版权。同时，主张侵权须先证明样本中存在受保护的作品及相应权属，再查明训练是否复制受保护的表达以及复制有无合法依据。由此可见，不能仅凭模型性能相近就认定侵权。

　　第二，个别样本侵权不能替代整体评价。即使查明训练或生成回答涉及侵权，也须根据具体行为及其后果确定责任。工业模型往往融合企业数据与工程投入，不能以少量相似答案推定训练过程整体违法；“学生模型”借助自有设备数据和现场调试获得的性能提升，也不能径直算作“教师模型”所属平台的成果。

　　平台禁令难以自行区分竞争违法

　　第一，禁止蒸馏条款须同时接受公平价值与相对效力的双重约束。平台为回收研发投入，可以通过合同约定接口用途等内容，却不能通过设定条款将一切后续学习列入禁区。此类条款多属格式条款，民法典第496条要求提供方遵循公平原则，就“禁止蒸馏”这类重大利害关系条款履行提示说明义务；第497条则使不合理限制相对人主要权利的约定归于无效。据此，禁止范围是否覆盖正当学习、服务对价与限制幅度是否相称、调用者能否预见利用边界，都应受到逐一检验。即便相关条款有效，依第465条第2款，其效力原则上也仅及于缔约双方；未缔约的第三人自行蒸馏的，平台不能凭单方禁令加以禁止。

　　第二，违约损害不同于竞争损害。“黑箱蒸馏”超出约定用途，可能损及平台的许可收益，其是否扰乱竞争，还须查明数据取得手段、服务运行影响与损害的因果关系。合同责任维护约定利益，但不能免除竞争法上的独立证明，也不能把违约救济扩张为全市场停用模型。

　　以竞争过程划定“黑箱蒸馏”的规制边界

　　第一，平台对合法持有数据形成的经营利益依法受保护，但并不因此享有对模型能力的一般排他权。开发者可以通过合法调用数据和自有数据形成新能力；若以欺骗或规避技术措施的方式批量取得输出，将样本获取成本不当转嫁给平台，其竞争优势的来源便应受到审查。

　　第二，数据专门条款提供可检验的规范。依据反不正当竞争法，以欺诈、胁迫、避开或破坏技术管理措施等不正当方式获取、使用他人合法持有的数据，损害其合法权益、扰乱竞争秩序。正常调用后违反用途约定，不会自动满足这些条件；盗用凭证、虚假注册等，则须结合具体数据、访问方式与损害证据予以审查。

　　第三，须容许正当的市场替代效果。即使“学生模型”分流平台客户，也不能仅凭替代效果推定“黑箱蒸馏”违法。应追问竞争优势是否源于不正当获取、使用数据，以及该行为是否损害经营者合法权益、扰乱市场竞争秩序。对已证实的不正当访问或违法取得的特定样本，应针对违法环节予以救济，不宜因局部争议销毁融合企业自有数据与工程投入的整体模型。如此，反不正当竞争法才能将审查重心从“成果是否相似”推进至“优势如何取得”。

　　【作者系广东技术师范大学副教授，广东省习近平新时代中国特色社会主义思想研究中心广东省法学会研究基地特约研究员。本文系广州市哲学社会科学规划课题（2026GZQN10）的阶段性成果】