Американські компанії, що створюють найпотужніші системи штучного інтелекту, дедалі гучніше звинувачують китайських конкурентів у копіюванні їхніх технологій. У центрі суперечки опинилася дистиляція — метод, який давно використовує сама індустрія.
Anthropic стверджує, що китайські компанії отримували доступ до її моделей через десятки тисяч неавторизованих облікових записів, масово збирали відповіді чатботів і використовували їх для навчання власних систем.
Компанія описує такі операції як промислове вилучення американських ШІ-можливостей. Її керівництво закликає законодавців створити механізми, які дозволили б уряду та провідним лабораторіям спільно протидіяти подібній практиці.
За оцінкою Дейком, ця суперечка стосується не лише захисту інтелектуальної власності. Американські компанії намагаються зберегти технологічний розрив у ситуації, коли самі принципи роботи штучного інтелекту роблять копіювання поведінки моделей майже неминучим.
Дистиляція не є новим китайським винаходом. Її розробили дослідники Google ще на початку 2010-х років як спосіб створювати компактніші та дешевші системи на основі знань більших моделей.
Умовно одна модель стає вчителем, а інша — учнем. Потужна система генерує велику кількість відповідей, а менша навчається відтворювати її логіку, стиль міркування та здатність виконувати окремі завдання.
Такий підхід дозволяє переносити частину можливостей складної моделі в систему, яка потребує менше обчислювальних ресурсів. Для індустрії це важливо, оскільки запуск найпотужніших моделей залишається дорогим навіть для великих технологічних корпорацій.
Проблема виникає тоді, коли компанія навчає власну систему на відповідях закритої моделі конкурента. Anthropic, OpenAI та інші лабораторії прямо забороняють таке використання у своїх правилах, але технічно зупинити його надзвичайно складно.
Відмінність між законною оптимізацією та незаконним копіюванням залишається розмитою. Дистиляція не відтворює програмний код або текст дослівно. Вона намагається скопіювати поведінку системи — спосіб, у який модель відповідає, аналізує й розв’язує завдання.
Через це традиційне авторське право не дає очевидної відповіді. Окремі юристи вважають, що приховане масове збирання відповідей може порушувати законодавство про комерційну таємницю, однак американські суди ще не сформували чіткої практики.
Суперечність посилює те, що дистиляцією користуються не лише китайські компанії. Ілон Маск публічно визнав, що його xAI застосовувала технології OpenAI для навчання власних систем, додавши, що подібна практика поширена в усій галузі.
Це послаблює моральну позицію американських лабораторій. Вони намагаються представити дистиляцію з боку Китаю як особливу загрозу, хоча схожі методи давно використовують конкуренти всередині самих Сполучених Штатів.
Різниця полягає передусім у масштабі та геополітичному контексті. Anthropic заявляє, що пов’язані з Китаєм структури використовували близько 24 тисяч облікових записів і створили понад 16 мільйонів діалогів із Claude.
Такі обсяги вже важко пояснити звичайним використанням сервісу. Повторювані запити, синхронізовані мережі облікових записів і систематичне тестування окремих навичок можуть свідчити про цілеспрямований збір навчальних даних.
Особливу тривогу у Кремнієвій долині викликає швидкість китайського прогресу. За оцінками частини фахівців, технологічне відставання Китаю у сфері передових моделей скоротилося приблизно до шести місяців.
Новий привід для занепокоєння дала модель GLM-5.2 китайської компанії Z.ai. За низкою показників вона наблизилася до провідних американських систем, зокрема в кібербезпеці — сфері, яку Вашингтон вважає критично важливою для національної безпеки.
Американські лабораторії наполягають, що без доступу до відповідей їхніх моделей китайські розробники просувалися б значно повільніше. Проте довести, яку саме частину прогресу забезпечила дистиляція, а яку — власні дослідження, майже неможливо.
Створення передової моделі потребує не лише великого масиву відповідей конкурента. Потрібні обчислювальні потужності, якісні навчальні дані, інженерна команда, алгоритмічні вдосконалення та здатність стабільно масштабувати систему.
Саме тому частина дослідників сумнівається, що дистиляція сама по собі може пояснити успіх Z.ai, DeepSeek або Alibaba. Вона скорочує шлях до окремих можливостей, але не замінює повноцінної лабораторії та власної технологічної бази.
Американські компанії також стикаються з практичною проблемою контролю. Вони можуть блокувати підозрілі облікові записи, аналізувати аномальні запити та обмежувати частоту доступу. Але надмірно жорсткі фільтри ризикують відсікти звичайних клієнтів.
Крім того, більшість таких операцій відбувається за межами юрисдикції США. Навіть якщо американський суд визнає приховану дистиляцію незаконною, змусити китайську компанію виконати рішення буде надзвичайно важко.
Тому Anthropic закликає не лише змінювати законодавство, а й посилювати співпрацю між лабораторіями. OpenAI, Google та інші компанії вже обмінюються технічними сигналами, які допомагають виявляти масове вилучення даних.
Другим інструментом Вашингтона залишаються експортні обмеження на передові чипи. Дистиляція знижує вартість навчання, але не скасовує потреби у потужних графічних процесорах, без яких неможливо створювати й удосконалювати великі моделі.
Проте й цей бар’єр не є абсолютним. Китайські компанії отримують доступ до обчислень через закордонні дата-центри, використовують менш потужні процесори в більших кількостях і прискорюють розробку власних ШІ-чипів.
Суворіші обмеження можуть уповільнити прогрес, але водночас стимулюють китайські лабораторії працювати ефективніше. Дефіцит ресурсів змушує їх скорочувати витрати, оптимізувати архітектури та шукати способи отримувати більше з меншої кількості обчислень.
Ще одна причина, через яку дистиляція може втратити значення, — перехід до ШІ-агентів. Такі системи не лише відповідають на запитання, а користуються браузерами, базами даних і програмами, виконуючи багатокрокові завдання без постійного контролю людини.
Скопіювати поведінку агента складніше, ніж відтворити відповіді чатбота. Для цього потрібні середовища навчання, реальні сценарії, тривале тестування, стабільне використання інструментів і здатність виправляти помилки під час виконання завдання.
Отже, боротьба з дистиляцією може захистити нинішнє покоління моделей, але не гарантує переваги в наступному. Американські компанії ризикують витратити політичний капітал на блокування методу, значення якого поступово зменшуватиметься.
Глибша проблема полягає в тому, що США намагаються зберегти лідерство через контроль доступу, тоді як Китай скорочує відставання завдяки дешевшим моделям, відкритим розробкам і швидкому масштабуванню.
Для Anthropic та OpenAI дистиляція є загрозою бізнес-моделі. Вони витрачають мільярди доларів на навчання систем, а конкурент може використати їхні відповіді, щоб створити дешевшу альтернативу без таких самих витрат.
Для глобального ринку ця практика має інший бік. Компактніші моделі здешевлюють штучний інтелект і роблять його доступним для компаній, які не можуть оплачувати дорогі американські сервіси.
Тому суперечка навряд чи матиме просте юридичне рішення. Дистиляція одночасно є інструментом інновації, методом оптимізації, потенційним порушенням правил і способом геополітичного наздоганяння.
Американські компанії справедливо прагнуть захистити результати дорогих досліджень. Але їхня головна проблема полягає не в тому, що Китай знайшов таємний спосіб копіювання. Він використовує метод, який сама американська індустрія створила, поширила й досі активно застосовує.
У підсумку технологічне лідерство США залежатиме не від здатності повністю закрити свої моделі від наслідування. Воно залежатиме від того, чи зможуть американські лабораторії створювати нове швидше, ніж конкуренти встигають копіювати старе.
