Американские компании, создающие самые мощные системы искусственного интеллекта, всё громче обвиняют китайских конкурентов в копировании их технологий. В центре спора оказалась дистилляция — метод, который сама индустрия использует уже много лет.
Anthropic утверждает, что китайские компании получали доступ к её моделям через десятки тысяч неавторизованных учётных записей, массово собирали ответы чат-ботов и использовали полученные данные для обучения собственных систем.
Компания описывает такие операции как промышленное извлечение американских ИИ-возможностей. Её руководство призывает законодателей создать механизмы, которые позволили бы государству и ведущим лабораториям совместно противодействовать подобной практике.
Как ранее оценил Дэйком, этот конфликт касается не только защиты интеллектуальной собственности. Американские компании пытаются сохранить технологический разрыв в условиях, когда сама архитектура искусственного интеллекта делает копирование поведения моделей почти неизбежным.
Дистилляция не является новым китайским изобретением. Её разработали исследователи Google ещё в начале 2010-х годов как способ создавать более компактные и дешёвые системы на основе знаний крупных моделей.
Условно одна модель становится учителем, а другая — учеником. Более мощная система генерирует большое количество ответов, а меньшая обучается воспроизводить её логику, стиль рассуждений и способность решать отдельные задачи.
Такой подход позволяет переносить часть возможностей сложной модели в систему, которой требуется меньше вычислительных ресурсов. Для отрасли это особенно важно, поскольку эксплуатация наиболее мощных ИИ остаётся дорогой даже для крупнейших технологических корпораций.
Проблема возникает, когда компания обучает свою систему на ответах закрытой модели конкурента. Anthropic, OpenAI и другие лаборатории прямо запрещают такое использование в правилах своих сервисов, однако технически остановить его крайне сложно.
Граница между законной оптимизацией и незаконным копированием остаётся размытой. Дистилляция не воспроизводит программный код или исходный текст дословно. Она пытается скопировать поведение системы — способ, которым модель отвечает, анализирует информацию и решает задачи.
Из-за этого традиционное авторское право не даёт очевидного ответа. Некоторые юристы полагают, что скрытый массовый сбор ответов может нарушать законодательство о коммерческой тайне, но американские суды пока не сформировали однозначной практики.
Противоречие усиливается тем, что дистилляцией пользуются не только китайские компании. Илон Маск публично признал, что его xAI применяла технологии OpenAI при обучении собственных систем, добавив, что подобная практика распространена во всей отрасли.
Это ослабляет моральную позицию американских лабораторий. Они пытаются представить китайскую дистилляцию как особую угрозу, хотя схожие методы давно применяются конкурентами внутри самих Соединённых Штатов.
Разница заключается прежде всего в масштабе и геополитическом контексте. Anthropic заявляет, что связанные с Китаем структуры использовали около 24 тысяч учётных записей и создали более 16 миллионов диалогов с Claude.
Подобные объёмы трудно объяснить обычным использованием сервиса. Повторяющиеся запросы, синхронизированные сети аккаунтов и систематическое тестирование отдельных навыков могут указывать на целенаправленный сбор обучающих данных.
Особую тревогу в Кремниевой долине вызывает скорость китайского прогресса. По оценкам части специалистов, технологическое отставание Китая в области передовых моделей сократилось примерно до шести месяцев.
Новый повод для беспокойства дала модель GLM-5.2 китайской компании Z.ai. По ряду показателей она приблизилась к ведущим американским системам, в том числе в кибербезопасности — сфере, которую Вашингтон считает критически важной для национальной безопасности.
Американские лаборатории настаивают, что без доступа к ответам их моделей китайские разработчики продвигались бы значительно медленнее. Однако доказать, какая часть прогресса обеспечена дистилляцией, а какая — собственными исследованиями, практически невозможно.
Создание передовой модели требует не только большого массива чужих ответов. Необходимы вычислительные мощности, качественные данные, сильная инженерная команда, алгоритмические улучшения и способность стабильно масштабировать систему.
Именно поэтому часть исследователей сомневается, что дистилляция сама по себе может объяснить успех Z.ai, DeepSeek или Alibaba. Она сокращает путь к отдельным возможностям, но не заменяет полноценную исследовательскую лабораторию и собственную технологическую базу.
Американские компании сталкиваются и с практической проблемой контроля. Они могут блокировать подозрительные аккаунты, анализировать аномальные запросы и ограничивать частоту доступа. Но слишком жёсткие фильтры рискуют отсечь обычных клиентов.
Кроме того, большая часть таких операций происходит за пределами юрисдикции США. Даже если американский суд признает скрытую дистилляцию незаконной, заставить китайскую компанию выполнить решение будет чрезвычайно трудно.
Поэтому Anthropic призывает не только менять законодательство, но и углублять сотрудничество между лабораториями. OpenAI, Google и другие компании уже обмениваются техническими сигналами, которые помогают обнаруживать массовое извлечение данных.
Вторым инструментом Вашингтона остаются экспортные ограничения на передовые чипы. Дистилляция снижает стоимость обучения, но не отменяет потребности в мощных графических процессорах, без которых невозможно создавать и совершенствовать крупные модели.
Однако и этот барьер не является абсолютным. Китайские компании получают доступ к вычислениям через зарубежные дата-центры, используют менее мощные процессоры в большем количестве и ускоряют разработку собственных ИИ-чипов.
Более строгие ограничения способны замедлить прогресс, но одновременно стимулируют китайские лаборатории работать эффективнее. Дефицит ресурсов заставляет их сокращать расходы, оптимизировать архитектуры и добиваться большего при меньших вычислительных мощностях.
Ещё одна причина, по которой дистилляция может утратить значение, — переход к ИИ-агентам. Такие системы не просто отвечают на вопросы, а используют браузеры, базы данных и программы, выполняя многоэтапные задачи без постоянного контроля человека.
Скопировать поведение агента сложнее, чем воспроизвести ответы чат-бота. Для этого нужны специальные среды обучения, реальные сценарии, длительное тестирование, надёжная работа с инструментами и способность исправлять ошибки в процессе выполнения задачи.
Таким образом, борьба с дистилляцией может защитить нынешнее поколение моделей, но не гарантирует преимущества в следующем. Американские компании рискуют потратить политический капитал на блокировку метода, значение которого со временем может уменьшиться.
Более глубокая проблема состоит в том, что США пытаются сохранить лидерство через контроль доступа, тогда как Китай сокращает отставание благодаря более дешёвым моделям, открытым разработкам и быстрому масштабированию.
Для Anthropic и OpenAI дистилляция представляет угрозу бизнес-модели. Они тратят миллиарды долларов на обучение систем, а конкурент может использовать их ответы, чтобы создать более дешёвую альтернативу без сопоставимых затрат.
Для глобального рынка у этой практики есть и другая сторона. Компактные модели удешевляют искусственный интеллект и делают его доступным для компаний, которые не могут оплачивать дорогие американские сервисы.
Поэтому спор вряд ли получит простое юридическое решение. Дистилляция одновременно является инструментом инноваций, методом оптимизации, потенциальным нарушением правил и способом геополитического догоняющего развития.
Американские компании справедливо стремятся защитить результаты дорогостоящих исследований. Но их главная проблема заключается не в том, что Китай обнаружил секретный способ копирования. Он использует метод, который сама американская индустрия создала, распространила и продолжает активно применять.
В конечном счёте технологическое лидерство США будет зависеть не от способности полностью закрыть свои модели от подражания. Оно будет определяться тем, смогут ли американские лаборатории создавать новое быстрее, чем конкуренты успевают копировать уже созданное.
