王学武 CDA 理事成员，第一财经“数据科学50人”

小时候，我们几乎都听过同一句话：“要向优秀的人学习。”

老师这样告诉我们，父母这样告诉我们，后来进入职场，领导也这样告诉我们。成绩好的同学是学习的榜样；优秀的企业是行业的标杆；经典的书籍要认真研读。

一句流传了几百年的名言，也在告诉我们同一个道理：“站在巨人的肩膀上，我们可以看得更远。”

从小到大，我们几乎从未怀疑过这件事。因为，在人类文明里，学习从来不是一件羞耻的事情。恰恰相反，学习是成长的开始，模仿是创造的起点。

没有一个孩子一出生就会说话，也没有一个科学家不曾读过前人的论文。文明能够不断向前，是因为每一代人都不是从零开始。

所以，我们建学校、图书馆和互联网。我们所做这一切，本质上都在完成同一件事情：让知识流动，让经验传承，让后来者走得比前人更远。

过去几千年，这几乎是一条无需证明的共识。直到今天，一场关于AI的争议，第一次让这个我们深信不疑的道理出现了裂缝。

如果一个AI不断向另一个AI学习，学习它如何推理、写代码、分析问题，最终变得越来越像对方——这究竟是在学习，还是在复制？假如发生在人类身上，我们会称之为“成长”。可当学习者变成了AI，我们讨论的，却是另一个词“偷窃”。

于是，一则看似属于AI行业的新闻，突然变成了所有人都须面对的问题。真正值得讨论的，或许不是Anthropic与阿里的争议。而是，那个我们从小就相信却从未认真定义过的词“学习”。

学习，第一次开始出现边界。

马克·科特（1901年）或维勒马尔（1910年），未来二十一世纪法国的学校

2880万次提问之后，真正值得讨论的，不是新闻

故事，要从一封公开信开始。

今年，一则新闻迅速登上全球科技媒体。Anthropic向美国参议院提交公开信称，阿里巴巴关联方利用约2.5万个账户，对Claude发起约2880万次交互，试图通过"对抗性蒸馏（Adversarial Distillation）"学习Claude的能力。截至目前，Anthropic的公开指控尚未经司法程序认定，阿里方面也尚未公开回应。

新闻发出后，行业迅速分成两派：一种观点认为，如果指控属实，这意味着有人正以极低的成本，恶意复制另一家公司的核心能力；另一种观点同样尖锐，模型既然通过API对外提供服务，持续提问、观察和总结，本就是一种学习。

双方都认为自己在保护创新，争论也因此不断升级。

然而，真正值得讨论的，也许不是这条新闻。

因为，今天是Anthropic与阿里，明天可能就是OpenAI、Google，甚至未来还未出现的公司。新闻会过去，技术会更新。真正不会消失的，是新闻背后的问题。

答案，也许藏在一个我们每天都会说，却很少认真思考的词：Learning

过去，人类理解的Learning，意味着获取知识。今天，AI的Learning正在逼近另一件东西：

它学习的也许不只是知识，更是能力；不只是答案，更是产生答案的方法。

同一个词，却指向两个完全不同的世界。于是，我们终于发现，这场争议真正讨论的，从来不是2880万次提问。

如果AI学会的不再只是答案，而是另一种智能的思考方式，那么，它究竟是在学习，还是在复制？

也许，这才是整场争议真正的开始。

被蒸馏的，从来不是答案，而是思维方式

如果只看新闻，很多人会以为所谓Distillation（蒸馏），就是把一个模型的答案复制到另一个模型里。如果真是这样，这件事反而简单，因为答案本来就是公开输出的。然而，真正昂贵的，不是答案，而是它为什么会给出这个答案。

学生时代，总有一种老师特别受欢迎。不是因为他会做题。而是因为他会解题。同样一道数学题，他不会急着计算，而是先问一句：

"先别急着算，先想一想，这道题真正考什么？"

慢慢你会发现，你记住的不是某一道题，而是他的思考逻辑：什么时候找规律？什么时候拆条件？什么时候大胆假设？再一步步验证。以后遇到陌生题目，脑子里浮现的也不再是答案。而是老师的声音。那一刻，你真正学会的不是数学。而是他的思维方式。

程序员也是如此。高手之间拉开差距的，并不是一段代码。代码可以复制，真正难以复刻的，是背后的架构思想。

为什么要解耦？为什么要封装？为什么这个系统几年之后依然能够稳定扩展？值钱的并非语法，是组织代码的方式。

下围棋也是一样的道理。普通人看到的是一步棋，高手看到的是整个棋局。他们研究的不是"这一手怎么下"，而是"为什么现在下"。他们学习的从来不是一盘棋。而是一种思考世界的格局。

数学老师、程序员、围棋高手。三个完全不同的领域，却都在说明同一件事情：

真正改变一个人的，从来不是知识本身，而是知识背后的思考方式。

过去我们很少意识到这一点。

今天的大模型也在做类似的事情。很多人以为AI学习的是一句句回答。事实上，更重要的是千万次回答背后不断重复出现的推理模式：

它如何拆解问题。

如何组织语言。

如何权衡不同方案。

如何一步步完成推理。

这些东西都看不见，却决定了一次回答为什么“像Claude”、“像GPT”，或者“像Doubao”。模型真正的“个性”蕴藏在长期稳定的思维风格里。

所以，如果Anthropic 的指控最终成立，它真正担心的，并不是几百万段回答被复制。而是有人正通过海量交互，不断逼近一种制造答案的能力。

于是，我们终于发现，Distillation（蒸馏）真正蒸馏的，从来不是数据、代码和答案。而是另一种更为抽象、也更昂贵的东西——一种思考解题的方法，组织知识的能力，以及长期训练出来的智能风格。

所以，这场争议的焦点是：真正值钱的，从来不是知识，而是制造知识的方法。

[模型蒸馏架构图]

两个时代的冲突

如果把这场争议只理解成两家AI公司之间的商业竞争，它终究会随着下一条新闻被遗忘。值得记住的，不是谁起诉了谁。而是为什么这样的争议，总是在新技术出现的时候发生？

因为，历史曾告诉我们，每一次文明升级，发生变化的，往往不是技术，而是规则。

十五世纪，印刷术第一次让书籍可以被大规模复制。支持者欢呼，知识终于走向了大众；反对者则担忧作者多年的心血可能一夜之间失去价值。

今天回头看，我们知道。印刷术推动了文明。可站在当时，没有人会知道这个答案。关键的争议是：知识到底应该自由流动，还是受到保护？

几百年后，互联网又把音乐变成了一串可以无限复制的字节。一首歌只需几分钟就能传遍世界。有人说这是文化的解放，也有人说是创作者的灾难。后来，MP3改变了整个音乐产业，唱片消失、流媒体出现，版权制度也随之不断调整。直到今天，人们依然在讨论，复制是什么时候变成了侵权？

再后来，开源运动兴起。有人相信知识分享得越多，创新就会越快。Linux、Python、MySQL等开源项目推动了整个软件产业高速发展。与此同时，也带来新的问题——如果所有成果都可以被低成本利用，那么还有谁愿意投入巨额资源去研发下一代技术？

于是，人类开始在“开放”与“封闭”之间，不断寻找新的平衡。

今天，轮到了人工智能。不同的是，这一次被学习的不再只是一本书、一首歌或一段代码，而是一种思考问题的能力。

这也是双方始终难以说服彼此的原因。研发者希望保护创造的投入，因为没有合理回报，就可能没有下一代模型。学习者则强调持续学习，因为没有学习，也不会有新的突破和竞争。

看似立场不同，本质上都在回答同一个问题：创新，到底靠什么发生？

于是，我们终于发现，真正冲突的，从来不是Anthropic与阿里，而是两个时代第一次面对面站在了一起。

过去几百年，我们建立的版权制度保护的是一本书、一首歌、一段程序，它们都有清晰的边界。而智能时代，人们试图保护的却是一种看不见的推理能力、思维方式和智能风格。

旧规则开始难以解释新的世界。不是规则失效，只是时代已经向前。历史最有趣的地方就在这里：

后来的人，总觉得答案显而易见。可真正身处那个时代的人，往往不知道自己正站在历史的分界线上。

印刷术如此、MP3如此、开源如此、今天的AI同样如此。

也许几十年后，我们会像今天回看印刷术一样，觉得答案再自然不过。但至少此刻，没有任何一家公司或法律能够轻易回答这个问题。因为真正冲突的，不是这两家公司。

一个时代相信创新需要被保护，另一个时代相信创新也来自学习。当创造本身也越来越依赖学习的时候，我们该如何重新定义它们之间的边界？

未来改变的，也许不是AI，而是“学习”

几年以后，人们未必还会记得2880万次提问，却很可能会记得，它第一次让整个世界认真讨论一个问题：智能，到底应该怎样学习智能？

新的时代，也提出了新的命题。创新需要被保护，学习也不能停止，可真正困难的，不是谁赢谁输，而是如何找到两者之间新的平衡。

文明每向前一步，都会重新定义一些旧词。而今天，被重新定义的，也许正是Learning。所以，当我们再次回到文章开头那个问题：

我们从小被教育要“向优秀学习”，为什么 AI 这么做，却成了罪？

也许，这个问题本身就问错了。

AI没有让学习变成一种罪。

它只是第一次让我们发现：

原来，我们从来没有真正定义过，什么叫“学习”。