知识蒸馏中软标签的法律属性及其保护进路

　　近年来，人工智能技术飞速迭代，大模型训练研发成本急剧增加，前沿模型研发逐渐向少数大型企业集中。降低研发与部署成本、拓宽中小主体的进入通道，是人工智能产业健康发展的现实需要。知识蒸馏是一种人工智能模型压缩技术，通过将大型教师模型的知识迁移至小型学生模型，实现降低部署成本并提升推理效率的目标。软标签是教师模型输出的带概率分布的预测结果，不仅标注单一类别，还包含各类别间相似度信息，用来替代硬标签训练学生模型。知识蒸馏技术借助软标签使学生模型在低成本条件下获得接近教师模型的性能，因此软标签成为兼具技术价值与经济价值的核心资源，相关法律纠纷不断出现。准确认定软标签的法律属性，在知识共享与保护教师模型开发者利益间划清边界，成为亟须解决的理论问题。

　　

　　

　　知识蒸馏中的软标签及其产业价值。由诺贝尔奖得主杰弗里·辛顿（Geoffrey Hinton）等人提出的知识蒸馏技术以模型压缩与知识迁移为目标，通过软标签将教师模型蕴含的知识迁移至规模较小的学生模型，使其在保持高性能的同时降低计算成本。该技术引入软标签替代传统机器学习中的硬标签：硬标签是明确、离散且唯一的分类结果，如医学诊断中某病例被判定为感冒时输出向量为[1,0,0]，无法揭示潜在的类间相似性关系；软标签则以概率分布形式呈现多个可能结果及其相对可能性，如上述诊断案例中教师模型可输出感冒0.6、流感0.3、过敏0.1。软标签所蕴含的类间关系与特征相似性被称为暗知识，学生模型通过学习软标签捕捉暗知识，在有限计算资源下重构复杂的决策结构。就产业价值而言，软标签正凭借低成本迁移能力优化产业格局。目前，大模型发展面临算力需求与硬件性能增长失衡的挑战。知识蒸馏则可通过模型压缩机制缓解这一趋势。

　　知识蒸馏中软标签的相关争端。中小企业借助教师模型公开接口获取软标签以训练学生模型，技术准入门槛降低，教师模型开发者的市场地位受到挑战。近来国外出现一系列将软标签的提取和使用由版权侵权问题上升为国家安全问题的行径，使业内通行技术与商业现象政治化、工具化的做法不可取。软标签可否成为受保护客体、在何种条件下可被合法利用，成为需要明确的法律属性命题。

　　

　　

　　知识蒸馏中软标签的技术本质。人工智能大模型输出按信息完整程度可分为三层：大模型每写出一个字词前，都会对各候选字词给出概率，这组概率即软标签，信息最为完整；模型以自然语言写出的中间推理步骤，是从概率分布中逐词采样后的文字记录，信息量次之；最终文字回答是推理步骤的结论部分，信息量最低。企业以自有大模型训练小模型或者以开源模型充当教师模型时，能够直接取得并使用软标签。软标签处于模型输出信息链条的顶端，具有四个特点：一是生成过程的算法自动化。软标签经教师模型的神经网络前向传播自动生成，输入数据经网络层计算输出原始未归一化数值（Logits值），再经温度参数调节后由归一化指数函数（Softmax函数）转换为概率分布向量。教师模型开发者仅参与数据筛选、架构设计与参数配置等前置环节，无法控制或预见具体软标签的生成结果。二是表达形式的数学抽象性。软标签呈现为抽象的概率分布数学形式，缺乏具象化的外部表现特征，其本质是对数据类别间相似性关系的客观量化，属于对自然规律的数学表征。三是功能指向的工具实用性。软标签在知识蒸馏链条中承担知识迁移功能，通过传递教师模型的判断逻辑引导学生模型学习概率分布并调整参数。四是生成结果的非唯一性。相同输入数据经不同教师模型或同一模型的不同训练状态，会产生不同的概率分布。

　　基于上述特征，检视软标签相关法律争议时，属性界定路径相对行为界定路径具备三大优势。其一，理论逻辑严密。行为界定路径通常会在著作权法依据不足时援引反不正当竞争法，模糊不同法律部门的适用界限，削弱著作权法对可保护客体的筛选功能；属性界定路径则严格遵循客体属性、权利归属与行为评价三段论逻辑，能有效维护特定法律要件的独立性。其二，实践规制精准。行为界定路径采用侵权与否的二元判断标准，难以协调技术研发者的投入成本与后续使用者的合法权益；属性界定路径则能够使保护强度与客体性质相匹配，充分平衡各方利益。其三，易促成国际共识。行为界定路径缺乏对软标签法律属性的深入辨析，致使行为评价缺乏事实与规范基础；属性界定路径则具备体系性和可预测性，可为我国参与全球人工智能治理规则制定提供清晰的理论支撑。

　　软标签作品属性争议。支持作品保护的学者认为，基于模型研发者的高投入和用户提示词对生成内容的控制，符合独创性要求的算法生成物可获得作品保护；持反对意见的学者则坚持著作权法“人类中心主义”原则，指出算法自动生成过程缺少人类对表达内容的直接贡献，难以满足智力成果基本要求。两种立场结论相反，但均以人类实质性贡献为标准，而该标准未能区分前置架构设计与内容生成阶段的投入。软标签的生成机制与人类创作活动存在本质差异，传统判断标准需进行相应调整。在规范层面，我国现行著作权法对软标签等新型客体缺乏明确定位。

　　软标签数据保护争议。一是反不正当竞争路径。支持者强调知识蒸馏行为的数据获取具备合法性，关注学生模型通过接口提取教师模型输出时是否构成不正当竞争；反对者指出知识蒸馏未损害竞争秩序，在开发者享有处分权且其属反向工程时，难以认定违法。二是商业秘密路径。支持者主张将模型参数、训练日志及概率分布输出作为商业秘密予以保护；反对意见指出，软标签通常通过公开接口调用生成，其输出过程不当然处于秘密状态，秘密性要件难以稳定满足。即便主张以商业秘密规制蒸馏的论者，也承认商业价值、秘密性与保密措施合理性三项要件在模型场景中均难以稳定认定，并承认反向工程抗辩使侵权认定进一步受限。三是数据权益路径。支持者主张将软标签界定为受保护的数据权益乃至衍生数据产品，反对者则认为数据产权立法缺位，公开数据难以确立排他性权益，模型参数、超参数亦不属于数据权益客体。上述争论虽聚焦保护方式，但在未明确软标签属于作品、思想、商业秘密抑或数据之前，仅从行为合法性角度进行评价，缺乏充分的法律依据。

　　

　　

　　当前中国人工智能产业正处于普惠发展的关键阶段，对学生模型的部署存在多层次现实需求。为构建立足本土化的保护方案，软标签的法律属性需在著作权、商业秘密与数据要素等客体类型间作出选择。

　　软标签作品属性的否定。知识蒸馏技术能否被合理利用，首先应明确软标签能否被认定为著作权法上的客体，即作品。一旦纳入作品范畴，未经许可的蒸馏行为将涉嫌侵犯教师模型开发者的复制权或改编权。基于著作权法基本理论，软标签作品属性的证成需审查其是否满足独创性与表达性要件。首先，独创性要求作品由作者独立完成并体现最低程度的创造性，需判断创作行为是否源自人类作者的自主意志，即人类智力投入须与具体输出之间具有可预期性与可归责性。软标签生成过程的算法自动化切断了人类意志向具体表达的转化路径，开发者无法预见特定输入产生的概率分布，亦无法对输出的数值与形式实施实质性控制。司法实践表明机器学习的数据处理与表达性创作存在本质差异：我国首例人工智能模型侵权“变身漫画特效”案认定，模型生成过程的各阶段均不构成著作权法意义上的创作行为；美国版权局明确，算法自动生成结果不具备版权意义上的可保护性；欧盟《数字化单一市场版权指令》及日本2018年著作权法，亦为文本与数据挖掘和非享受性使用设置了例外。各国基本确立了算法自动生成内容缺乏法定独创性的共识。其次，著作权法保护具体的表达，且要求受保护的表达具有相对固定的形式，软标签以概率分布数值传递教师模型的判断逻辑，其性质近似于科学发现、客观事实总结或操作方法，缺乏可供人类直接感知的外在表现形式，且数值随模型参数、温度设置波动而不具稳定性。综上，软标签不满足独创性和表达性要件，不构成著作权法意义上的作品。

　　软标签商业秘密属性的否定。部分企业试图通过服务条款将模型输出预设为商业秘密，而软标签场景下认定其为商业秘密所需具备的秘密性、保密性与价值性均不稳固：软标签经公开接口向不特定用户输出，不当然处于秘密状态；保密措施集中于源代码与模型权重，输出端的措施并不充分，合理性难以成立；竞争优势亦无法仅凭模型知识是否公开来作出判断。反向工程规则进一步限缩其适用性：黑盒蒸馏未接触模型内部参数，不能构成侵犯商业秘密的行为。以单方服务条款禁止蒸馏的行为，属于借合同扩张法定权利边界，既不能补足法定要件，又有限制竞争之虞。承认软标签的商业秘密属性将为域外主体追责预设请求权基础，与开放共享、跨境流通的产业发展方向相悖。

　　软标签数据要素属性的证成。软标签法律属性的不确定性将使大规模自动化提取面临不正当竞争侵权风险，增加开发者的合规成本。学生模型从推理步骤和文字回答中习得的是判断思路与解题方法，近似于学生研读教师的解题示范获取知识技能。属于思想范畴的知识与技能扩散本是文化传承的常态，故对于软标签法律属性的研究应秉持开放立场。我国数据安全法第3条将数据界定为任何以电子或者其他方式对信息的记录。软标签以概率分布向量的电子形式记录教师模型对输入数据的判断结果，存储于计算机系统并可通过网络传输，具备电子数据的完整特征，宜纳入《中共中央 国务院关于构建数据基础制度更好发挥数据要素作用的意见》（即“数据二十条”）确立的数据产权制度框架。作为数字经济时代的重要生产要素，软标签具备数据要素的四项属性：一是劳动投入属性。教师模型开发者在筛选数据、设计模型、调整参数和投入算力等环节中投入大量技术劳动，使软标签脱离原始数据的自然状态。二是加工衍生属性。软标签是对原始数据深度加工的产物，具有独立利用价值。三是市场价值属性。软标签作为高质量训练资源，其价值远高于原始数据，在数据交易实践中已具备作为交易标的的现实基础。四是可控管理属性。软标签虽通过公开接口输出，开发者仍可借助技术手段控制其输出规模与范围。综上，数据要素客体的定位既保障了教师模型开发者的实质性投入，又为学生模型的合法训练预留了空间，契合国家人工智能产业高质量发展的要求。

　　

　　

　　对软标签保护范围及利用条件作出合理限定，有助于保障中国企业自主成果与后续研发的合法利益，为我国人工智能产业发展和开放合作提供法律支持。

　　限制性数据持有权的保护进路。持有权归属于投入数据、算力与算法资源完成训练的教师模型开发者，契合“谁投入、谁贡献、谁受益”的公平原则，并与我国首例大数据权属纠纷“淘宝诉美景”不正当竞争纠纷案认定的数据产品为劳动成果、权益归投入者享有的裁判逻辑相衔接。其权能限于访问控制、信息知情与收益分享，开发者得以技术措施设定接口调用的条件与频率，知悉软标签的使用方式与规模，并在商业性大规模使用场景下获取合理收益分成。由于数据要素不具有排他性和消耗性，同一软标签可被多方同时多次利用而不减损价值，持有权不具备传统物权式的绝对排他效力，访问控制措施应符合比例原则，不得设置不合理的技术壁垒。同时，教师模型开发者不宜依据持有权主张停止蒸馏，其请求权亦不及于已经依约输出至用户端，并由用户依服务条款取得处分权的模型输出。

　　设置使用例外规则。对软标签数据要素的保护可借鉴著作权法中的例外规则。为降低协同发展的准入门槛，初创企业与中小企业在调用量、参数量与营收额低于特定门槛时适用法定许可，获取软标签用于专用模型与终端模型的训练后，通过适当渠道支付合理费用。对非商业性利用则适用合理使用，如高校和科研机构以学术研究为目的、个人开发者和开源社区成员以提升技术能力为目的，通过公开接口获取软标签用于训练、改进或评测的行为无需许可或付费。

　　（邹琳系湘潭大学法学学部知识产权学院教授；刘东婷系湘潭大学法学学部知识产权学院硕士研究生、湘潭大学产业发展与知识产权智慧治理研究院研究人员）

　　● 责任编辑：孙贺