最近我因为说了一句国产模型蒸馏问题，就被举报删帖。在某音平台评论一句国产模型蒸馏，被追着骂，仿佛这种话题就是谈都不能谈的滑梯，但是我还是想在此聊一下关于模型蒸馏的问题， 
比如 
国产模型是否蒸馏了 
模型蒸馏比例 
经典洗白文案等 
首先，我们要明确一些事实 
1、蒸馏是中性词 
2、国产模型大都为开源模型 
3、闭源模型大都禁止其他人或组织蒸馏数据 
4、人工大量采集模型的数据集十分困难，需要巨大的人力成本和资金成本 
ok，我们从以上事实进行推导 
1、数据处理成本 
首先，当年OPENAI雇了一大批人去做了数据处理和标注。 
如：https://time.com/6247678/openai-chatgpt-kenya-workers/ 

OpenAI 这类公司不是只靠自家员工标注，而是会用外包/供应商。早期 ChatGPT 安全数据就被报道使用 Sama 的肯尼亚工人做有害内容...