夜雨聆风从帮手到替身：
“AI炼化”的伦理思考
一、背景介绍
2026年4月，GitHub上一个名为“同事. Skill”的项目引发全网关注。随后，“前任. Skill” “导师. Skill” “自己. Skill”等各种项目如雨后春笋般出现。“技能炼化”（Skill distillation，也称“技能蒸馏”）逐渐从一个训练AI模型的简便方法，变成了复刻人类自身生活经验的“赛博替身”。
2026年4月12日，路透社披露Meta正在员工的工作电脑上安装追踪软件，记录员工工作行为，并将其全部用于AI模型的训练。一个月后，8000名员工的裁员大潮将Meta内部的焦虑推向顶峰，超过1500名员工签署请愿书，要求不要收集“电脑使用”数据来训练AI模型。
从掌握专业技能的帮手，到复刻个人经验、语气的替身，AI炼化背后的伦理问题也逐渐浮出水面。
二、从帮手到替身
技能炼化本身是一个机器学习领域的术语，指的是一种模型训练方法，它能够将庞大、复杂的“教师模型”（Teacher Model）所学到的知识与技能，完整迁移到一个轻量级、体积小、运行快的“学生模型”（Student Model）中。技能炼化大大简化了模型训练所需要的素材量，也节省了算力。
在具体的工作和生活场景中，人类个体则充当了教师模型的角色，用自身经验来训练模型。技能炼化需要把一个人留下的所有数字痕迹，例如聊天记录、工作文档、邮件、代码记录、会议纪要等“喂”给AI，通过大模型的拆解、提炼和编码，最终生成一个Skill.md的文件，作为一个随时可以调用的技能包。这个技能包里面不仅包含专业技术等显性能力，也包括行事风格等隐性能力。
以“同事. Skill”为例，它包括两层架构，“工作技能层”（Work Skill）负责学习炼化该同事的专业能力，例如写代码的逻辑、写文章的笔法；“人格模块”（Persona）负责对该同事进行性格特征、身份认知、表达风格、决策模式的全方位模仿。这两层架构使得模型的输出结果高度符合该同事的惯用表达，以致于即便该同事已经离职，其他员工与模型在沟通过程中仍感到一丝在与真人对话的“恍惚”。
技能炼化给人们带来的感受是双向的。一方面，打造一个“赛博替身”大大提高了工作效率，人们得以从ppt制作、周报月报总结等程式化工作中解放出来，也让离职之后的工作交接便捷了许多。“我们正在构建的愿景，是一个主要由智能体（agents）完成工作的世界......”Meta首席技术官Andrew Bosworth在一篇文章中写道。此外，例如前任. Skill、朋友. Skill等AI炼化模型，往往寄托着使用者对被蒸馏者的独特情感，有时也成为缓解心理压力和痛苦的途径之一。
但另一方面，“赛博替身”强大的工作和学习能力也给人类带来了更深层次的焦虑——有了这样一个不需要发工资、交社保的电子员工，老板还有什么理由雇佣真人？当一个人可以被数字痕迹提炼成一个与自身极为相似的智能体，人本身存在的意义又是什么……
有些人认为，大厂用AI炼化员工属于一种资本压榨。为应对这种不对等关系，“反蒸馏. Skill”应运而生，旨在用技术反制技术。
三、核心伦理争议
1. 数字资产所有权与知情同意问题
由于员工的数字痕迹是在本单位工作时留下的，例如一些工作文档、代码记录有时涉及机密，因此一些单位认为员工的数字痕迹应当是属于单位的数字资产，可以直接用来训练AI大模型。Meta追踪员工电脑使用行为的项目就未经涉事员工同意，且员工知晓后也没有途径退出该项目。
然而，Skill所炼化的数字痕迹远比单位机密文件要丰富得多，它还涉及员工的大量个人信息。有律师认为，Skill与被“蒸馏”者之间存在着某种权利归属关系，如果训练数据包含了非公开的个人生活、家庭关系等，则构成对隐私权的侵害。不过，现在还没有特别系统的法律规定这种新型的综合数字资产。
2. 成长路径的缩水与劳动价值的分化
一个好的职场环境往往要求给予员工较为清晰的成长路径，例如在刚入职时安排“老带新”，工作满一定年限后升职、加薪……在职场中，同事们互相帮助，弥补短板，合作完成工作。
然而，AI炼化的出现极大压缩了员工的成长路径。一方面，老员工虽然离职了，但仍旧以Skill的形式存在于工作场景中，这使得单位对于新员工的需求大大降低，单位由此可以节省人力和开支，但是面向职场新人的就业机会却越来越少。例如，除了大量裁员，Meta还将取消原计划招聘的6000个空缺岗位。
另一方面，成熟的Skill使得单位不再需要着力培养新员工。长此以往，职场可能会分裂为两个极端：一端是极少数负责设计、优化和决策的“Skill架构师”。另一端是大量只能执行标准化任务、随时可被Skill替代的“人机接口”。人的劳动价值也可能相应地呈现两极分化趋势。
3. 风险不可控与责任归属模糊
Skill也面临着风险不可控和责任归属模糊的问题。一方面，大模型在炼化的过程中也可能会出错，但是这一过程几乎是一个黑箱，无法及时纠正，进而影响未来正式的工作交接。另一方面，如果人类员工是因为Skill给出的信息而导致出错，那么应当如何归责？主要责任在该员工，还是被蒸馏的老员工，抑或是大模型本身？
4. 交往情感的边界
当一个人被蒸馏为Skill，其使用者难免会在与模型对话的过程中投射对真人的情感。然而，Skill不同于真实的交往关系，它创造了一个完美的幻境——前任永远不会已读不回，导师永远有空改论文，同事永远配合你的节奏。但真实的人际关系恰恰需要摩擦、拒绝和不确定性。当我们习惯了数字分身的"完美配合"，是否会丧失面对真实人类的能力？
四、总结
AI 技能炼化让 AI 从工具性帮手升级为高度拟人化的 “赛博替身”，在大幅提升效率、承载情感寄托的同时，也暴露出更深层的伦理问题：它模糊了人与机器的边界，消解个人劳动价值与成长空间，还可能弱化真实人际互动能力。
这提醒我们，AI 模型的发展不仅要向人类智能汲取经验，更要在拟人化的过程中不断追问：这种拟人化是否应当，以及在技术环绕之下如何守护人的价值与独特性。
整理撰写：李嘉睿
责任编辑：郭佳乐 杨鑫雨
网络编辑：李嘉睿 彭 博
指导教师：张 霄
长按扫一扫
关注更多
应用伦理资讯
