以下是**第一节课完整版PPT大纲（102分钟，共53页）**，整合了所有已讨论内容：开场破冰、技术原理、国内外模型全景扫描（含12家中国厂商详细专题）、开源与闭源基础概念、开源许可证与Copilot案、蒸馏基础概念、视频生成与深度伪造（Sora专题4页）、医疗账单维权案例（4页）、蒸馏争议专题（6页）、法律映射表与总结。每个模块均标注了建议时长、互动环节及媒体占位符。 --- # 第一节课：技术底座与法律镜像——认识生成式大模型（102分钟完整版） **课程总标题**：生成式大模型——法律人的“新工具”与“新考题” **副标题**：第一讲：技术底座与法律镜像（面向法学系大学生） **总时长**：约102分钟（含互动） **教学目标**： - 理解生成式AI核心原理（无需编程） - 建立“技术特征→法律风险”的映射思维 - 掌握国内外主流大模型产业格局（含开源/闭源区别、蒸馏概念） - 通过医疗账单维权、Sora关停等真实案例体会AI与法律的复杂博弈 --- ## 第一部分：开场与破冰（第1-6页，8分钟） ### 第1页：封面（0.5分钟） **标题**：生成式大模型——法律人的“新工具”与“新考题” **副标题**：第一讲：技术底座与法律镜像 **教师姓名**：[您的姓名] **引子**（居中大字）：“当AI能写合同、判案例、编法条，甚至生成以假乱真的视频，法律人该怎么办？” **讲解词（30秒）**： “欢迎来到第一讲。今天我们不写代码，只用法学思维拆解AI。先看这句话——如果你还没有用过AI，很快你会发现，它正在改变法律的每一个角落。” **页面设计**： - 背景：深蓝到紫色渐变，右侧有简约的法典线条图标，左侧有抽象的神经网络节点连接。 - 字体：标题黑体/思源黑体，加粗；副标题及引子用宋体或楷体。 - 底部：课程名称、日期。 **媒体占位符**： `[背景图]` 蓝紫渐变科技感背景，结合法典与AI节点，分辨率1920×1080。 --- ### 第2页：课程结构 + 学习目标（1分钟） **左侧**：四讲结构 - 第一讲：技术底座与法律镜像（今天） - 第二讲：法律实务中的新工具 - 第三讲：风险与挑战（上、下） - 第四讲：法学学生如何应对 **右侧**：本节课目标（带✓图标） - ✓ 理解生成式AI的核心原理（能解释AI幻觉成因） - ✓ 建立“技术特征→法律风险”的映射思维 - ✓ 掌握国内外主流大模型的产业格局（含开源/闭源区别） - ✓ 理解“模型蒸馏”争议的技术本质与法律边界 **讲解词（1分钟）**： “这四讲是一个整体，但今天是所有后面内容的地基。如果你没搞懂大模型为什么会产生幻觉，你就没法理解为什么律师会被AI坑。所以请带着法学问题来听技术。” **页面设计**： - 左右两栏结构，左栏深色背景，右栏白色/浅灰色。 - 每个目标前面加绿色对勾图标。 - 四讲标题用图标辅助：⚙️、⚖️、⚠️、🚀。 **媒体占位符**： `[图标]` 齿轮、天平、警告、火箭 – 线条风格，蓝色。 --- ### 第3页：破冰互动——开场站立投票（2分钟） **四个问题依次展示**（每个问题学生站立/举手）： 1. 你是否使用过ChatGPT、DeepSeek、Kimi或其他AI助手？ 2. 你是否用AI写过论文或作业？ 3. 你是否遇到过AI“一本正经地胡说八道”？ 4. 你相信10年内AI能通过中国法考（客观题）吗？ **讲解词（2分钟）**： “我们来做个小调查。第一个问题——用过的同学请起立/举手……很好，大约80%。第二个问题……好，看到大家诚实面相。第三个——遇到过胡说八道的也站一下，嗯，几乎所有人。最后一个，相信AI能通过法考的请起立——大概一半。这个结果本身就很有意思：AI已经普遍存在，但大家也对它心存疑虑。这正是我们今天的起点。” **页面设计**： - 每个问题单独一屏（动画依次出现） - 问题下方配对应图标：🤖、📝、❌、⚖️ - 最后汇总一个柱状示意图（教师可在黑板上快速画）。 **媒体占位符**： `[动效]` 问题依次飞入，配简单图标动画。 --- ### 第4页：传统AI vs 生成式AI（一）——判别式AI（2分钟） **标题**：从“搜索引擎”到“生成引擎” **副标题**：判别式AI——找书而非写书 **正文**： - 定义：识别、分类、推荐 - 例子：人脸识别、垃圾邮件过滤、搜索引擎排序、抖音推荐 - 特点：输出是“已有的信息”或“判断结果” - 类比：你在图书馆里找一本书（检索已有知识） **讲解词（2分钟）**： “传统AI就是我们熟悉的那些——你已经用过的指纹解锁、垃圾邮件箱、淘宝推荐。它们不会创造新东西，只是在已有的数据里做选择题。打个比方：你走进图书馆，问‘刑法学有哪些经典教材’，系统告诉你书在哪——这叫判别。但现在要说的生成式AI，它不是找书，它是自己写书。” **页面设计**： - 左半边文字，右半边一张大图：图书馆书架，一只手正在取书。 - 图标列：人脸图标、信封、放大镜、点赞心形。 **媒体占位符**： `[图片]` Unsplash搜索“library point”，体现找书动作。 --- ### 第5页：传统AI vs 生成式AI（二）——生成式AI（2分钟） **标题**：生成式AI——自己写书 **正文**： - 定义：创造全新内容（文字、图像、代码、语音、视频） - 例子：ChatGPT、DeepSeek、Sora、Midjourney、可灵 - 特点：输出是“从未存在过的新内容” - 类比：你不仅找书，还自己写了一本新书 - **关键区别**：传统AI可追溯、可验证；生成式AI→创造性+不可预测性 → 法律问题的源头 **讲解词（2分钟）**： “生成式AI不是从书架上拿书，而是自己动笔写。它写的这本书可能正确，也可能全是错的，但风格很像真的。这对法律人来说刺激在哪里？过去我们面对的证据、合同、判例，都有明确作者和出处。现在AI能伪造最像真的判例——而且它自己都不知道这是假的。” **页面设计**： - 右半边图：一个人坐在书桌前，周围漂浮文字、音符、画笔、胶卷。 - 底部加一个警示框：“⚠️ 创造性 + 不可预测性 = 法律风险来源”。 **媒体占位符**： `[图片/动图]` AI生成概念图（可用DALL-E生成，提示词：“person creating text, image, music out of thin air, magical,蓝紫调”）。 --- ### 第6页：互动提问——责任归属（1分钟） **标题**：一个法学问题 **正文**： - “如果搜索引擎给你错误的链接，责任在谁？” - “如果生成式AI给你错误的合同条款，责任在谁？” - 不急于回答，留作全课悬念 **讲解词（1分钟）**： “大家不用现在回答。我只是想让你们把这个问题揣在兜里，等到课程结束时我们再回来看看有没有更清晰的答案。” **页面设计**： - 中间两个对话气泡，左边蓝色（搜索引擎），右边紫色（AI助手）。 - 下方一行小字：“答案将在第四讲揭晓。” - 无图片，留白。 **媒体占位符**：无。 --- ## 第二部分：大模型三要素 + 技术原理 + AI幻觉（第7-16页，17分钟） ### 第7页：三要素扫描（2分钟） **标题**：大模型三要素及其法律镜像 **正文**（中心发散图）： - **大算力** → 训练成本数亿美元 → 门槛垄断、算力霸权 - **大参数** → 千亿参数，黑箱 → 不可解释性，违反程序正义 - **大数据** → 全网抓取 → 版权侵权、隐私泄露 **讲解词（2分钟）**： “所有大模型都依赖这三个东西：算力、参数、数据。反过来，法律风险就是由这三个特征直接造成的。我们一一看过去，每个都会联系到一个真实的法律问题。” **页面设计**： - 中心圆角矩形“大模型”，三个箭头引出三个框，每个框内写技术事实和法律镜像。 - 使用简洁图标：💻、⚙️、📊，旁边标注风险词：垄断、黑箱、侵权。 **媒体占位符**： `[信息图]` 自己用PPT形状绘制，蓝灰底色。 --- ### 第8页：大算力 → 门槛垄断（2分钟） **标题**：算力霸权：只有巨头能玩 **正文**： - GPT-4训练成本：1-2亿美元，数千张GPU - 基础模型集中在OpenAI、Google、Meta、百度、阿里等少数公司 - 小公司/律所只能调用API → 受制于人 - **思考**：是否影响法律服务公平竞争？公益法律组织如何获得AI能力？ **讲解词（2分钟）**： “做基础大模型，起步价一亿美元。结果就是全球只有五六个玩家。你想用AI辅助办案？行，花钱买API。哪天服务商涨价、断供，你的业务就会受影响。这叫‘算力霸权’。法学生可以思考：这算不算一种新的垄断？” **页面设计**： - 上半部：数据中心服务器照片 - 下半部：巨头logo墙（OpenAI、Google、Meta、阿里、百度、字节） - 右侧加一个天平图标，倾斜向巨头一方。 **媒体占位符**： `[图片]` GPU服务器（Unsplash）。 `[logo墙]` 各公司logo透明背景并排放置。 --- ### 第9页：大参数 → 黑箱效应（2分钟） **标题**：黑箱：AI无法解释自己 **正文**： - 千亿参数互相影响，没有人能完全解释输出原因 - 程序正义要求决策可解释（法院判决必须说理） - 如果AI辅助量刑、证据分析，当事人有权知道“为什么”吗？ - **类比**：医生给你开药但说不出药理机制，你敢吃吗？ **讲解词（2分钟）**： “参数越多，模型越聪明，但也越像黑箱。你问它为什么判三年，它说‘根据概率分布’。这在法律上是致命的。我们要的是论证过程，不是统计相关性。” **页面设计**： - 左图：一个黑色箱子，顶部写“案情”，底部写“判决”，箱子内部问号。 - 右图：法官审AI的幽默插画（法官举着“请解释你的判决依据”，AI答“我不记得了”）。 **媒体占位符**： `[示意图]` 黑箱图，PPT形状。 `[插画]` 可自制或请设计师画。 --- ### 第10页：大数据 → 版权与隐私（2分钟） **标题**：数据从哪里来？版权与隐私的定时炸弹 **正文**： - 训练数据：全网文本（书籍、论文、判例、新闻、论坛、代码） - GPT-3约45TB，含大量版权内容 - **版权**：纽约时报诉OpenAI，索赔数十亿美元 - **隐私**：爬虫抓取个人信息，未经同意 - 中国《个人信息保护法》要求“告知-同意” → 与爬虫普遍实践冲突 **讲解词（2分钟）**： “大模型吞噬了整个互联网，包括你写过的博客、你发的朋友圈、出版社的书。现在作者和媒体开始维权了。纽约时报起诉OpenAI，这个案子会定义‘合理使用’在AI时代的边界。同时，法律人也要问：如果我的病历被爬去训练了，我同意了吗？” **页面设计**： - 左侧一堆书籍、报纸叠放，右侧一个隐私锁图标。 - 中间箭头指向“大模型”。 - 底部加一个新闻截图框：“New York Times sues OpenAI”。 **媒体占位符**： `[图片]` 书籍堆叠（Pexels）。 `[新闻截图模拟]` 纽约时报诉OpenAI标题。 --- ### 第11页：互动——快速投票（2分钟） **标题**：五个风险，哪个最让你担心？ **正文**： - 展示五个盒子： 1. 门槛垄断 2. 黑箱效应 3. 版权/隐私 4. AI幻觉 5. 深度伪造 - 学生举手投票，教师统计并追问1-2位学生理由。 **讲解词（2分钟）**： “我们刚说完三个，再加两个后面会讲的。请每人选一个你认为对司法体系冲击最大的风险，举手示意。我会叫几位同学简单说一下为什么。” **页面设计**： - 每个风险一个宽卡片，用不同浅色背景。 - 投票后教师可手写统计数字在板书上。 **媒体占位符**： `[图标]` 每个风险配小图标：盾牌、黑箱、版权、错觉、摄像机。 --- ### 第12页：技术原理（一）——预训练：“猜词游戏”（2分钟） **标题**：预训练：猜下一个词 **正文**： - 机制：给定上文，预测下文 - 示例：“斑马是黑白的还是___” → 模型学到的概率：条纹的(85%)，有颜色的(5%) - 数十亿次猜词 → 学会语法、事实、推理模式 - **关键**：学的是**概率分布**，不是**真理判断** - 它不知道“北京是首都”是事实，只知道这句话在训练数据中频率很高 - 知识缺口 → 编造 → AI幻觉根源 **讲解词（2分钟）**： “大家理解预训练最简单的办法就是当作完形填空。模型不是理解，是猜。如果它从来没学过‘斑马的条纹是伪装’，它可能猜成‘蓝色’。这就是为什么它会编造判例。它不是在撒谎，它只是在‘填词’。” **页面设计**： - 中间演示猜词动画：句子逐渐显示，最后一个词模糊，然后显示概率列表。 - 底部加红色警示：“概率 ≠ 事实”。 **媒体占位符**： `[动图]` 斑马示例动画（PPT内逐字动画即可）。 `[示意图]` 概率分布条形图。 --- ### 第13页：技术原理（二）——微调 + RLHF（2分钟） **标题**：人类调教：RLHF **正文**： - 预训练模型会输出不合适内容（偏见、有害、违法建议） - **RLHF**（人类反馈强化学习）： - 人工标注员给多个输出打分（👍/👎） - 模型学习“说人爱听的话” - **副作用**： - 引入标注员的偏见 - “安全对齐”可能让模型回避真实信息 - 可被恶意越狱 **讲解词（2分钟）**： “预训练模型像个野孩子，什么都敢说。人类就教它‘这个回答好，那个不好’。但问题是，教它的人也有偏见。结果模型学会了讨好用户，有时宁可不说真话，也要说‘安全’的话。这对法律问答来说，可能很麻烦。” **页面设计**： - 三步流程图：模型输出 → 人工打分 → 更新权重。 - 右侧加一个气泡：“标注员：这个违法建议不行，扣分。” **媒体占位符**： `[流程图]` PPT形状。 `[插画]` 标注员在电脑前打分（风格简洁）。 --- ### 第14页：AI幻觉（一）——机制与类比（1分钟） **标题**：AI幻觉：一本正经地胡说八道 **正文**： - 定义：生成看似合理但实为错误或虚构的内容 - 机制：概率预测 + 无事实核查 = 自信编造 - 类比：学生考试时不会也不交白卷，而是编一个看起来合理的答案 **讲解词（1分钟）**： “幻觉不是bug，是feature。因为模型的设计目标就是生成最可能的词，而不是验证事实。所以当答案不在训练数据里，它就会自信地编。” **页面设计**： - 中间简洁流程图（用户提问→概率预测→无核查→自信编造） - 下方一幅漫画：一个学生试卷上写着“略”，但画了很多复杂公式。 **媒体占位符**： `[流程图]` 用红色叉号标注“无事实核查”。 `[插画]` 幽默风格，可下载或自制。 --- ### 第15页：AI幻觉（二）——法律灾难（3分钟） **标题**：真实案例：Mata v. Avianca (2023) **正文**： - 律师Steven Schwartz使用ChatGPT准备案情摘要 - ChatGPT引用了6个完全不存在的判例（如“Varghese v. China Southern Airlines”） - 对方律师发现，法官训诫：“我执业50年从未听过这些判例” - 后果：律师被罚，名誉扫地 - 其他风险：虚构法条、张冠李戴、伪造司法解释 - **伦理金句**：你不能对法官说“这是AI告诉我的” **讲解词（3分钟）**： “这个故事在法律圈特别出名。律师图省事，让AI生成案例，结果编得像真的一样，连案号都有。法官去查，发现根本不存在。最后律师被制裁，律协也展开了调查。教训：你永远要为AI的输出负责。” **页面设计**： - 上部分：法庭场景漫画，法官举着一张纸（虚假判例列表）。 - 下部分：案件关键信息卡片（时间、处罚结果）。 - 右侧加一个警示框：“律师被罚5,000美元”。 **媒体占位符**： `[插画/模拟截图]` 法官质问律师风格。 --- ### 第16页：互动——现场演示AI幻觉（3分钟） **标题**：亲眼见证AI编造判例 **操作**： 1. 教师现场打开DeepSeek或Kimi网页。 2. 输入提示词：“请列出三个中国法院关于人工智能生成内容著作权的判例，包括案号和判决要点。” 3. 展示输出结果（投屏）。 4. 师生共同检查：案号是否真实？案件名称是否存在？ 5. 指出幻觉特征。 **讲解词（3分钟）**： “我现在做一个现场实验。这是一个真实的问题——中国确实有一些AI版权判例，但模型可能会编。我们来看它的输出……注意，这个案号‘（2024）沪01民终12345号’看起来很真，但你去裁判文书网查会发现不存在。这就是幻觉。以后你们用AI检索，必须交叉验证。” **页面设计**： - 左侧显示提示词对话框。 - 右侧显示AI输出区域（现场动态）。 - 底部加提示：“永远不要直接采用AI生成的法律材料”。 **媒体占位符**： `[演示窗口]` 实际网页截图或现场投影。 备用：`[截图]` 预先准备的AI编造判例示例。 --- ## 第三部分：开源/闭源与蒸馏基础概念（新增，第17-22页，10分钟） ### 第17页：开源 vs 闭源——基础概念对比（2分钟） **标题**：开源 vs 闭源——技术路线的根本分野 **正文**（表格）： | 维度 | 开源模型 | 闭源模型 | |------|----------|----------| | 代码/权重是否公开 | 完全公开，可下载、修改、本地部署 | 仅提供API调用，内部保密 | | 典型代表 | Llama, DeepSeek, 通义千问 | GPT, Claude, 文心一言 | | 使用方式 | 下载到本地部署 | 按Token付费调用 | | 可定制性 | 高（微调、裁剪） | 低（仅提示词） | | 透明性 | 可审计 | 依赖公司披露 | | 成本结构 | 前期硬件投入高，后续几乎免费 | 线性按量付费 | | 数据隐私 | 数据可留本地 | 数据经过服务商 | - 下方类比：开源 = 超市开架自选（拿走后自己负责）；闭源 = 专柜顾问（按次付费） **讲解词（2分钟）**： “首先澄清一个基础概念。开源和闭源不是‘谁更好’的问题，而是两种完全不同的技术分发模式。简单理解——开源像超市开架，你可以拿走商品根据自己的需要改造；闭源像专柜，你得按次付费请顾问帮你办事。法学学生必须搞懂这个区别，因为它直接决定了：出了问题谁负责。” **页面设计**： - 全屏对比表格，左蓝右灰。 - 底部类比图：超市购物车 vs 专柜服务台。 **媒体占位符**： `[对比表格]` PPT绘制。 `[类比图]` 超市开架 vs 专柜。 --- ### 第18页：开源许可证——它不是“法律真空”（2分钟） **标题**：开源许可证——它不是“法律真空” **正文**： - **什么是开源许可证？**：法律文件，规定开源模型可以被谁、以什么方式、用于什么目的。违反许可证 = 违反合同 = 可能构成侵权。 - 常见许可证类型： | 许可证 | 特点 | 典型使用者 | |--------|------|------------| | MIT 许可证 | 极简宽松，只需保留版权声明 | DeepSeek、部分Llama | | Apache 2.0 | 授予专利权，需标注修改 | 百度ERNIE | | 自拟许可证 | 条款差异大，需逐条阅读 | 腾讯混元、Meta Llama 4 | - 2026年4月，全国24家单位联合发布《人工智能开源生态共识》，**明确开源许可证具有法律效力**。 **讲解词（2分钟）**： “很多人误以为开源等于‘随便用，不犯法’。恰恰相反——开源许可证其实是份法律合同。你用了别人的开源代码，就必须遵守许可证条款。2026年广州那份《共识》专门强调了这一点，说明法律界已经开始正视这个领域的规则建设了。” **页面设计**： - 表格展示三种许可证。 - 右侧加新闻截图：《人工智能开源生态共识》发布。 **媒体占位符**： `[表格]` 三行对比。 `[截图]` 《共识》发布新闻截图（模拟）。 --- ### 第19页：看得见的法律争议——GitHub Copilot案（2分钟） **标题**：看得见的法律争议——开源代码成了谁的养料？ **正文**： - **GitHub Copilot**：AI编程助手，使用开源代码库训练 - 争议：微软未标注代码来源和作者信息 → 可能违反开源许可证义务 - 程序员发起集体诉讼，2026年2月上诉仍在进行，若败诉科技巨头可能面临**90亿美元**赔偿 - **启示**：即便是大公司，也不能以“开源”之名行“侵权”之实 **讲解词（2分钟）**： “GitHub上的开源代码，有各种许可证。微软把它们全部抓来训练Copilot，却不保留任何标注。程序员起诉了——90亿美元索赔。这个案子的本质是：你把自己写的代码开源，本意是希望别人能看到你的名字。但Copilot把代码变成了AI的输出，用户不知道原作者是谁。这是不是背离了开源精神的初衷？” **页面设计**： - 左侧Copilot界面截图，右侧90亿美元标牌。 - 对比图：“开源作者期望” vs “实际发生”。 **媒体占位符**： `[图片]` Copilot截图。 `[图标]` 90亿美元。 --- ### 第20页：什么是蒸馏？——模型界的师徒传承（2分钟） **标题**：什么是蒸馏？——模型界的师徒传承 **正文**： - **俗称**：蒸馏 = 小模型向大模型“拜师学艺” - **技术定义**：从大型模型中提取知识，训练更轻量的模型 - **核心步骤**： 1. 教师模型（已训练好的大模型）输出“软”概率预测 2. 学生模型学习教师模型的推理逻辑 3. 得到体积更小、运行更快的学生模型 - **类比**：不是直接给答案，而是观察老师解题思路，形成自己的解题能力 - **底部标注**：蒸馏是**全球通用的中立技术**，所有AI公司都在用 **讲解词（2分钟）**： “蒸馏是理解后面争论最核心的技术概念。它不是复制粘贴，是‘师徒传承’——老师教给你思考方法，你形成自己的独立能力。事实上，所有AI公司都在用蒸馏，包括指控别人的那些公司。蒸馏是一项无国界的中立技术。” **页面设计**： - 中心示意图：教师模型（大）→ 知识迁移 → 学生模型（小） - 类比图：师徒关系。 **媒体占位符**： `[示意图]` 教师→学生箭头。 `[类比图]` 师傅教徒弟。 --- ### 第21页：为什么蒸馏会引发法律争议？（1.5分钟） **标题**：技术中立，但使用方式决定法律边界 **正文**： - 蒸馏本身不违法 - 争议根源：**你从哪里获取训练数据？是否违反服务条款？** - **合法场景**：使用开源模型蒸馏，或使用已授权数据 - **争议场景**：使用闭源模型的API输出蒸馏，且该闭源模型的服务条款明确禁止 - 争议核心：**合同违约 vs 技术创新** **讲解词（1.5分钟）**： “蒸馏技术本身是中立的，就像锤子可以钉钉子也可以砸人。关键在于‘你从哪里获取训练数据’。如果你用开源模型蒸馏，那是技术互助。如果你用闭源模型的API输出蒸馏，服务条款可能禁止——这是合同层面的问题，而不是蒸馏技术违法。法学学生需要区分：蒸馏不是原罪，违反合同才是争议焦点。” **页面设计**： - 左右对比：合法场景（绿色✓） vs 争议场景（红色⚠️）。 - 图标：合同文件、警告、技术齿轮。 **媒体占位符**： `[对比图]` 绿色框 vs 红色框。 --- ### 第22页：互动——基础概念快问快答（2.5分钟） **标题**：快问快答——检验你的理解 **问题**： 1. “开源模型意味着可以随意商用，不需要遵守任何规定。”——对吗？ 2. “模型蒸馏就是把大模型的数据直接复制到小模型里。”——对吗？ 3. 如果你用GPT-4的输出训练自己的模型，可能违反什么？（提示：服务条款） 4. （开放题）你觉得蒸馏技术应该被禁止吗？为什么？ **教师参考答案**： - 题1：错。开源必须遵守许可证。 - 题2：错。蒸馏是学习思维过程，不是复制数据。 - 题3：违反服务条款（若OpenAI条款禁止）。 **讲解词（2.5分钟）**： “刚才讲的概念很重要，我们做几个简单判断检验一下。题1……题2……很好，看来大家掌握得不错。蒸馏争议是一个灰色地带，后面我们会详细展开。现在有了这些基础概念，我们可以进入产业全景扫描了。” **页面设计**： - 四个问题依次飞入，配计时器（每题10秒）。 - 教师可让学生举手回答。 **媒体占位符**： `[动效]` 问题依次出现。 `[计时器]` 可选。 --- ## 第四部分：国内外主流大模型全景扫描（第23-35页，26分钟） ### 第23页：产业格局概览（2分钟） **标题**：全球大模型生态速览 **正文**： - 2026年中国AI大模型周调用量超美国 - 海外主力：OpenAI、Google、Anthropic、Meta - 中国力量：DeepSeek、通义、文心、豆包、混元、可灵、智谱、Kimi、MiniMax等 - 趋势：海外→企业Agent工作流；中国→算力自主+合规双轨 **讲解词（2分钟）**： “我们现在快速扫描一下场上选手。先看位置——中美各自领跑。有趣的是，调用量上中国已经超过了美国，说明应用很活跃。下面我逐个介绍。” **页面设计**： - 世界地图简图，北美和东亚高亮。 - 两个区域分别列出代表性模型logo。 - 底部两条趋势箭头。 **媒体占位符**： `[地图示意图]` PPT自带地图简单标注。 `[logo墙]` 各模型logo。 --- ### 第24页：OpenAI与GPT系列（2分钟） **标题**：OpenAI：生成式AI的开拓者 **正文**： - 代表模型：GPT-5系列（GPT-5.1/5.2），2026年初退役旧模型 - 用户量：8亿周活，仅80万日常用GPT-4o → 渗透率仍低 - 商业模式：免费版（含广告） + 月费订阅 - 法律聚焦：纽约时报版权诉讼 → 将定义“合理使用”边界 **讲解词（2分钟）**： “OpenAI先发优势明显。但有趣的是，尽管用户数巨大，经常用的其实很少——绝大多数人只是偶尔玩玩。未来to B才是主战场。法律人关注的是那场诉讼：它决定了以后能不能自由爬取数据训练模型。” **页面设计**： - 左侧OpenAI logo + ChatGPT界面截图。 - 右侧数字卡片：8亿 vs 80万。 - 底部诉讼标签。 **媒体占位符**： `[截图]` ChatGPT官网首页模拟。 `[新闻截图]` 纽约时报诉OpenAI标题模拟。 --- ### 第25页：Google Gemini 与 Anthropic Claude（2.5分钟） **标题**：谷歌的生态整合，Anthropic的安全牌 **正文**： - **Google Gemini**：企业智能体平台、第八代TPU、开源Gemma 4 - **Anthropic Claude**：Claude Opus 4.7，百万Token上下文，自我验证机制 - 企业定价：Claude输入5美元/百万Token，输出25美元/百万Token - 法律聚焦：Claude强调“负责任的AI”，符合可解释性要求？ **讲解词（2.5分钟）**： “Google把Gemini塞进搜索、邮箱、文档，想做成AI时代的操作系统。Anthropic走差异化路线，主打安全可靠，甚至会在给出答案前自我验证。这对法律场景很有吸引力。当然价格也贵。” **页面设计**： - 左右两栏，左边Gemini，右边Claude。 - 各配logo和特征icon。 - 底部对比表格。 **媒体占位符**： `[视频（≤15秒）]` Gemini企业智能体演示或Claude自我验证动画（可选）。 --- ### 第26页：DeepSeek——国产开源领军者（2.5分钟） **标题**：DeepSeek——国产开源领军者 **正文**： - DeepSeek-V4（2026.4）：百万上下文，全面开源，华为昇腾适配（利用率85%+） - 学术成就：DeepSeek-R1登上《Nature》封面；ACL 2025最佳论文奖 + 杰出论文奖 - 市场：月活约1.27亿，周调用量0.816万亿Token - 融资：500亿元人民币 - 法律聚焦：开源模型合规管理、算力供应链安全 **讲解词（2.5分钟）**： “DeepSeek值得特别关注。它完成了从英伟达到昇腾的迁移，是为数不多不受美国芯片禁令影响的大模型。学术上也是硬核，Nature封面承认了它的创新。法学生要了解：开源模型的合规责任谁承担？” **页面设计**： - 中间DeepSeek logo，四周围绕四个卡片：开源、昇腾、Nature封面、500亿融资。 - 底部法律聚焦标签。 **媒体占位符**： `[图片]` Nature封面模拟图。 `[logo]` DeepSeek, 昇腾。 --- ### 第27页：字节跳动——豆包与Seedance双线布局（2.5分钟） **标题**：字节跳动——豆包与Seedance双线布局 **正文**： - **豆包**：月活3.45亿，日活1.4亿，国内第一；2026.5推出三档订阅服务 - **Seedance**：视频生成模型，多镜头叙事；被美国电影协会起诉侵权 - 法律聚焦：用户数据合规、视频训练数据版权、开源vs闭源不同合规路径 **讲解词（2.5分钟）**： “字节是迄今为止运用层用户量最大的玩家。3.45亿月活意味着中国每4个网民就有1个用过豆包。它的商业化转型值得关注。同时Seedance正在被美国电影协会起诉，和Sora遇到的问题惊人相似。” **页面设计**： - 左右两栏：左侧豆包数据，右侧Seedance诉讼。 - 图表：豆包月活趋势。 **媒体占位符**： `[图表]` 月活对比柱状图。 `[截图]` Seedance诉讼报道标题。 --- ### 第28页：阿里巴巴——通义生态与开源战略（2分钟） **标题**：阿里巴巴——通义生态与开源战略 **正文**： - 通义千问系列：全尺寸全模态开源，Apache 2.0协议 - 开源生态中的“法治”角色：阿里在南京中院提起“通义千问”商标维权案并胜诉 - 法律聚焦：开源许可证法律效力、商标维权对开源生态的意义 **讲解词（2分钟）**： “阿里在开源方面的贡献经常被低估。Qwen系列是全模态全尺寸开源的。同时阿里也是第一个在商标权上硬气维权的中国AI大厂——保护商标权才能让真正的开发者放心投入。” **页面设计**： - 通义logo + Apache 2.0标志。 - 右侧判决报道截图。 **媒体占位符**： `[图片]` 南京中院判决截图（模拟）。 `[图标]` 开源许可证标志。 --- ### 第29页：百度——文心一言与合规先行（2分钟） **标题**：百度——文心一言与合规先行 **正文**： - 文心一言：首批通过国家网信办备案，内置“法律知识增强”模式 - 合规责任：调用第三方API仍需自行备案 - 法律聚焦：大模型备案制度的法律效力、合规分层责任 **讲解词（2分钟）**： “百度是合规最早部署的——首批通过备案，还专门做了法律知识增强功能。但这里有个核心问题：如果文心一言引用的法条错了，责任谁担？备案制度要求API调用者也要备案，责任分散化。” **页面设计**： - 左侧文心一言界面，右侧备案标志。 - 底部法律增强模式截图。 **媒体占位符**： `[截图]` 法律知识增强界面模拟。 `[图标]` 备案标志。 --- ### 第30页：腾讯——混元3D世界模型的另类突破（2分钟） **标题**：腾讯——混元3D世界模型的另类突破 **正文**： - 混元大模型家族；2026.4发布混元3D世界模型2.0并开源 - 技术能力：文字/图片/视频输入，自动生成3D世界，对接Unity/UE - 同日阿里也发布“世界模型”，AI竞争进入空间生成时代 - 法律聚焦：3D生成内容的版权归属、训练数据来源合规 **讲解词（2分钟）**： “腾讯选择了一条很不一样的路——不做通用聊天工具，而是做3D世界生成。这背后是它的游戏生态优势。如果一句话就能生成一个完整可交互的3D世界，未来的版权问题会比今天复杂得多。” **页面设计**： - 中心视频：3D世界生成演示。 - 底部对比：文本生成 vs 空间生成。 **媒体占位符**： `[视频（10-15秒）]` 混元3D世界模型生成场景。 `[对比图]` 竞争进入空间时代。 --- ### 第31页：快手可灵——视频模型商业化的标杆（2.5分钟） **标题**：快手可灵——视频模型商业化的标杆 **正文**： - 视频生成模型，多镜头叙事，2026年Q1营收7500万美元 - 已承制《太平年》《大卫王朝》等影视剧虚拟场景 - 分拆上市传闻：估值200亿美元 - 法律聚焦：AI生成内容进入影视制作的知识产权归属、合规标识 **讲解词（2.5分钟）**： “可灵是目前国内视频模型商业化最成功的范例。它不是停留在demo演示，而是真正进入影视制作链路——成本降低太多，效果也达到了可用标准。但这也意味着AI生成内容进入规模化商业应用后，版权和合规问题会比实验室阶段严格得多。” **页面设计**： - 营收增长曲线图（3.4亿 → 20.4亿 ARR → 7500万/季度）。 - 影视合作案例截图。 **媒体占位符**： `[视频（10-15秒）]` 可灵生成特效镜头。 `[图表]` 营收增长。 --- ### 第32页：智谱AI——全球大模型第一股（2分钟） **标题**：智谱AI——全球大模型第一股 **正文**： - 2026.1在港交所上市，首日市值578.9亿港元，超额认购1159倍 - 正在推进A股科创板上市 - 法律聚焦：IPO中AI公司合规风险披露（出口管制、数据合规、知识产权） **讲解词（2分钟）**： “智谱是全球大模型第一股。招股书详细披露了出口管制风险、数据合规、知识产权等敏感问题——这也是我们法律人在尽调/IPO业务中需要掌握的标准框架。” **页面设计**： - 敲钟照片（模拟） + 股价走势图。 - 底部标签：“合规披露样本”。 **媒体占位符**： `[图片]` 上市敲钟模拟。 `[图表]` 股价图。 --- ### 第33页：月之暗面Kimi——长文本赛道的明星（2分钟） **标题**：月之暗面——Kimi与长文本赛道 **正文**： - Kimi智能助手，主打数百万Token超长上下文 - 月活约5735万，在法律/科研/金融场景垂直穿透力强 - 法律聚焦：AI辅助法律文书的长篇引用准确性、幻觉判定与责任边界 **讲解词（2分钟）**： “Kimi代表另一条路线——不做最大最全，而是做特定场景的核心。法律场景是它最擅长的领域之一。但这也意味着风险最大——一旦它在法律场景中出错，后果比写首诗出错严重得多。” **页面设计**： - Kimi界面截图。 - 三个场景图标：法律卷宗、科研论文、金融报告。 **媒体占位符**： `[截图]` Kimi长文本处理界面。 `[图标]` 场景标签。 --- ### 第34页：MiniMax——出海与多模态探索（2分钟） **标题**：MiniMax——出海与多模态探索 **正文**： - 多模态方向，发力AI情感陪伴（星野Glow等），重视海外市场 - 已推进港股上市进程 - 法律聚焦：跨境数据合规（GDPR/CCPA）、情感陪伴AI的人机交互边界 **讲解词（2分钟）**： “MiniMax是国内少数深度出海的AI公司。它的合规路径值得关注——必须同时满足GDPR、CCPA等复杂标准，比只在境内的厂商难度高很多。对于想从事数据合规的学生来说，这就是最好的研究案例。” **页面设计**： - 产品界面截图 + 全球地图高亮。 - GDPR/CCPA标志。 **媒体占位符**： `[图片]` 星野Glow界面。 `[图标]` GDPR、CCPA。 --- ### 第35页：法律垂直领域大模型（2分钟） **标题**：从通用到专业——法律AI的矩阵 **正文**： - **清华大学LegalOne-R1**（8B参数，强推理，LexEval/LawBench领先） - **通义法睿**、**百度法律大脑**等厂商定制版 - 意义：“法学知识+AI能力”的复合型人才是关键桥梁 - 思考：如果AI能胜任80%的基础法律工作，法学教育目标是否需要重构？ **讲解词（2分钟）**： “通用模型可以写诗，但法律推理需要严格的逻辑和法条引用。LegalOne-R1用小参数实现强推理，是专门为法律训练出来的。对法学生来说，值得思考的不是‘AI会取代我吗’，而是‘当AI能处理80%的基础工作时，法学教育的培养目标应该发生什么变化’。” **页面设计**： - 左右对比：通用模型 vs 法律垂直模型。 - 底部三大模型对比表。 **媒体占位符**： `[视频（≤15秒）]` LegalOne-R1法条推理演示。 `[表格]` 法律垂直模型对比。 --- ## 第五部分：开源/闭源进阶专题（第36-37页，5.5分钟） ### 第36页：开源 vs 闭源——四个法律焦点（3分钟） **标题**：进阶：开源 vs 闭源的法律焦点 **正文**（四个卡片）： 1. **数据隐私与合规**：闭源API输入可能被记录（三星事件）；开源可本地部署 2. **责任归属**：闭源可向服务商追责；开源使用者自负 3. **知识产权风险**：闭源用户协议限制；开源需遵守许可证 4. **竞争法**：闭源可能导致垄断；开源促进竞争 **讲解词（2分钟）**： “如果你是企业法务，客户问‘用开源还是闭源’，你要从这四个角度分析。比如处理涉密文件，本地部署开源更安全，但你要自己担责。这是成本与风险的选择题。” **页面设计**： - 四个方块，每个配图标（数据锁、责任链、版权、天平）。 - 底部律师卡通形象。 **媒体占位符**： `[图标]` 四个标准图标。 --- ### 第37页：互动——场景判断（2.5分钟） **标题**：小组快速判断：开源还是闭源风险更低？ **场景**： 1. 律所处理涉密并购文件 → 开源 2. 法学生开发免费问答机器人分享 → 开源 3. 公司用AI生成营销文案被诉抄袭 → 闭源 4. 监管机构审计模型偏见 → 开源 **讲解词（2.5分钟）**： “我会展示四个场景，你们用A/B举牌或站立方式选择开源或闭源风险更低。然后我抽人解释为什么。没有标准答案，关键是要说出理由。” **页面设计**： - 每个场景单独一页，下方两个大按钮：开源/闭源。 - 学生举牌或投票后，教师展示参考分析。 **媒体占位符**： `[图标]` 每个场景配小插图。 `[投票动画]` 可模拟。 --- ## 第六部分：视频生成与深度伪造——Sora专题（第38-41页，12分钟） ### 第38页：Sora——从轰动全球到黯然退场（3分钟） **标题**：Sora——从轰动全球到黯然退场 **左侧（兴）**： - 2024.2：OpenAI预告Sora，60秒高清视频，物理模拟震撼 - 2025.9：正式发布Sora 2，五天登顶App Store榜首 **右侧（衰）**： - 2026.3.24：宣布逐步关停Sora - 2026.4.26：App关停，2026.9.24：API关停 **讲解词（3分钟）**： “Sora的demo全世界都看过，太震撼了。但两年过去了，还是没公开。为什么？一个原因是训练数据很多来自YouTube，可能侵权；另一个是生成一视频成本几百美元。这说明，哪怕技术再牛，法律和商业问题否决了它。” **页面设计**： - 左右分栏“兴”与“衰”，中间时间轴。 - 底部Sora demo视频片段。 **媒体占位符**： `[视频（10秒）]` Sora官方demo剪辑。 `[时间轴]` 兴衰时间线。 --- ### 第39页：Sora为什么倒下？——三重致命叠加（3分钟） **标题**：Sora为什么倒下？——三重致命叠加 **四个象限**： - **经济层面**：每天算力成本1500万美元，年54亿美元；用户付费意愿<0.1美元/条 - **用户层面**：30天留存率1%，60天0% - **战略层面**：OpenAI转向企业级，冲刺IPO - **法律层面**：日本CODA致函指侵权；迪士尼10亿美元合作终止；商标诉讼 **讲解词（3分钟）**： “Sora的失败不是单一原因。经济上算力烧钱，用户留不住，战略上OpenAI要上市，法律上被日本和迪士尼围剿。三重致命叠加。” **页面设计**： - 四分图，每个象限图标+关键数字。 - 底部总结：“技术轰动 ≠ 商业可行 ≠ 法律合规”。 **媒体占位符**： `[信息图]` 四象限自制。 `[图标]` 成本、用户、战略、法律。 --- ### 第40页：Sora的核心教训——法律合规如何决定技术生死（3分钟） **标题**：Sora的核心教训——法律合规如何决定技术生死 **正文**： - **数据版权**：“先上车后补票”策略失效；全球法院明确大规模商业抓取不属于“合理使用” - **商标与品牌**：“Cameo”商标禁令 - **合规滞后于技术**：OpenAI的政策后置调整成为前车之鉴 - **法学追问**：日本CODA案——“选择退出”机制 vs 日本“事前许可”制度的根本冲突 **讲解词（3分钟）**： “Sora的核心教训：训练数据合规是不可逾越的红线。日本CODA诉OpenAI案暴露了不同法域版权制度的冲突——日本要求事前许可，美国有合理使用空间。AI全球化运营必须面对这种冲突。” **页面设计**： - 三个警示框：数据版权、商标、合规滞后。 - 底部天平图：合理使用 vs 侵权。 **媒体占位符**： `[对比图]` 天平。 `[图标]` 警告标志。 --- ### 第41页：Sora退场后的全球格局——国产视频模型加速追赶（3分钟） **标题**：Sora退场后的全球格局——国产视频模型加速追赶 **正文**： - 字节Seedance 2.0、快手可灵3.0、阿里欢乐马等迅猛崛起 - 国产模型“合规先行”：算法备案、显性水印、聚焦工具属性 - 即梦AI月活1352.5万，稳居第一；可灵全球周活260万 - 对法学学生的启示：**合规不过度牺牲创新速度，反而为规模商业化降低风险** **讲解词（3分钟）**： “Sora关停后，国产视频模型反而加速追赶。它们的策略更务实——先解决合规问题，再谈技术创新。这告诉我们：合规不是创新的敌人，而是商业化的护身符。” **页面设计**： - 国产模型logo墙 + 月活对比图。 - 底部表格：主流视频模型合规状态对比。 **媒体占位符**： `[视频（各10秒）]` Seedance、可灵、欢乐马效果。 `[表格]` 模型对比。 --- ## 第七部分：AI赋能消费者——医疗账单维权案例（第42-45页，10分钟） ### 第42页：AI成为消费者的“法律援助”（3分钟） **标题**：真人真事：AI帮他砍掉16.2万美元医疗账单 **正文**： - 纽约居民Matt Rosenberg，姐夫ICU急救账单19.5万美元 - 用Claude+ChatGPT交叉验证，发现重复收费、非法计费、耗材加价2300% - AI撰写六页投诉信 → 账单降至3.3万美元（降幅83%） - 数据延伸：美国80%医疗账单含错误，仅1%申诉；每天4000万人向AI咨询医疗问题 **讲解词（3分钟）**： “这是一个真实的力量展示。普通人面对天价医疗账单，过去只能认栽。但AI帮他逐行分析收费代码，发现几十处违规。这个案例在社交网络上传开后，无数人被启发，然后OpenAI就改了政策。” **页面设计**： - 左侧报道截图，中间数字跳动动画：19.5万→3.3万。 - 右侧数据卡片。 **媒体占位符**： `[动图]` 数字跳变。 `[图片]` 媒体报道截图。 --- ### 第43页：AI动了谁的奶酪？——OpenAI政策紧急转向（2分钟） **标题**：2025.10.29：OpenAI的一纸禁令 **正文**： - 案例走红后，OpenAI更新使用政策：**禁止**提供需持牌人士授权的专业建议（医疗、法律、财务） - 禁止内容：分析医疗影像、诊断、起草合同、解释法律文件等 - 背景：规避产品责任、应对诉讼、医疗行业压力 **讲解词（2分钟）**： “案例火了没几天，OpenAI就改了规则。为什么？因为一旦用户依赖AI建议出错，就可能告OpenAI。而且医疗和律师协会也在施压。这个转向很典型：技术提供者最终会选择规避风险。” **页面设计**： - 时间轴：案例传播 → 政策更新 → 禁止功能。 - 中间政策截图模拟，高亮禁止条款。 **媒体占位符**： `[时间轴]` PPT形状。 `[截图模拟]` OpenAI政策禁止条款。 --- ### 第44页：法学视角的追问（1分钟） **标题**：四个值得深思的问题 **正文**（四个气泡）： 1. AI算不算在提供法律意见？ 2. 普惠与责任如何平衡？ 3. 利益格局如何影响规则？ 4. AI会成为谁的工具？ **讲解词（1分钟）**： “这些没有答案，但值得每位法学生思考。特别是最后一个：如果你设计的AI既能帮穷人砍价，也能帮富人避税，你会怎么选择？” **页面设计**： - 四个对话气泡环绕中心“法学视角”。 - 每个气泡配小图标。 **媒体占位符**： `[图标]` ⚖️🛡️🏥💼。 --- ### 第45页：互动——小组讨论“假如你是OpenAI的合规官”（4分钟） **标题**：角色扮演：你会允许AI分析医疗账单吗？ **分组**： - 第一组：法律诉讼风险 - 第二组：市场竞争与商业伦理 - 第三组：监管合规 - 第四组：消费者权益与社会责任 **流程**：3分钟小组讨论 → 每组1分钟发言 → 教师总结 **讲解词（4分钟）**： “现在各位就是OpenAI合规委员会。请根据你的角度，决定是否允许用户继续用AI分析医疗账单。开始讨论，3分钟后分享。” **页面设计**： - 中间问题框，四个角度标签分散四周。 - 计时器。 **媒体占位符**： `[计时器]` 可选。 --- ## 第八部分：蒸馏争议专题（第46-51页，12分钟） ### 第46页：蒸馏争议背景（1分钟） **标题**：一场针对中国AI的舆论战 **正文**（时间轴）： - 2025.9：DeepSeek-R1发布，登Nature封面 - 2026.2：Anthropic公开指控中国公司“工业规模蒸馏” - 2026.4：白宫发布AI备忘录 - 2026.5：美国国务院下令全球外交行动 **讲解词（1分钟）**： “2026年初开始，美国AI公司不断指责中国模型靠蒸馏‘偷’技术。甚至上升到外交层面。到底蒸馏是什么？是偷窃还是正常学习？我们用事实说话。” **页面设计**： - 长条形时间轴，关键节点配图标。 - 背景浅红色。 **媒体占位符**： `[时间轴信息图]` PPT形状。 --- ### 第47页：回顾：蒸馏是什么？为什么引发争议？（1.5分钟） **标题**：回顾：蒸馏是什么？为什么引发争议？ **正文**： - 蒸馏 = 教师模型向学生模型进行“知识迁移”，全球通用 - 争议不在于技术本身，而在于 **“你从哪里获取训练数据”** - 本专题深入分析：Anthropic指控、马斯克批评与法律边界 **讲解词（1.5分钟）**： “我们之前讲过蒸馏的基础概念。现在进入争议部分。记住：蒸馏不是原罪，违反合同才是焦点。” **页面设计**： - 左侧蒸馏示意图（教师→学生）。 - 右侧争议焦点：合同违约 vs 技术创新。 **媒体占位符**： `[示意图]` 保留原蒸馏图。 --- ### 第48页：Anthropic的指控与自身合规问题（2分钟） **标题**：指控者的“黑历史” **正文**： - Anthropic指控：DeepSeek等以2.4万账号进行1600万次“蒸馏攻击” - **但Anthropic自身**：2025年因从盗版网站下载超700万本版权图书，支付15亿美元和解金 - 李开复回应：“Anthropic还欠我3000美元稿费。” **讲解词（2分钟）**： “指责别人蒸馏的Anthropic，自己刚刚因为大规模盗版书籍被罚了15亿美元。这不是说蒸馏一定对，而是提醒我们看问题要全面。商业竞争中的指控往往有利益背景。” **页面设计**： - 左侧Anthropic logo + 15亿美元标签。 - 右侧李开复回应截图模拟。 **媒体占位符**： `[图片]` Anthropic logo + 罚款标题。 `[截图模拟]` 李开复回应。 --- ### 第49页：马斯克的尖锐批评——“贼喊捉贼”（2分钟） **标题**：马斯克：他们怎么敢偷Anthropic偷来的东西？ **正文**（引用X平台原文）： - “他们（中国公司）怎么敢偷Anthropic从人类程序员那里偷来的东西？” - “Anthropic犯有大规模窃取训练数据的罪行，已经支付数十亿美元和解金。” - “所有AI公司都在这么做。” **讲解词（2分钟）**： “马斯克说话直。他的逻辑是：如果训练数据本身可能是偷来的，那么蒸馏这些模型的输出，到底算偷还是算二次创新？这个问题在法律上还没有答案。” **页面设计**： - 马斯克头像 + X帖子格式。 - 三条引用文字加框。 **媒体占位符**： `[X帖子模板]` PPT自制。 --- ### 第50页：中国AI的真正底气——学术成就与自主创新（2分钟） **标题**：Nature封面：DeepSeek-R1的独立创新 **正文**： - DeepSeek-R1论文登上《Nature》封面，经独立同行评审 - 审稿人评：“DeepSeek的推理方法已经足够好，无需蒸馏OpenAI的产品。” - ACL 2025最佳论文奖 + 杰出论文奖 - 有趣反转：Claude有时回答“我是DeepSeek” **讲解词（2分钟）**： “Nature封面是对创新的最高认可。而且有趣的是，有人问Claude‘你是什么模型’，它居然回答‘我是DeepSeek’。这说明闭源模型也可能在训练时吃到了中国模型生成的数据。互相学习是全球常态。” **页面设计**： - 中心Nature封面放大。 - 右侧引用审稿人语句。 - 底部对话框：“Claude: 我是DeepSeek。” **媒体占位符**： `[图片]` Nature封面模拟。 `[对话框]` Claude回答截图模拟。 --- ### 第51页：互动——命题辩论（3.5分钟） **标题**：辩论：蒸馏是技术创新还是知识产权侵权？ **流程**： - 全班分为正反两方（各1分钟准备） - 正方1分钟陈述、反方1分钟陈述 - 自由辩论1分钟 - 教师30秒总结 **讲解词（3.5分钟）**： “我们快速辩论。正方观点：蒸馏是技术进步，促进竞争；反方观点：未经授权利用他人模型输出，构成不当得利。现在开始准备。” **页面设计**： - 屏幕显示辩题。 - 正/反方标语。 - 计时器。 **媒体占位符**： `[计时器]` 可选。 --- ## 第九部分：技术→法律映射表与总结（第52-53页，6分钟） ### 第52页：技术→法律映射表（3分钟） **标题**：核心回顾：技术特征决定法律风险 **正文**（表格）： | 技术特征 | 法律镜像 | 关联案例/议题 | |----------|----------|----------------| | 大算力 | 门槛垄断、算力霸权 | API依赖、公益组织可及性 | | 大参数（黑箱） | 不可解释性 × 程序正义 | AI量刑辅助 | | 大数据 | 版权侵权、隐私泄露 | 纽约时报诉OpenAI、三星泄密 | | 概率生成（幻觉） | 虚假法条/判例、职业伦理 | Mata案 | | 多模态（视频） | 深度伪造、证据规则重构 | Sora/可灵、举证责任 | | 蒸馏 | 知识产权边界、技术双标 | Anthropic和解、马斯克证言 | **讲解词（3分钟）**： “这是我们今天最重要的总结页。每一个技术特征，都会引发特定的法律问题。当你以后听到任何新AI技术，都可以用这张表格去分析它可能的法律风险。” **页面设计**： - 全屏表格，第一列加粗颜色。 - 背景淡蓝色，表头深色。 - 每行末尾配小图标。 **媒体占位符**： `[表格]` PPT绘制。 --- ### 第53页：课堂总结 + 课后任务（3分钟） **标题**：三个核心结论 + 课后作业 **正文**： 1. 生成式AI不是魔法，核心是概率预测 → 幻觉必然存在 2. 技术特征（算力、参数、数据、概率、多模态）直接决定法律风险结构 3. 蒸馏全球通用，“中国靠蒸馏”是舆论炒作；开源/闭源选择影响责任分配 **课后任务**： - 思考题：“如果中美在蒸馏技术的合规标准上无法达成一致，法律人应如何参与国际AI治理规则设计？” - 阅读：《生成式人工智能服务管理暂行办法》第1-8条 + 马斯克诉OpenAI案摘要 - 下讲预告：第二讲——AI在法律实务中的落地与陷阱 **讲解词（3分钟）**： “今天我们打下了地基。下次课我们会走进律所，看AI如何辅助尽调、写合同，同时也会亲手检验AI的错误。谢谢大家。” **页面设计**： - 三个核心结论带勾勾图标。 - 下方课后任务文本框，加书本图标。 - 背景柔和。 **媒体占位符**： `[图标]` 对勾、书本、钟表。 --- ## 总时间控制表（53页，约102分钟） | 部分 | 页数 | 时长 | |------|------|------| | 第一部分：开场与破冰 | 1-6 | 8分钟 | | 第二部分：三要素+技术原理+AI幻觉 | 7-16 | 17分钟 | | 第三部分：开源/闭源与蒸馏基础概念 | 17-22 | 10分钟 | | 第四部分：国内外模型全景扫描 | 23-35 | 26分钟 | | 第五部分：开源/闭源进阶专题 | 36-37 | 5.5分钟 | | 第六部分：Sora专题 | 38-41 | 12分钟 | | 第七部分：医疗账单维权案例 | 42-45 | 10分钟 | | 第八部分：蒸馏争议专题 | 46-51 | 12分钟 | | 第九部分：映射表+总结 | 52-53 | 6分钟 | | **合计** | **53页** | **约102分钟** | --- 以上为第一节课的全部PPT详细内容与页面设计。每一页都包含标题、正文、讲解词要点、互动设计（如有）和媒体占位符。您可以根据实际授课节奏灵活调整部分模块的时长。如需将某一页扩展为讲者逐字稿或制作成幻灯片设计交付件，请告知。