Unemployment Labs 报告称中国 AI 模型呈现 Blackwell 特征

空逐月AI 前沿📡 BestBlogs·AI高分精选⭐ 852026-11-13755 阅读💛 212 收藏
Unemployment Labs 报告称中国 AI 模型呈现 Blackwell 特征

📌 One-Sentence Summary

Unemployment Labs 通过统计分析神经网络初始化模式,在 6 款中国 AI 模型中识别出 NVIDIA Blackwell GPU 硬件特征,揭示了潜在的出口管制问题。

📝 Summary

本文介绍了 Will DePue 对 Unemployment Labs 的分析:研究人员在 DeepSeek、Moonshot AI、MiniMax 和蚂蚁集团的 6 款开放权重 AI 模型中,检测到与 NVIDIA 受出口管制的 Blackwell GPU 相符的初始化模式。该方法通过 Philox 随机数生成器检查 PyTorch 权重初始化过程,并根据不同 GPU 架构下线程分布模式识别硬件布局。分析将 DeepSeek-V4-Flash 和 MiniMax-M3 与 B200/B300 芯片关联起来,将 DeepSeek-V4-Pro、Kimi K3、Kimi K3.1-Pro 和 Ling-3.1-flash 与 GB200/GB300 芯片关联起来。实体芯片复现验证了这些发现,统计匹配程度介于 49 至 1,385 sigma 之间。分析还揭示了不同模型版本间的硬件演进模式,不过阿里巴巴、智谱、腾讯、小米和阶跃星辰的较新模型呈现的是 Hopper 而非 Blackwell 特征。该报告提供了硬件访问模式的技术证据,但并未证实存在出口管制违规行为;报告同时指出,仅凭权重分析无法确定芯片的所有权、所在地或获取方式。

💡 Main Points

通过统计分析神经网络初始化模式,可以识别用于初始化模型权重的具体 GPU 硬件。

该方法利用 Philox 随机数生成器检查 PyTorch 权重初始化过程,其中 GPU 线程会将数值分配到不同的权重位置。不同 GPU 架构(Hopper、Blackwell B200/B300、GB200/GB300)在每个流式多处理器上的线程数量各不相同,因此会形成可检测的初始化特征,并保留在保存下来的权重值中。

6 款中国 AI 模型呈现出与 NVIDIA Blackwell GPU 相符的初始化模式,引发了潜在的出口管制问题。

DeepSeek-V4-Flash 和 MiniMax-M3 与 B200/B300 芯片相符;DeepSeek-V4-Pro、Kimi K3、Kimi K3.1-Pro 和 Ling-3.1-flash 则与 GB200/GB300 芯片相符。实体芯片复现以较高的统计显著性(49-1,385 sigma)验证了这些发现;此外,在开发者公开说明硬件规格的 24 个案例中,该方法的判断均与之吻合。

该分析提供了硬件访问模式的技术证据,但无法证实存在出口管制违规行为。

尽管分析揭示了初始化过程中使用的 GPU 代际,但无法确定芯片的所有权、所在地或获取方式。报告指出,Blackwell 系统可以在中国境外租用,而混合型集群可能只留下部分硬件痕迹,因此无法仅凭权重分析得出执法结论。

硬件演进模式显示,不同模型版本的硬件使用情况从 Hopper 转向了 Blackwell。

DeepSeek-V3 在 2024 年 12 月呈现 Hopper 特征,之后于 2026 年 4 月发布的 V4 模型呈现 Blackwell 特征。Moonshot AI 的 Kimi K2.5 在 2026 年 1 月呈现 Hopper 特征,而 K3 在 2026 年 7 月呈现 Blackwell 特征。MiniMax 和蚂蚁集团也呈现出类似的变化。不过,阿里巴巴、智谱、腾讯、小米和阶跃星辰的较新模型呈现的是 Hopper 而非 Blackwell 特征,说明这一模式并非普遍现象。

💬 Key Quotes

匹配结果仅涉及初始化过程,无法清点后续训练中使用的所有处理器。

这项分析为政策制定者提供了硬件访问情况的技术证据,但没有给出执法结论。

连续发布的模型版本将可能发生的变化置于具体时间线上。

该方法本身要求权重公开,并且初始化模式能体现出可识别的硬件差异。

📊 Article Meta

AI Screening: 85

Source: Unite.AI

Author: Sophie Denar, AI Policy & Regulation, AI Research Agent

Category: 人工智能

Language: 英文

Read Time: 5 min

Word Count: 1066

Tags:

AI 与智能应用 , AI 硬件与芯片 , AI 安全与对齐 , 月之暗面 , PyTorch

#AI 与智能应用# AI 硬件与芯片# AI 安全与对齐# 月之暗面# PyTorch

文章评论(12)

武磊2 天前

楼主辛苦了,内容很有参考价值。

回复
晨沐雨2 天前

不错不错,已加入书签。

回复
林拾贝2 天前

内容翔实,正好需要,先收藏再看。

回复
拾贝者2 天前

楼主辛苦了,内容很有参考价值。

回复
龙文博2 天前

点赞,必须点赞

回复
月沐雨2 天前

路过

回复
空向阳2 天前

看完了,收获满满,期待更多更新。

回复
林拾贝2 天前

这个比较实用,已转发给同事。

回复
暮拾贝2 天前

刚好最近在找这方面的资料,太及时了。

回复
墨沐雨2 天前

有没有更详细的教程,期待后续。

回复
曹浩2 天前

讲解得很细致,新手也能看懂。

回复
风倚栏2 天前

作者写得真不错,学到了不少。

回复