前 OpenAI 研究员称六家中国模型暗藏 Blackwell 指纹
前 OpenAI 研究员 Will DePue 通过取证分析称，在 DeepSeek、Moonshot AI、MiniMax 与蚂蚁集团等六家中国 AI 实验室的模型中发现 Nvidia Blackwell GPU 的技术指纹，这是首次有技术证据显示中国实验室在出口管制下仍能使用最新一代 Nvidia 硬件。报告强调证据仅证明算力可及性，可能来自境外数据中心租用，并不直接等同于走私或违法。
报道正文
本文目录3 个章节
前 OpenAI 研究员称，他在六个中国 AI 模型中发现了隐藏的 Nvidia Blackwell 指纹
[Maximilian Schreiner](https://the-decoder.com/author/maximilian-schreiner/) [查看 Maximilian Schreiner 的 LinkedIn 个人资料](https://www.linkedin.com/in/maximilian-schreiner-b6a5171aa/) 2026年11月13日
由 THE DECODER 提示生成的 Nano Banana Pro
AI 研究员 Will DePue 表示，一项取证分析发现了首批技术证据，表明中国领先的 AI 实验室尽管面临美国出口管制，仍能获得 Nvidia 最新的 Blackwell 硬件。他说，OpenAI 和 Anthropic 的资深研究员已经核查了该方法。
根据 Will DePue 的取证调查，中国 AI 公司 DeepSeek、Moonshot AI、MiniMax 和蚂蚁集团正在使用受美国出口管制的 Nvidia Blackwell GPU。DePue 曾在 OpenAI 参与构建 Sora 和 Sora 2 视频模型以及 GPT-4o、o3 和 GPT-5，之后创立了非营利研究组织 Unemployment Labs。
他表示，他的分析提供了这种获取途径的首批技术证据。美国官员和新闻媒体此前曾怀疑 DeepSeek 和 Moonshot AI 在使用 Blackwell 芯片，但从未公布证据。DePue 在 X 上写道，OpenAI 和 Anthropic 的资深研究员已经独立核查并确认了他的发现。据 DePue 称，自 2026 年 4 月以来发布的六个中国模型带有 Nvidia Blackwell 世代的独特特征，而 DeepSeek-V3 和 Kimi K2.5 等更早的模型则显示出 Nvidia 较旧的 Hopper 世代的痕迹。
证据直接来自已发布的语言模型。一个 AI 模型由数十亿个称为权重的数值组成。在训练开始之前，标准软件框架 PyTorch 会用从一个称为种子的起始值生成的随机数填充这些空槽。为了快速分发如此海量的数据，GPU 会将工作拆分到各个计算核心上。据该报告称，由于不同芯片型号的核心数量不同，填充过程会产生一种特征性模式。较旧的 Hopper 芯片（如 H100 和 H800）使用 132 个计算核心，而较新的 Blackwell 芯片则根据型号（B200/B300 或 GB200/GB300）恰好使用 148 或 152 个核心。
随后训练会数百万次地调整这些数值，但一些用于未使用单词或符号的槽位会保留其初始随机值。据 DePue 称，即使在模型训练充分的部位，初始分布的微弱统计回声依然存在。他说他逆向推导出了这一模式，并在真实的 Blackwell 芯片上精确复现了 DeepSeek-V4-Flash 和 Kimi K3 的结果。他已在 GitHub 上发布了验证代码。
耗资超过五亿美元的训练运行
该分析将 DeepSeek-V4-Flash 和 MiniMax-M3 对应到 B200 或 B300 芯片（148 个核心）。根据分析，DeepSeek-V4-Pro、Kimi K3、Kimi K3.1-Pro 以及蚂蚁集团的 Ling-3.1-flash 显示出 Nvidia 液冷 GB200 或 GB300 旗舰机架系统的 152 核心模式。DePue 表示，从统计上可以排除偶然性，并且该方法正确识别了全部 24 个硬件已知的对照模型，包括 Meta 的 Llama 3.1（H100）。
图片：Will DePue / Unemployment Labs
DePue 的报告估计，他研究的五次训练运行合计需要约 12,000 块 Blackwell GPU，算力大致相当于约 30,000 块较旧的 H100 芯片。仅 Kimi K3 一项，估计就需要约 4,500 块 Blackwell 处理器，历时约 70 天，而 DeepSeek-V4-Pro 约需 3,000 块。按约 70,000 美元的单价计算，每个集群的成本将在 2 亿至 3 亿美元之间，而全部五个系统合计超过五亿美元。
这些发现也与 SemiAnalysis 首席分析师 Dylan Patel 的分析一致。在接受红杉资本采访时，Patel 表示 DeepSeek-V3 的模型架构仍然专门针对 Nvidia 的 Hopper 芯片定制，而 DeepSeek-V4 的架构则是为 Blackwell GPU 和华为的昇腾芯片构建的。根据 DePue 的报告，其他中国实验室的模型——包括阿里巴巴的 Qwen3.8 以及智谱、腾讯、小米和阶跃星辰的模型——仍然只显示出 Hopper 的特征，而美团 LongCat-2.0 则指向华为硬件。
指纹并不能证明存在违法行为
严格来说，该方法只能显示是哪种硬件初始化了权重，尽管训练本身很可能也在相同的系统上运行。唯一其他的技术解释是一块 AMD MI300X，它同样受到限制，被人为降频以产生相同的模式。DePue 表示，他利用芯片之间微小的舍入差异，排除了 DeepSeek-V4-Flash 使用 AMD 的可能性。
根据该调查，这些数据并未揭示 GPU 所在的位置或所有者。由于中国企业可以在中国境外的数据中心租用算力，报告称其技术证据表明这些公司获得了 Nvidia 的顶级硬件，但这本身并不能证明存在物理走私或违反美国出口法的行为。