前OpenAI研究员Will DePue于11月13日发布分析称,他通过一种新的取证方法,首次找到了DeepSeek、Moonshot AI、MiniMax和蚂蚁集团使用英伟达受出口管制的Blackwell GPU的技术证据。DePue曾参与OpenAI的Sora、Sora 2视频模型以及GPT-4o、o3和GPT-5的研发,后创立非营利研究机构Unemployment Labs。他表示,OpenAI和Anthropic的资深研究员已独立核查并确认了该发现。
此前,美国官员和媒体曾怀疑DeepSeek和Moonshot AI使用了Blackwell芯片,但从未公布证据。DePue称,2026年4月以来发布的六款中国模型带有英伟达Blackwell世代的独特签名,而更早的DeepSeek-V3和Kimi K2.5则显示的是上一代Hopper架构的痕迹。
其方法的核心在于模型权重的初始化过程。一个AI模型由数十亿个称为权重的数值构成。训练开始前,标准软件框架PyTorch会用基于种子值生成的随机数填充这些空位。GPU为快速分配海量数据,会将任务拆分到各个计算核心上。不同芯片型号的核心数不同,填充过程因此产生特征性模式。较老的Hopper芯片如H100和H800使用132个计算核心,而较新的Blackwell芯片根据型号不同(B200/B300或GB200/GB300)恰好使用148或152个核心。训练随后会数百万次调整这些数值,但部分未使用的词或符号槽位会保留初始随机值。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。他表示自己逆向还原了该模式,并在真实Blackwell芯片上精确复现了DeepSeek-V4-Flash和Kimi K3的结果,验证代码已发布在GitHub上。
分析将DeepSeek-V4-Flash和MiniMax-M3映射到B200或B300芯片(148核)。DeepSeek-V4-Pro、Kimi K3、Kimi K3.1-Pro和蚂蚁集团的Ling-3.1-flash则显示出英伟达液冷旗舰机架系统GB200或GB300的152核模式。DePue称,统计上可以排除巧合,该方法正确识别了全部24个已知硬件的对照模型,包括Meta的Llama 3.1(H100)。
DePue的报告估计,他检查的五轮训练合计需要约1.2万块Blackwell GPU,算力约相当于3万块较老的H100芯片。仅Kimi K3一项,估计在约70天内使用了4500块Blackwell处理器,DeepSeek-V4-Pro约3000块。按每块约7万美元的单价计算,每个集群成本在2亿至3亿美元之间,五个系统合计超过5亿美元。
这些发现与SemiAnalysis首席分析师Dylan Patel的分析相吻合。Patel在接受红杉资本采访时表示,DeepSeek-V3的模型架构仍专门针对英伟达Hopper芯片定制,而DeepSeek-V4的架构则为Blackwell GPU和华为昇腾芯片设计。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,仍只显示Hopper签名,而美团的LongCat-2.0指向华为硬件。
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运行在相同系统上。唯一其他技术解释是AMD MI300X,该芯片同样受管制,被人为限速以产生相同模式。DePue称,他利用芯片间微小的舍入差异排除了AMD用于DeepSeek-V4-Flash的可能性。调查称,数据并不揭示GPU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,报告表示其技术证据显示了对英伟达顶级硬件的获取,但本身不能证明物理走私或违反美国出口法。
这一发现的意义在于,它为围绕中国AI公司是否绕过美国出口管制的长期争论提供了首个可复现的技术检验路径。如果方法经得起更广泛的独立验证,可能促使政策制定者重新评估管制执行的有效性,并影响市场对英伟达高端芯片实际流向的预期。不过,由于证据仅指向硬件初始化环节,且不涉及GPU地理位置或所有权,其法律与政策含义仍有待进一步厘清。