前OpenAI研究員Will DePue於11月13日釋出分析稱,他通過一種新的取證方法,首次找到了DeepSeek、Moonshot AI、MiniMax和螞蟻集團使用輝達受出口管制的Blackwell GPU的技術證據。DePue曾參與OpenAI的Sora、Sora 2影片模型以及GPT-4o、o3和GPT-5的研發,後創立非營利研究機構Unemployment Labs。他表示,OpenAI和Anthropic的資深研究員已獨立核查並確認了該發現。
此前,美國官員和媒體曾懷疑DeepSeek和Moonshot AI使用了Blackwell晶片,但從未公佈證據。DePue稱,2026年4月以來發布的六款中國模型帶有輝達Blackwell世代的獨特簽名,而更早的DeepSeek-V3和Kimi K2.5則顯示的是上一代Hopper架構的痕跡。
其方法的核心在於模型權重的初始化過程。一個AI模型由數十億個稱為權重的數值構成。訓練開始前,標準軟體框架PyTorch會用基於種子值生成的隨機數填充這些空位。GPU為快速分配海量資料,會將任務拆分到各個計算核心上。不同晶片型號的核心數不同,填充過程因此產生特徵性模式。較老的Hopper晶片如H100和H800使用132個計算核心,而較新的Blackwell晶片根據型號不同(B200/B300或GB200/GB300)恰好使用148或152個核心。訓練隨後會數百萬次調整這些數值,但部分未使用的詞或符號槽位會保留初始隨機值。DePue稱,即使在模型訓練充分的部位,初始分佈的微弱統計回聲依然存在。他表示自己逆向還原了該模式,並在真實Blackwell晶片上精確復現了DeepSeek-V4-Flash和Kimi K3的結果,驗證程式碼已釋出在GitHub上。
分析將DeepSeek-V4-Flash和MiniMax-M3對映到B200或B300晶片(148核)。DeepSeek-V4-Pro、Kimi K3、Kimi K3.1-Pro和螞蟻集團的Ling-3.1-flash則顯示出輝達液冷旗艦機架系統GB200或GB300的152核模式。DePue稱,統計上可以排除巧合,該方法正確識別了全部24個已知硬體的對照模型,包括Meta的Llama 3.1(H100)。
DePue的報告估計,他檢查的五輪訓練合計需要約1.2萬塊Blackwell GPU,算力約相當於3萬塊較老的H100晶片。僅Kimi K3一項,估計在約70天內使用了4500塊Blackwell處理器,DeepSeek-V4-Pro約3000塊。按每塊約7萬美元的單價計算,每個叢集成本在2億至3億美元之間,五個系統合計超過5億美元。
這些發現與SemiAnalysis首席分析師Dylan Patel的分析相吻合。Patel在接受紅杉資本採訪時表示,DeepSeek-V3的模型架構仍專門針對輝達Hopper晶片定製,而DeepSeek-V4的架構則為Blackwell GPU和華為昇騰晶片設計。根據DePue的報告,其他中國實驗室的模型,包括阿里巴巴的Qwen3.8以及智譜、騰訊、小米和階躍星辰的模型,仍只顯示Hopper簽名,而美團的LongCat-2.0指向華為硬體。
嚴格來說,該方法只能顯示是哪種硬體初始化了權重,儘管訓練本身很可能執行在相同系統上。唯一其他技術解釋是AMD MI300X,該晶片同樣受管制,被人為限速以產生相同模式。DePue稱,他利用晶片間微小的舍入差異排除了AMD用於DeepSeek-V4-Flash的可能性。調查稱,資料並不揭示GPU的位置或所有者。由於中國企業可以在中國境外的資料中心租用算力,報告表示其技術證據顯示了對輝達頂級硬體的獲取,但本身不能證明物理走私或違反美國出口法。
這一發現的意義在於,它為圍繞中國AI公司是否繞過美國出口管制的長期爭論提供了首個可復現的技術檢驗路徑。如果方法經得起更廣泛的獨立驗證,可能促使政策制定者重新評估管制執行的有效性,並影響市場對輝達高階晶片實際流向的預期。不過,由於證據僅指向硬體初始化環節,且不涉及GPU地理位置或所有權,其法律與政策含義仍有待進一步釐清。