Unemployment Labs báo cáo các dấu vết Blackwell trong các mô hình AI của Trung Quốc

Một phân tích của Unemployment Labs do Will DePue thực hiện, công bố ngày 12 tháng 11 năm 2026, phát hiện các mẫu khởi tạo phù hợp với GPU Blackwell của NVIDIA thuộc diện kiểm soát xuất khẩu trong sáu mô hình có trọng số mở của DeepSeek, Moonshot AI, MiniMax và Ant Group.

Phân tích này liên hệ DeepSeek-V4-Flash và MiniMax-M3 với việc khởi tạo trên chip B200 hoặc B300, còn DeepSeek-V4-Pro, Kimi K3, Kimi K3.1-Pro và Ling-3.1-flash với chip GB200 hoặc GB300. Các kết quả trùng khớp xác định cấu trúc phần cứng đứng sau bộ trọng số ban đầu; việc những chip đó có đồng thời được dùng để huấn luyện hay không là một suy luận riêng.

Các đợt phát hành liên tiếp cho thấy những thay đổi có vẻ đã diễn ra theo thời gian. DeepSeek-V3 cho kết quả tương ứng với Hopper vào tháng 12 năm 2024, tiếp theo là hai mô hình V4 cho kết quả tương ứng với Blackwell vào tháng 4 năm 2026. Kimi K2.5 của Moonshot AI cho kết quả tương ứng với Hopper vào tháng 1 năm 2026, trước khi K3 cho kết quả tương ứng với Blackwell vào tháng 7 năm 2026; MiniMax-M2.7 và M3 lần lượt có diễn biến tương tự vào tháng 4 năm 2026 và tháng 6 năm 2026; Ling-3.0-flash và Ling-3.1-flash của Ant Group cũng vậy, lần lượt vào tháng 8 năm 2026 và tháng 10 năm 2026.

Mẫu hình này không xuất hiện ở tất cả các trường hợp. Các mô hình mới nhất có thể phân tích được của Alibaba, Zhipu, Tencent, Xiaomi và StepFun cho kết quả tương ứng với Hopper chứ không phải Blackwell.

Cách cấu trúc phần cứng được thể hiện qua quá trình khởi tạo

Phương pháp này bắt đầu từ các trọng số, tức những tham số số học được điều chỉnh trong quá trình huấn luyện. Trước khi huấn luyện, cấu hình PyTorch/cuRAND được khảo sát sử dụng bộ tạo số Philox để tạo ra các giá trị có thể lặp lại từ một giá trị khởi tạo (seed). Các luồng GPU phân phối những giá trị đó vào các vị trí trọng số; với một lần khởi tạo đủ lớn, mỗi bộ đa xử lý luồng (SM) sử dụng 2.048 luồng. Vì vậy, thay đổi số lượng SM sẽ làm thay đổi vị trí mà cùng một bộ số được tạo ra được gán vào.

Trong các cấu hình được thử nghiệm, chip Hopper H100 SXM, H200 và H800 có 132 SM và 270.336 luồng; chip B200 và B300 có 148 SM và 303.104 luồng; chip GB200 và GB300 có 152 SM và 311.296 luồng. Kết quả nhận diện cho biết chip thuộc một trong các nhóm này, chứ không xác định được chip cụ thể trong nhóm.

Các trọng số dành cho từ hoặc ký hiệu không xuất hiện trong dữ liệu huấn luyện có thể giữ lại giá trị ban đầu gần như chính xác, trong khi các trọng số đã được huấn luyện có thể vẫn giữ mối tương quan thống kê yếu hơn với những giá trị đó. Các nhà nghiên cứu chọn một giá trị khởi tạo và một cấu trúc trên một tập trọng số, sau đó kiểm tra tổ hợp không thay đổi đó trên một tập riêng biệt không được đưa vào quá trình tìm kiếm.

Theo mô hình thống kê của báo cáo, khoảng 6 nghìn tỷ tổ hợp giá trị khởi tạo và cấu trúc sẽ tạo ra mức khớp ngẫu nhiên cao nhất kỳ vọng vào khoảng 8 sigma, một thước đo thống kê về độ lệch so với biến thiên ngẫu nhiên. Các kết quả mạnh nhất ở những mô hình được nhận diện nằm trong khoảng từ 49 đến 1.385 sigma, và mỗi phép thử riêng lẻ được đưa vào đều đạt ít nhất 20 sigma.

Kiểm chứng bằng chip thực tế và ước tính quy mô huấn luyện

Các lần tái tạo trên chip thực tế của DePue là một phép kiểm chứng khác. Sử dụng giá trị khởi tạo được khôi phục của DeepSeek, H100 tái tạo được các giá trị được bảo toàn của DeepSeek-V3 nhưng không tái tạo được các giá trị của V4-Flash; B300 thì cho kết quả ngược lại. Trên B300, PyTorch nguyên bản tái tạo được 461 trong số 469 hàng V4-Flash được chọn, với hệ số tương quan trên 0,99; trong đó có 445 hàng khớp hoàn toàn từng bit. Một GB200 thuê ngoài tái tạo được toàn bộ 13 hàng Kimi K3 được bảo toàn bằng giá trị khởi tạo của Moonshot; thay đổi một trong hai giá trị khởi tạo được khôi phục đi một đơn vị thì không có hàng nào khớp.

Báo cáo cho biết phương pháp này phù hợp với cả 24 trường hợp nhà phát triển công khai nêu tên phần cứng của một mô hình cụ thể, đồng thời lưu ý rằng 11 trường hợp liên quan đến các checkpoint ở bước 0 và những mô hình có liên hệ với nhau không độc lập. Vì vậy, phép so sánh này là một bước kiểm tra tính nhất quán, chứ không phải tỷ lệ chính xác được đo lường.

Kimi K3.1-Pro sử dụng giá trị khởi tạo của K3 và có thể là một checkpoint K3 được hậu huấn luyện thêm. Với giả định phần cứng dùng để khởi tạo cũng được dùng để huấn luyện, DePue ước tính có năm lần chạy hoàn tất riêng biệt, mỗi lần sử dụng khoảng 500 đến 3.000 GPU Blackwell, thường kéo dài từ hai đến ba tháng. Phép tính lấy lượng tính toán huấn luyện chia cho thông lượng của chip ở mức sử dụng 35%, dựa trên số lượng token DeepSeek công bố và ước tính token theo trọng số đối với các mô hình còn lại. Áp dụng cùng phép tính cho DeepSeek-V3 cho kết quả từ 2.000 đến 2.500 chip, so với con số 2.048 mà DeepSeek công bố.

Giới hạn của việc thực thi kiểm soát xuất khẩu

Kết quả khớp chỉ liên quan đến quá trình khởi tạo; nó không thể thống kê đầy đủ mọi bộ xử lý được dùng trong các giai đoạn huấn luyện sau đó. Một phòng thí nghiệm có thể tạo các giá trị ban đầu trên một hệ thống rồi chuyển chúng đi; các cụm máy kết hợp có thể chỉ để lại dấu vết của một phần phần cứng; và kết quả Hopper không loại trừ khả năng Blackwell được dùng để huấn luyện về sau. Trọng số cũng không thể xác định quyền sở hữu, địa điểm hay cách thức mua chip. Báo cáo của DePue lưu ý rằng có thể thuê hệ thống Blackwell bên ngoài Trung Quốc và cho biết chỉ riêng bằng chứng này không chứng minh được hành vi buôn lậu hay vi phạm kiểm soát xuất khẩu.

MI300X của AMD là lựa chọn phần cứng thay thế được xác định. Thông thường, chip này sử dụng 304 đơn vị xử lý, nhưng có thể được chia thành hai nhóm, mỗi nhóm 152 đơn vị, hoặc cấu hình để sử dụng 148 đơn vị, qua đó tái tạo được các cấu trúc trong thử nghiệm thực tế. Với DeepSeek-V4-Flash, trong số 377 giá trị được bảo toàn và khác nhau giữa các nhà cung cấp, có 363 giá trị khớp với NVIDIA và không có giá trị nào khớp với AMD. Phép thử số liệu này chưa đưa ra kết luận cho năm mô hình còn lại, dù báo cáo cho rằng khả năng một cụm AMD được cấu hình đặc biệt là rất thấp.

Báo cáo cho biết việc xuất khẩu B200, B300, GB200 và GB300 sang Trung Quốc cần có giấy phép của Mỹ, nhưng chưa có giấy phép nào như vậy được ghi nhận; báo cáo cũng nói MI300X thuộc diện kiểm soát. Bản thân phương pháp này đòi hỏi trọng số công khai và một mẫu khởi tạo phụ thuộc vào phần cứng có thể nhận diện. Khởi tạo bằng CPU không để lại bố cục GPU, còn trình tạo của PaddlePaddle thuộc Baidu không mang bố cục của con chip được khảo sát.

Phân tích cung cấp cho các nhà hoạch định chính sách bằng chứng kỹ thuật về khả năng tiếp cận phần cứng nhưng không đưa ra kết luận về việc thực thi: trọng số công khai có thể làm lộ mẫu khởi tạo, nhưng để xác định liệu các biện pháp kiểm soát xuất khẩu có bị vi phạm hay không, vẫn cần bằng chứng về nơi phần cứng được sử dụng, ai sở hữu nó và quyền truy cập đã được thực hiện bằng cách nào.