11 月 12 日,一家名字很怪的非营利研究小组,把四家中国实验室的六款最新开源模型下载下来,没拆硬件、没找内线,只是把权重读了一遍。结果在这六份完全公开的文件里,读出了英伟达最先进、被明令禁止卖到中国的 Blackwell 显卡的启动指纹。技术证据第三方可以复算,但报告自己把话说得很死:它证明不了芯片在哪,更证明不了谁犯了法。 一、一份不需要内线的口供 这份报告出自 Unemployment Labs,作者 Will DePue,前 OpenAI 研究者。11 月 12 日发布,13 日被 TechCrunch、The Register 等媒体陆续跟进。它用的不是爆料,是数学。 原理不复杂。任何大模型在开训之前,几十亿个权重先要被填上一批随机数。这一步由 PyTorch 调用英伟达的 cuRAND 完成,同一个种子(seed)永远产生同一批数字。问题在「撒」的方式:这项工作会摊到显卡的每一个流处理器簇(SM)上,每个 SM 再切成 2,048 条线程。于是总线程数就等于 SM 数量乘以 2,048。 而 SM 数量,各家不一样:Hopper 架构 132 个,Blackwell 的 B 系列 148 个,GB 系列 152 个。换算下来是 270,336、303,104、311,296 条线程。同一把种子撒在三种卡上,同一批数字会落到完全不同的位置。更妙的是,训练几乎不会动到全部权重——那些训练语料里从没出现过的 token 对应的行,基本原封不动地留着出生时的值。 于是模型一旦开源,就等于把自己的出生档案一起开源了。研究者搜了超过六万亿组「种子 × 芯片布局」的组合,再用留出来的权重去验证。说白了:不用进机房,读文件就行。 二、这个读数有多硬 判断一份取证报告靠不靠谱,看两个数:显著性有多高,以及有没有被独立复算。 第一个数:报告称每个模型的最强证据落在 49 到 1,385 个标准差之间,而在这样规模的全局搜索里,随机撞对的预期大约只有 8 个标准差。这个差距不是「有点像」,是数量级上的分离。 第二个数:方法在 24 个「开发者自己公开过硬件的模型」上全部对得上。这是一次一致性检验,不是准确率统计,但至少说明它没在乱猜。 最容易被拿来反驳的一条是「会不会是 AMD 的卡」。理论上,把 MI300X 配成 148 或 152 组也能复现同样的布局。报告对 DeepSeek-V4-Flash 做了数值层面的排除:在 377 个存在差异的权重值里,363 个匹配英伟达的结果,匹配 AMD 的是 0 个。 独立复现也有了,但是部分的。Institute for Progress 放了一个 GitHub 仓库重跑其中一段:下载的权重哈希与作者记录一致,DeepSeek-V3-Base 在 H200 上、DeepSeek-V4-Flash 与 MiniMax-M3 在 B200 上的起始权重模式都被复现,V4-Flash 训练后权重里也检出了起始值的痕迹。Kimi K3 没测成——他们手上没有 152 个 SM 的卡。 三、名单:六款换了卡,多数还在上一代 被点名的六款,全部发布于 2026 年 4 月之后:DeepSeek-V4-Flash(B200 / B300 布局)、DeepSeek-V4-Pro(GB200 / GB300)、Kimi K3(GB 系列)、Kimi K3.1-Pro(11 月新发,GB 系列)、MiniMax-M3(B200 / B300)、蚂蚁 Ling-3.1-flash(GB 系列)。 有意思的是对照组。同一批实验室的旧款——DeepSeek-V3、Kimi K2.5、MiniMax-M2.7、Ling-3.0-flash——读出来全都还是 Hopper。也就是说,换卡这个动作大致发生在 2026 年的春夏之间,能被时间线卡出来。 另一组对照更值钱:阿里、智谱、腾讯、小米、阶跃能读到的最新模型,全部仍读作 Hopper;美团的 LongCat-2.0 干脆一点英伟达指纹都没有,与该公司自述「用 ASIC 超算集群训练」的说法吻合。这份报告因此不只是「谁被点名」,还画出了一张「谁没换」的地图。 规模估算则要打折看。报告把五次训练合计估在约 12,000 张 Blackwell:Kimi K3 约 4,500 张、DeepSeek-V4-Pro 约 3,000 张,各跑两到三个月。按每张约 7 万美元算,最大集群 2 亿到 3 亿美元,五次加起来超过 5 亿美元,几家在受管制显卡上的总投入可能在十亿美元量级。但作者自己说得很清楚:区间是 7,000 到 22,000 张,初稿曾写 2,000 到 3,000 张、1.5 亿到 2 亿美元,11 月 12 日修订上调——因为算力估算依赖效率、token 数和训练时长这些没人公开的参数。训练时长砍一半,卡的张数就要翻一倍。 四、这份口供,证明不了什么 这一段是整份报告最克制、也最容易被标题党删掉的部分。指纹只说明「模型的初始权重是在哪一类硬件上生成的」,它支持、但不证明后续全部训练都跑在同一批卡上;它更读不出芯片放在哪里、归谁所有、怎么到手的。 关键就在这:Blackwell 可以在中国境外的数据中心租用。就目前公开的规则看,中国公司租用境外算力并不违法,美国公司提供这类访问也没有被严格禁止——报道里直接举了腾讯与甲骨文的交易作为例子。所以「有指纹」和「走私」之间,隔着一整个法律问题。 真正的缺口是管辖权,不是技术。规则管的是芯片归谁、装在哪,不管谁在上面跑任务。乔治城大学 CSET 的研究员 Sam Bresnick 今年夏天就把这个矛盾说透了:一边卡死中国大陆、香港、澳门,一边把马来西亚留着——这在逻辑上说不通。Epoch AI 估计 2024 到 2025 年约 200 万片先进芯片通过各种模糊最终目的地的手法进入中国;同期马来西亚进口了约 27.5 万片英伟达加速器,而马来西亚是公开合法的采购方。 时机也巧得不像巧合。本周英伟达 CEO 黄仁勋因与 Megaspeed 高管的关系披露而离职,而 Megaspeed 正被美、新两地调查是否涉芯片转运;国会已传唤他与商务部长 12 月作证,另有四项收紧管制的法案在推,其中一项针对的正是「境外远程租用」这条报告刻意留开的口子。同一天还有安全公司称,从暴露在公网的监控系统里找到 32 块定位在中国的 B300。这些都不构成走私的证据,但都指向同一个方向。 五、真正被改写的,是「开源」这件事的成本 不管法律怎么走,有一件事已经变了:从今往后,每一份公开的权重都是一条可查的硬件审计线索。闭源模型反而要回答一个更难的问题——你那座训练集群里,究竟装了什么。 但这条路正在关。报告作者提醒过一句很容易被忽略的话:实验室现在已经可以抹掉相当一部分这类痕迹。也就是说,这种检查的有效期可能很短——它不是一项会越来越准的技术,而是一项正在被主动失效的技术。 于是荒诞的地方出现了:规则还停在「管物品、管地点」的年代,算力却早就可以跨境调用了。芯片能不能出国,答案写在海关;算力有没有出国,答案写在合同里。前者查得到,后者查起来要难得多。 这大概就是这份报告真正的分量。它没说谁犯了法,它只是证明了:在这个行业里,你做过的事会留下痕迹,而痕迹,正在变得可以被任何一个人读到——直到有人学会把它擦掉。 🧐 一句话 这件事你只要记住三点:一、模型文件会记住自己是在哪种显卡上出生的;二、能读出用了什么卡,读不出卡在哪、归谁、怎么来的;三、只要算力还能跨境租,出口管制就永远留着一道缝。至于「谁违规」——那是法庭的事,不是权重的事。 「芯片可以锁在别人家的机房里,指纹却留在了你公开的权重里——这一次,开源成了最诚实的证词。」
评论 (0)