中國 AI 模型 Blackwell 指紋:DePue 報告證明了什麼?
DePue 報告稱 6 款中國 AI 模型的起始權重帶有 Blackwell 指紋。本文說明偵測方法、驗證數據與報告自列的限制,並分清指紋不等於違規取得晶片,截至 11 月 16 日未見公司回應。
Blackwell 指紋的說法在 2026 年 11 月 12 日出現:前 OpenAI 研究員 Will DePue 稱,4 家中國公司公開的 6 款模型,帶有 Nvidia Blackwell 晶片的痕跡。
這 4 家公司是 DeepSeek、Moonshot AI(Kimi)、MiniMax 與螞蟻集團。Blackwell 是 Nvidia 的 AI 晶片架構,依報告說明,其 B200 等型號出口到中國須取得美國許可。
X 上的中文轉述貼文把報告日期寫成 11 月 13 日,但報告頁面標示的是 11 月 12 日。TechCrunch 與 The Register 則在 11 月 13 日報導。
「指紋」聽起來像是抓到了違規證據,但報告在結論裡劃了界線。它偵測的是模型起始權重在哪一類 AI 運算晶片(GPU)上產生,並明說這不能證明晶片在哪裡、怎麼取得,或是否違反出口管制。
這個區別很重要,因為 Blackwell 系統也可以向中國境外的資料中心租用。報告自己寫明,這種取得存取權的方式,本身不能證明晶片被走私。
截至 TechCrunch 與 The Register 在 11 月 13 日刊出時,兩篇報導都沒有提到 Nvidia 與 4 家公司的回應。截至 2026 年 11 月 16 日,本文也沒有找到公開聲明,所以文中的結論都標成報告稱。
我會先說明指紋怎麼偵測,再看 6 款模型與報告自己列的限制,最後把已證明與仍待證的部分分開。
要看懂這些,得先知道起始權重為什麼會留下痕跡,以及這個痕跡在技術上能指出什麼。
Blackwell 指紋是什麼?藏在模型起始權重的隨機數裡
這裡的指紋,指的是模型權重的起始值在 GPU 上產生時,留下的排列方式。
權重是模型內部數十億個可調整的數字,訓練就是反覆調整它們。但訓練開始前,每個權重都需要一個初始值,這些值來自一種叫 Philox 的偽亂數演算法。
偽亂數的意思是,看起來隨機,但只要給同一個種子數字,每次都會產生同樣的結果。工程師靠這個特性,從同一個起點重做實驗。
PyTorch 是多數大型模型使用的軟體框架,它會把填入權重的工作,分給 GPU 上許多平行的執行緒。執行緒的總數,取決於晶片內運算單元(SM)的數量。
運算單元是 GPU 內部的運算群組,數量因型號而異。Hopper 是 Blackwell 的前一代 Nvidia 晶片,包含 H100、H200 與 H800。
依報告,Hopper 世代的晶片是 132 個運算單元,Blackwell 的 B200 與 B300 是 148 個,GB200 與 GB300 是 152 個。
同一個種子放在不同數量的運算單元上,會產生相同的數字,但這些數字落在權重矩陣的不同位置。所以位置排列,就成了晶片型號的線索。
訓練會改動大部分權重,但有些權重幾乎不被更新,例如對應從未在訓練資料裡用到的詞彙。這些位置保留了起始值,可以直接拿來和候選種子比對。
報告的做法是,先用一批權重找出種子與運算單元數,再用沒參與挑選的另一批權重驗證。
DePue 說,DeepSeek 在 V3 與 V4-Flash 用的是同一個種子,但兩者的排列對應不同的單位數。原理清楚後,就能看報告實際點名了哪些模型。

6 款模型與時間線:哪些讀成 Blackwell,哪些仍是 Hopper
報告點名的 6 款模型,都在 2026 年 4 月起釋出,各家較早的模型則讀成 Hopper。
| 公司 | 模型 | 釋出時間 | 報告讀到的晶片 |
|---|---|---|---|
| DeepSeek | DeepSeek-V3 | 2024 年 12 月 | Hopper |
| DeepSeek | DeepSeek-V4-Flash | 2026 年 4 月 | Blackwell B200/B300 |
| DeepSeek | DeepSeek-V4-Pro | 2026 年 4 月 | Blackwell GB200/GB300 |
| Moonshot AI | Kimi K2.5 | 2026 年 1 月 | Hopper |
| Moonshot AI | Kimi K3 | 2026 年 7 月 | Blackwell GB200/GB300 |
| Moonshot AI | Kimi K3.1-Pro | 2026 年 11 月 | Blackwell GB200/GB300 |
| MiniMax | MiniMax-M2.7 | 2026 年 4 月 | Hopper |
| MiniMax | MiniMax-M3 | 2026 年 6 月 | Blackwell B200/B300 |
| 螞蟻集團 | Ling-3.0-flash | 2026 年 8 月 | Hopper |
| 螞蟻集團 | Ling-3.1-flash | 2026 年 10 月 | Blackwell GB200/GB300 |
表格取自報告的第一張表,釋出時間是權重公開的月份。其中 Kimi K3.1-Pro 與 K3 用同一個種子,報告認為它可能是 K3 經過後續訓練的版本。
Hopper 的讀數也有限制。H800、H100 與 H200 的運算單元數相同,所以報告無法分辨它們。
DeepSeek 與 Moonshot 公開過的 H800 說法,是廠商自己的揭露,不是這套方法的發現。
沒有被點名的公司,並不代表已證明沒用 Blackwell。報告寫道,Alibaba 的 Qwen、智譜的 GLM、騰訊、小米與 StepFun 可讀到的新近模型,都讀成 Hopper。
美團的 LongCat-2.0 沒有找到 Nvidia 指紋,美團自己說它在 AI ASIC 超級伺服器上訓練。DeepSeek-V4.1-Flash 也沒有找到指紋,即使報告做了窮盡式搜尋。
另有一款 Kimi K2.7-Code 情況特別。報告說它約 80% 是 Hopper 排列、約 20% 對上 148 單位的排列,像是合併過的檢查點,所以沒有算進這 6 款。檢查點,指的是訓練過程中存下來的權重檔。
這些判讀要成立,方法本身得可靠,所以下一個問題是報告怎麼驗證自己。
報告怎麼驗證?24 個已知答案與統計顯著度
報告沒有提供傳統的誤判率,而是用實機重現、已知答案比對與統計顯著度三種方式驗證。
實機重現最直接。DePue 用沒修改的 PyTorch,在 H100 重現了 DeepSeek-V3 全部 57,344 個保留數值,但沒有重現 V4-Flash。
換成 B300,則在 V4-Flash 選出的 469 列中,重現了 461 列,相關係數高於 0.99,其中 445 列逐位元相同,也就是連每個位元都一樣。
另外,租用的 GB200 重現了 Kimi K3 的 13 列保留資料。種子只改 1,就一列也對不上。
已知答案比對,是找 24 個廠商公開過訓練硬體的模型,報告說方法全部吻合。例如 Meta 的 Llama 3.1 讀成 132 單位,與 H100 一致。
Nvidia 自家的 Nemotron-3 Ultra 讀成 152,與技術報告提到的 GB200 一致。
不過報告在附錄補充,這是一致性檢查,不是量出來的準確率,因為其中 11 個是起始檢查點,相關模型也不獨立。
統計部分用的是標準差,也就是 sigma,它衡量結果離隨機波動有多遠。報告搜尋了約 6 兆種種子與排列組合,隨機碰巧最多約達 8 個 sigma。
6 款模型最強的證據落在 49 到 1,385 個 sigma,最弱的單項測試也有 20 個。報告也附上但書:這些數字的可信度,取決於統計模型是否正確描述了隨機變動。
最後是公開程式碼。DePue 在 GitHub 發布了 checkpoint-forensics,採 MIT 授權,README 說在筆電上幾秒就能重跑比對。
這是 Unemployment Labs 自行發布的報告,本文沒有查到同行審查,也沒有查到公開的獨立複現報導。
DePue 在 X 貼文中說,OpenAI 與 Anthropic 的資深研究員確認了他的發現,The Decoder 與 The Register 轉述了這項說法。
The Register 把這寫成他自己的說法,沒有點名研究員,也沒有報導任何佐證。Hardware Busters 則說,這些研究員沒有公開表態。
驗證只能支撐「排列像 Blackwell」這一層,要判斷有沒有違規,還得看報告自己劃的界線。
Blackwell 指紋不等於違規取得晶片:報告自己列出的限制
報告作者認為,有強力證據顯示 6 款模型在受出口管制的 Nvidia 硬體上建立起始權重,但這不能證明晶片被走私,也不能證明違反出口管制。
| 報告支持的部分 | 報告明說做不到的部分 |
|---|---|
| 6 款模型的起始權重,排列符合 Blackwell 的運算單元數,報告稱這是取得該硬體存取的技術證據 | 晶片在哪個國家、誰擁有、怎麼取得 |
| 這些模型很可能也在產生起始權重的同一類硬體上訓練(報告稱強烈暗示,非證明) | 整個訓練都在 Blackwell 上完成 |
| DeepSeek-V4-Flash 的證據被稱為決定性 | 其餘 5 款完全排除特製 AMD 硬體 |
| 訓練規模達資料中心等級 | 精確的 GPU 數量與成本 |
第一個限制是起始權重不等於全程訓練。報告寫道,實驗室可以在一套系統上產生權重,再搬到另一套系統,或在新硬體上繼續訓練舊模型。
報告提到,Kimi K3 至少有 64 個各自播種的程序,留下同樣的 152 單位排列。這支持起始階段用過 Blackwell,但同樣不代表整段訓練都在上面。
第二個限制是位置與所有權。報告寫明,Blackwell 系統可以從中國境外的資料中心租用,這份證據談的是取得硬體的管道。
所以它本身不能證明晶片被走私進中國,也不能證明出口管制被違反。
第三個是 AMD 的替代解釋。MI300X 經特殊設定,限制在 152 或 148 個單位時,可以重現同樣的排列。
報告用數值層級的比對排除了 AMD:DeepSeek-V4-Flash 有 377 個兩家廠商結果不同的位置,其中 363 個對上 Nvidia,沒有任何一個對上 AMD。
其餘 5 款沒有做到同樣的排除,報告只說可能性很低,因為要把整個伺服器叢集設成與 Blackwell 相同的單位數,做法非常罕見。
第四個是方法的適用範圍。它需要公開的權重,也需要 PyTorch 在 GPU 上留下的排列。閉源模型、使用其他框架的 Baidu ERNIE-5.5,以及在 CPU 上初始化的部分 Qwen3 模型,都看不到 GPU 指紋。
報告也提醒,空白不代表任何事。沒找到指紋,不能反推這個模型沒有用 Nvidia。
最後是規模估計。報告估計 5 次訓練合計約需 12,000 張 Blackwell,範圍在 7,000 到 22,000 張之間。
報告並說自己對這些估計沒有把握(原文 We are not confident in these estimates)。
這組數字還在 11 月 12 日修訂過。初版給最大兩次訓練 2,000 到 3,000 張,因為假設 GPU 能跑出 Nvidia 自家基準的效率。
修訂版則改為 DeepSeek-V4-Pro 約 3,000 張、Kimi K3 約 4,500 張,因為已公開的 Blackwell 訓練,效率低於 Nvidia 的基準。引用規模數字時,應連同這個修訂與假設一起寫。
限制說清楚後,再看這份報告和先前官員的指控有什麼不同。
先前的官員指控與各方回應:公開證據差在哪?
DePue 報告出現前,Blackwell 的指控主要來自美國官員與媒體報導,但沒有公開技術證據。
2026 年 2 月 23 日,路透社報導一名匿名的川普政府高階官員說,DeepSeek 即將發布的新模型用 Nvidia Blackwell 訓練,晶片可能在內蒙古的資料中心。
這名官員沒有說資訊怎麼取得。Nvidia 拒絕評論,DeepSeek 與商務部沒有立即回應。
7 月 22 日,白宮科技政策辦公室主任 Michael Kratsios 說,Moonshot 取得了搭載 GB300 的伺服器,並在泰國使用 GB300,可能用於訓練模型(本文翻譯)。
TNW 指出,他沒有公開證據,Moonshot 與 Nvidia 沒有回應。
DePue 的報告把這些列為先前的指控,並稱它們沒有公布技術證據。這份報告的不同,是方法與程式碼公開,別人可以自己重跑。
回應方面,TechCrunch 與 The Register 在 11 月 13 日都沒有報導 Nvidia、DeepSeek、Moonshot、MiniMax 或螞蟻集團的回應。本文也沒有查到更新的公開聲明。
另外要分清楚,租用算力的合法性是另一個問題。CNBC 在 8 月 19 日引述專家說,現行出口管制管實體晶片,不涵蓋遠端存取。
依該專家對 Moonshot 案的說法,只要 Moonshot 沒有直接購買並擁有硬體,這項安排就合法。但 Kratsios 說 Moonshot 取得了伺服器,本文沒有查到哪一種情況屬實。這是單一專家的看法,不是主管機關的認定。
TechCrunch 則提到,部分對中強硬派認為,管制應該涵蓋誰在使用晶片,而不只是晶片在哪裡。這是政策爭論,報告本身沒有處理。
該怎麼引用這份報告?
引用時至少要寫出三件事:作者是 DePue,方法偵測的是起始權重所用的 GPU,而且尚未看到公司回應與獨立複現。
DePue 在報告中要求,新聞引用請標明是他的發現並連結原報告。這也是本文把結論全部標成報告稱的原因。
DePue 的 X 貼文與報告的措辭強度不同。貼文寫他找到 conclusive forensic evidence(原文),說這 4 家公司把新一代模型建在 Blackwell 晶片上。
報告對 6 款模型寫的是 strong evidence(原文),只有 DeepSeek-V4-Flash 的證據寫成 conclusive,談的也是起始權重。引用時應以報告用語為準。
Hardware Busters 的整理提出一個延伸觀點:只要種子與框架行為被公開,任何開放權重模型,也就是權重檔公開供人下載的模型,其檢查點都可能帶有作者沒打算揭露的硬體訊息。這是該網站的看法,報告本身談的是這 6 款模型。
接下來可以觀察,是否有人公開重跑這份程式碼,被點名的 4 家公司是否公布訓練硬體,以及美國機關是否公開回應這份報告。最後一項,本文沒有查到相關說法。
Blackwell 指紋常見問題
Blackwell 指紋是什麼意思?
它指模型起始權重的排列方式,與 Blackwell 晶片的運算單元數吻合。這是從公開權重倒推出來的線索,指的是產生起始值的 GPU 類型。
這份報告證明 DeepSeek 或 Kimi 違反出口管制嗎?
沒有。報告明說,結果不能證明晶片的位置、取得方式,或出口管制是否被違反,因為 Blackwell 系統也可以在中國境外租用。
報告可信嗎?有人驗證過嗎?
報告公開了程式碼,並用實機與 24 個已知答案做驗證。但這是作者自行發布的報告,本文沒有查到同行審查或公開的獨立複現,所以只能說方法可檢驗,結論仍待更多人重跑。
為什麼 Qwen 等模型沒被點名?
報告讀到 Alibaba、智譜、騰訊、小米與 StepFun 的新近模型是 Hopper。有些模型在 CPU 上初始化或用不同框架,不留 GPU 痕跡,所以沒有結果不等於沒用 Nvidia。
延伸閱讀:Kimi K3.1 Pro 權重正式釋出,下載、量化、授權與多 GPU 部署怎麼準備?
結語:Blackwell 指紋是技術線索,不是違規判決
這份整理適合追蹤出口管制、AI 供應鏈與開放權重模型的讀者,以及需要引用這份報告的記者與研究者,因為它把報告證明的技術層面,和沒證明的法律層面分開了。
不適合拿來斷定哪家公司違法,也不適合當成中國公司擁有多少 Blackwell 的證據,因為報告自己說,位置、取得方式、整段訓練與精確數量都沒有被證明。
我的判斷是,這份報告最站得住腳的是技術面:程式碼公開,驗證可重跑。最需要克制的,是把起始權重用過 Blackwell 讀成違規取得,那一步報告沒有走,引用者也不該替它走。
延伸閱讀:Hugging Face 算力估算近 10 億美元:開放模型的訓練投入、範圍與使用價值
資料來源
- Top Chinese Frontier AI Models Carry the Fingerprint of Export-Controlled NVIDIA Blackwell GPUs(Will DePue,Unemployment Labs,2026 年 11 月 12 日)
- checkpoint-forensics(GitHub,MIT 授權的驗證程式碼)
- Will DePue 的 X 貼文(2026 年 11 月 12 日)
- Export-banned Nvidia chips are behind China's most powerful AI models, uh-oh, Jensen(TechCrunch,2026 年 11 月 13 日)
- Chinese AI labs are training models on Nvidia's Blackwell despite export controls, says ex-OpenAI engineer(The Register,2026 年 11 月 13 日)
- Former OpenAI researcher says he found Nvidia Blackwell fingerprints hidden inside six Chinese AI models(The Decoder,2026 年 11 月 13 日)
- Six Chinese AI Models Carry a Blackwell Fingerprint, and It Was Hiding in Their Random Seeds(Hardware Busters)
- China's DeepSeek trained AI model on Nvidia's best chip despite US ban, official says(路透社,經 The Standard 轉載,2026 年 2 月)
- White House accuses Moonshot of distilling Anthropic's Fable to build Kimi K3(TNW,2026 年 7 月 23 日)
- China AI firms tap Nvidia power overseas as U.S. weighs crackdown(CNBC,2026 年 8 月 19 日)
- 李老師不是你老師的 X 貼文(2026 年 11 月 15 日)