中国六款前沿AI模型现Blackwell GPU指纹 出口管制执行面临新考验

2026年11月12日，Unemployment Labs发布的法证报告认定，DeepSeek-V4-Flash、DeepSeek-V4-Pro、Kimi K3、Kimi K3.1-Pro、MiniMax-M3、Ling-3.1-flash六款模型在训练初始化阶段使用了受出口管制的NVIDIA Blackwell GPU，推算涉及约12000块GPU。

事实还原

报告通过分析模型权重初始化的数值分布模式，以49至1385个标准差的置信度得出上述结论。DeepSeek-V4系列与MiniMax-M3匹配B200/B300芯片特征，Kimi K3系列与Ling-3.1-flash匹配GB200/GB300特征。此前各实验室旧版本模型均显示Hopper代硬件痕迹，新版本在2026年4月至10月期间集体切换。

证据全部来自已公开的模型权重，而非泄露或内部消息。研究者恢复了模型初始值，并搜索能复现这些值的硬件配置与初始化设置。DeepSeek-V4-Flash与Kimi K3还在物理Blackwell芯片上得到确认。

机制拆解

该方法通过权重初始化数值分布识别硬件指纹。Hopper指纹无法区分H800、H100 SXM或H200，而Blackwell指纹可区分148 SM与152 SM两种配置。报告对24个已公开硬件信息的模型进行了验证，方法结论与开发者公告完全一致。

六款模型中，最强证据达到1385 sigma，即使最弱单个测试也达到20 sigma，远超随机匹配的预期上限。训练规模估算显示，每轮运行需要1500至3500块Blackwell GPU运行一个半月至三个月。

产业影响

四家实验室的新模型集体出现Blackwell痕迹，而阿里巴巴Qwen、智谱GLM、腾讯、小米、StepFun等其他中国实验室最新模型仍显示Hopper特征。美团LongCat-2.0则未检测到NVIDIA指纹。

此发现为评测透明度与芯片出口管控的交叉地带提供了可验证的技术路径：模型权重本身可成为硬件使用痕迹的载体。

战略判断

（以下为分析而非事实）若类似取证方法被广泛采用，模型发布方可能面临更高披露压力，硬件获取渠道的隐蔽性将进一步受挑战；历史先例显示，技术痕迹一旦公开，往往加速监管工具的迭代，但也可能推动各方探索非NVIDIA替代路径。