研究称六款中国开源模型留下 Blackwell 初始化痕迹，报告强调不能据此认定走私

11 月 12 日，Unemployment Labs 的 Will DePue 发布一项分析，称六款来自中国的开源权重模型在权重初始化阶段留下了与英伟达 Blackwell 系列 GPU 相符的痕迹。该分析由 Unite.AI 报道，涉及的开发方包括 DeepSeek、月之暗面（Moonshot AI）、MiniMax 与蚂蚁集团。

具体对应关系是：DeepSeek-V4-Flash 与 MiniMax-M3 的初始化与 B200 或 B300 一致；DeepSeek-V4-Pro、Kimi K3、Kimi K3.1-Pro 与 Ling-3.1-flash 则与 GB200 或 GB300 一致。报告强调，这类匹配只能说明起始权重是在哪一类硬件布局上生成的，是否同样用这些芯片完成训练，是另一个需要单独推断的问题。

方法本身值得展开。PyTorch 与 cuRAND 在训练开始前会用 Philox 生成器从种子产生可复现的数值，再由 GPU 线程分配到各个权重位置；当初始化规模足够大时，每个流式处理器（SM）会启用 2048 个线程。因此，SM 数量不同，同一批随机数的落点就不同。

三类硬件的 SM 数量构成了判据：H100 SXM、H200 与 H800 为 132 个 SM、270336 个线程；B200 与 B300 为 148 个 SM、303104 个线程；GB200 与 GB300 为 152 个 SM、311296 个线程。报告称，最强匹配的显著性在 49 到 1385 个 sigma 之间，纳入检验的单项测试均不低于 20 sigma。

研究者还做了物理复现。用 DeepSeek 恢复出的种子，H100 能复现 DeepSeek-V3 的保留值却复现不了 V4-Flash，B300 则相反；在 B300 上，未经修改的 PyTorch 复现了 469 行 V4-Flash 保留值中的 461 行，其中 445 行逐位一致。租用的 GB200 则用月之暗面的种子复现了 Kimi K3 全部的 13 行保留值。

报告同样列出了边界条件：匹配只涉及初始化，无法盘点训练后期使用的每一块处理器；实验室可以在一套系统上生成初始值再迁移，混合集群也可能只留下部分硬件痕迹；Hopper 读数也不排除后续使用 Blackwell 训练。权重本身无法证明芯片的归属、位置或采购路径，报告明确表示，这些证据既不能确立走私，也不能确立违反出口管制。

反向信号同样存在。阿里、智谱、腾讯、小米与阶跃星辰最新的可读模型给出的是 Hopper 读数而非 Blackwell；AMD MI300X 是报告认定的替代解释，它可以通过配置复现 148 与 152 两种布局，但在 V4-Flash 上，377 个可区分厂商的保留值中有 363 个匹配英伟达、没有一个匹配 AMD。

出口管制的执行正在从文件审查转向技术取证，这是这份分析最值得关注的地方。报告称 B200、B300、GB200 与 GB300 对华出口需要美国许可证，且目前未见相关许可记录；如果这类权重指纹方法被监管机构或研究者采纳，模型发布将同时成为一次可被检验的硬件声明。

接下来要看开发方是否回应、是否公开训练集群细节，以及独立研究者能否在更多模型上复现同类读数。方法本身也有前提：它要求权重公开，并且初始化过程留下了可识别的硬件布局；用 CPU 初始化或非 CUDA 框架的模型不会留下这类痕迹。