AI И НЕЙРОСЕТИ

Китайские ИИ-модели нашли следы обучения на Nvidia Blackwell

Исследователи обнаружили в весах DeepSeek и Kimi статистические следы обучения на ускорителях Nvidia Blackwell, запрещённых к экспорту в Китай.

✍️ Редакция iTech News | 15.11.2026 | ⏱ 3 мин | Источник: Tom's Hardware
Китайские ИИ-модели нашли следы обучения на Nvidia Blackwell

Независимые исследователи нашли в открытых весах китайских LLM статистические следы, совместимые с работой ускорителей Nvidia Blackwell. Под подозрением оказались DeepSeek V4, Kimi K3.1, MiniMax-M3 и Ling-3.1-Flash — модели компаний из страны, куда экспорт топовых ИИ-чипов США ограничен. Для российского рынка это ещё один наглядный пример: контроль поставок железа не равен контролю над доступом к вычислениям.

О результатах работы UnemploymentLabs сообщает Tom's Hardware. Авторы не утверждают, что китайские компании нарушили экспортные правила или физически ввезли запрещённые GPU в КНР. Их метод позволяет сделать более узкий вывод: при подготовке весов этих моделей, вероятно, использовалась инфраструктура с архитектурами Nvidia Hopper или Blackwell.

Основа исследования — не утечка документов и не фотография серверной стойки, а побочный эффект процесса инициализации весов. Перед обучением параметры большой языковой модели получают псевдослучайные начальные значения. В стеке PyTorch/CUDA для этого обычно применяется библиотека cuRAND: при одном и том же seed она выдаёт воспроизводимую последовательность чисел. Но распределение этой работы зависит от того, как вычисления разложены по потокам и потоковым мультипроцессорам GPU.

У Nvidia Hopper насчитывается 132 SM, у Blackwell B-серии — 148, у Blackwell GB — 152. Для крупных наборов весов в рассматриваемом сценарии задействуется 2048 потоков на один SM. Исследователи воспроизвели процедуру инициализации на соответствующем оборудовании и сравнили статистическое распределение получившихся значений с опубликованными весами моделей. Совпадение оказалось сильным; после изменения числа SM или потоков корреляция исчезала.

Это позволило авторам не только предположить обучение на Blackwell, но и отнести отдельные модели к семействам ускорителей Hopper либо Blackwell и оценить порядок размера кластера. Впрочем, точную карту назвать метод не может. Он не различает конкретные модели GPU по объёму памяти, пропускной способности HBM или другим характеристикам: важна именно топология вычислительной части, оставившая отпечаток на старте обучения.

Авторы отдельно проверили альтернативу с AMD MI300X. Теоретически иной ускоритель можно настроить так, чтобы его программное представление напоминало две группы по 148 или 152 вычислительных блоков. Однако для DeepSeek V4 исследователи сравнили и сами паттерны значений весов: результат AMD-экспериментов не совпал с тем, что обнаружено в модели. Это не превращает статистический анализ в судебное доказательство, но заметно сужает пространство объяснений.

Главная юридическая оговорка здесь важнее громкого заголовка. Американские ограничения касаются экспорта высокопроизводительных ИИ-ускорителей в Китай, но доступ китайской компании к Blackwell через зарубежный облачный дата-центр сам по себе, по данным Tom's Hardware, не обязательно незаконен. Поставщик может сдавать мощности за пределами КНР, а модель затем окажется в открытом доступе уже вместе со своими весами. Для регулятора это неприятная деталь: вычисления становятся услугой, а не грузом, который можно остановить на таможне.

Для разработчиков вывод более прикладной. Открытые веса способны раскрыть существенно больше, чем архитектуру модели и качество датасета: особенности раннего этапа пайплайна могут выдать тип ускорителей и конфигурацию обучения. Командам, которым критичны коммерческая тайна, воспроизводимость или соответствие санкционным требованиям, придётся внимательнее смотреть на весь ML-стек — от генератора случайных чисел до схемы распараллеливания. Обучение на Blackwell в таком случае оставляет не логотип Nvidia, а статистический отпечаток.

Исследование ограничено моделями с открытыми весами и конкретным сочетанием аппаратуры софта, поэтому универсальным детектором происхождения ИИ оно пока не станет. Но сама идея уже меняет дискуссию: экспортный контроль можно обходить не только через серые поставки, а проверять его последствия — по математическим следам внутри моделей. Детали методики и исходные наблюдения опубликованы в материале Tom's Hardware.

Поделиться: Telegram X LinkedIn