六款国产AI模型现Blackwell硬件痕迹：约12000块受管制GPU
2026年11月12日发布的法证报告显示，DeepSeek-V4、Kimi K3等六款中国模型权重初始化痕迹指向NVIDIA Blackwell GPU，涉及约12000块算力资源。此前同实验室旧版模型均匹配Hopper特征。报道从权重可验证硬件痕迹出发，拆解取证机制，分析对评测透明度与管控交叉领域的影响，并给出战略层
2026年11月12日，Unemployment Labs公布的一份法证报告给出结论：
DeepSeek-V4-Flash、DeepSeek-V4-Pro、Kimi K3、Kimi K3.1-Pro、MiniMax-M3、Ling-3.1-flash这六款模型，在训练初始化环节用上了受出口管制的NVIDIA Blackwell GPU，按报告推算，涉及GPU约12000块。依据是对模型权重初始化时数值分布模式的分析，置信度落在49至1385个标准差之间。其中DeepSeek-V4系列和MiniMax-M3对得上B200/B300芯片的特征，Kimi K3系列与Ling-3.1-flash则与GB200/GB300的特征吻合。这几个实验室的旧版本模型此前都留有Hopper代硬件的痕迹，新版本则在2026年4月至10月间集中完成了切换。
事实还原
所有证据都取自已经公开的模型权重，没有泄露材料，也没有内部消息。研究者的做法是还原模型初始值，再反过来寻找能复现这些值的硬件配置和初始化设置。DeepSeek-V4-Flash与Kimi K3还在真实的Blackwell芯片上得到了确认。这套方法靠权重初始化的数值分布来辨认硬件指纹。Hopper指纹分不出H800、H100 SXM和H200，Blackwell指纹则能把148 SM与152 SM两种配置区分开。报告验证了24个已公开硬件信息的模型，方法得出的结论与开发者公告完全一致。
机制拆解
六款模型里，最强的一处证据达到1385 sigma，即便最弱的单项测试也有20 sigma，远高于随机匹配的预期上限。对训练规模的估算显示，每轮运行要动用1500至3500块Blackwell GPU，持续一个半月至三个月。
产业影响
出现Blackwell痕迹的是上述四家实验室的新模型；阿里巴巴Qwen、智谱GLM、腾讯、小米、StepFun等其他中国实验室的最新模型，显示的仍是Hopper特征。美团LongCat-2.0则没检出NVIDIA指纹。这一发现给评测透明度与芯片出口管控的交汇处提供了一条可验证的技术路径：模型权重本身就能承载硬件使用的痕迹。
战略判断
（以下为分析而非事实）类似取证手段一旦被广泛采用，模型发布方可能承受更大的披露压力，硬件获取渠道想继续保持隐蔽会更难；从以往的先例看，技术痕迹公开之后，监管工具往往加快迭代，同时也可能促使各方去寻找非NVIDIA的替代路线。
