研究者稱可由模型權重辨識訓練 GPU,涉 DeepSeek、Kimi 與 Blackwell 指控
3C 產品

研究者稱可由模型權重辨識訓練 GPU,涉 DeepSeek、Kimi 與 Blackwell 指控

圖片:TechLab
TechLab 編輯部·

Tom’s Hardware 報道指出,有研究者聲稱透過分析開源模型權重中的統計特徵,可推測模型訓練時所用 GPU;研究者據此指稱 DeepSeek、Kimi 等中國 AI 模型的訓練可能使用了受出口管制的 Nvidia Blackwell GPU。

這項說法目前屬研究者的指控,並非已獲證實的硬件採購或訓練紀錄。報道所述方法以模型權重與 Nvidia 硬件之間的高度統計關聯作為判讀依據,但原始研究、完整方法與可重現結果仍須公開,亦需要獨立的硬件及模型研究者驗證。

從權重反推硬件,為何受關注

若方法經驗證,開源模型發布的權重或許不只可供部署及研究,也可能留下訓練運算環境的可分析痕跡。這會為外界檢視大型模型的開發過程提供另一種線索,尤其是在訓練硬件受到出口管制的情況下。

不過,「權重與某款 GPU 高度相關」和「確定以該 GPU 訓練」之間仍有明顯距離。模型訓練涉及資料、軟件、超參數及分散式運算安排;若未能清楚排除其他硬件、訓練設定或後續處理帶來的影響,統計關聯未必足以構成具法律或監管意義的歸因。

對出口管制討論的意義與限制

這類 GPU「指紋」技術若能被重複驗證,可能成為監察開源模型訓練來源的輔助工具,讓出口管制的討論由供應鏈與採購紀錄,延伸至模型成品本身。但它最多也只是證據鏈的一環,不能取代交易文件、物流紀錄或當事方說明。

下一步值得留意的是,研究團隊會否公開可供檢驗的方法、樣本與誤判率,以及獨立研究者能否在不同模型及硬件組合中重現結果。在此之前,涉及 DeepSeek、Kimi 與 Blackwell 的說法應以未證實指控看待。

延伸閱讀

AI 輔助說明: 本文由 AI 協助整理。


參考來源

本文根據原文及公開資料整理;資料有出入時,以原文及官方資料為準。

分享:WhatsAppThreadsTelegramFacebook