
研究指中國開放模型或留 Blackwell 訓練痕跡
一項由非牟利研究組織 Unemployment Labs 主導的分析聲稱,多個由中國公司發布的開放權重大型語言模型,其權重結構可能保留了訓練硬件配置的「指紋」,並顯示部分受關注模型曾使用 Nvidia Blackwell GPU 訓練。Blackwell 屬美國限制出口至中國及中國公司取得的 AI 晶片。
分析者 Will DePue 檢視 DeepSeek、Moonshot AI、MiniMax 及螞蟻集團公開發布的模型權重,並稱 Moonshot 的 Kimi K3 系列及 DeepSeek V4 模型呈現與 Blackwell 訓練相關的跡象。這是研究推論,並非對個別公司供應鏈或違規行為的直接證明;TechCrunch 的報道亦未提供可獨立重現的技術細節。
模型權重為何可能反映硬件
模型權重是訓練完成後公開的參數結構。DePue 的論點是,訓練過程會受 GPU 的運算配置影響,某些結構特徵因此可能留在最終權重之中。若方法可靠,研究人員便有機會由公開模型反向判斷其訓練環境的一部分。
不過,這類判讀的限制亦很明顯:模型可由多種硬件共同訓練,權重特徵未必能完整交代晶片來源、所在地或實際操作者。因此,即使模型呈現 Blackwell 相關跡象,也不能單憑這點斷定晶片曾被直接運入中國,或出口管制已被違反。

管制焦點或由「晶片在哪裏」轉向「誰能使用」
報道指出,受限制晶片亦可能設置於海外數據中心,供中國企業遙距使用。Epoch AI 估計,2024 至 2025 年間約有 27.5 萬枚 Nvidia AI 加速器入口馬來西亞;這類離岸算力安排正是現行制度的難題。
美國出口限制涵蓋中國、香港及澳門,但報道沒有提供香港本地採購、部署或受影響的證據,因而不能據此推論香港存在相關個案。政策層面上,若限制主要按晶片交付地、擁有權或安裝地執行,而企業可在境外租用算力,便可能無法完全達到限制先進訓練能力的原有目標。
這也解釋為何部分政策研究者主張,管制或須更重視實際使用者及算力存取權,而不只追蹤貨物流向。代價是合規責任會延伸至雲端及數據中心營運商,令跨境驗證、客戶識別與執法難度上升。

對開放模型競爭的意義
圖片:NVIDIA
開放權重模型讓外界可檢視模型本身,也可能意外增加訓練基礎設施被研究的可能性。對開發者而言,這是透明度帶來的額外代價;對監管者而言,則可能多了一種調查線索,而非可單獨定罪的證據。
下一步值得觀察的是,相關研究能否獲獨立驗證,以及美國管制是否由出口交付進一步延伸至離岸數據中心的算力使用。這將影響中國 AI 公司取得先進訓練資源的途徑,也會影響提供跨境 GPU 雲端服務的營運商。
延伸閱讀
AI 輔助說明: 本文由 AI 協助整理。
參考來源
- TechCrunch — Export-banned Nvidia chips are behind China’s most powerful AI models—uh oh, Jensen! — original report
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。







