中国四大AI实验室被曝用禁售的Blackwell芯片训练新模型

取证机构称中国四大AI实验室最新模型均使用被禁售的NVIDIA Blackwell芯片训练,引发算力管制有效性争议。
Reddit 帖子援引 Checkpoint Forensics 报告称,中国排名前四的 AI 实验室在训练最新模型时均使用了被禁止对华出口的 NVIDIA Blackwell 芯片。该结论基于对模型输出进行指纹取证分析,而非硬件采购记录,属单一来源且尚无第三方复现。事件触及 AI 算力地缘政治敏感神经:一方面暗示受限硬件可能通过非正式渠道流入,另一方面反映头部实验室对最先进算力的依赖。社区对取证方法可靠性存在分歧,NVIDIA 与相关实验室均未回应,结论待解疑问仍多。

一则来自 Reddit 的帖子援引调查机构 Checkpoint Forensics 的报告称,中国排名前四的 AI 实验室在训练其最新模型时,均使用了 NVIDIA 最先进的 Blackwell 芯片——而这款芯片目前被禁止出口到中国。消息一出,立刻在技术社区引发广泛讨论,因为它触及了当前 AI 算力地缘政治中最敏感的一根神经。
事件核心:四大实验室与同一款芯片
根据 Unemployment Labs 旗下 Checkpoint Forensics 的调查结论,四家中国头部 AI 研究机构的最新产品线,在底层算力上都指向了 NVIDIA 的 Blackwell 架构。Blackwell 是 NVIDIA 当前最先进的 GPU 产品线,美国出口管制明确将其排除在对华销售许可之外。
这里的关键词是「全部」和「最新」。如果调查成立,意味着并非个别团队的偶发行为,而是头部梯队在新一代模型竞赛中集体选择了同一款受限硬件。对于关注 AI 算力供应链的人来说,这比任何单一模型的 benchmark 成绩都更值得玩味。
Blackwell 架构是 NVIDIA 于 2024 年发布的 GPU 产品线,接替 Hopper 架构(H100/H200)。其旗舰产品 B200 采用双 die 封装设计,晶体管数量达 2080 亿,FP4 精度下推理性能可达 Hopper 的数倍。美国商务部工业与安全局(BIA)在 2023 年 10 月及后续多轮修订中,以总处理性能(TPP)和性能密度为指标划定对华出口红线,Blackwell 系列因性能指标远超阈值而被明确列入禁售清单。这也是为何任何关于中国实验室获取该芯片的说法都直接触及出口管制政策的有效性。
调查方法:芯片指纹如何被识别
Checkpoint Forensics 的切入点并非硬件采购记录,而是模型本身的「指纹」。其报告页面显示,调查者通过对模型输出进行取证分析,推断训练所依赖的硬件架构。这条技术路径的逻辑在于:不同 GPU 架构在浮点运算行为、数值精度处理等底层特性上存在细微差异,这些差异会以统计特征的形式残留在模型权重与推理表现中。
这种方法论也解释了为什么消息来自取证机构而非传统媒体——它依赖的是技术推断而非供应链文件。说一下,该结论目前为单一来源,尚未看到 NVIDIA 或相关实验室的公开回应,也没有第三方独立复现。
模型指纹取证(model fingerprinting)是一类通过分析模型行为特征来推断其训练或运行环境的技术。其基本原理是:不同 GPU 架构在浮点运算的舍入模式、非确定性归约顺序、特定数学函数的实现细节上存在差异,这些差异会以极微弱的数值偏差形式传导至模型权重和输出分布中。研究者可以通过构造特定输入、统计输出中的异常模式,或分析权重矩阵的量化特征来反推硬件代际。不过,这类方法的信噪比通常很低,且容易受到训练框架、混合精度策略和随机种子的干扰,因此单一来源的指纹结论在学术界通常需要独立复现才能被采信。
为什么这件事值得关注
Blackwell 被禁售的政策背景,使得任何关于中国实验室使用该芯片的说法都具备了超出技术范畴的含义。一方面,它暗示受限硬件可能通过非正式渠道流入;另一方面,它也折射出中国 AI 团队对最先进算力的渴求程度——即便在管制之下,仍倾向于在旗舰模型上使用最前沿的硬件。
从工程角度看,头部实验室集体押注同一架构,说明在超大规模训练场景中,硬件生态的成熟度与软件栈的适配性仍然是决定性因素。算力替代方案在推理侧进展迅速,但在最前沿的训练任务上,选择余地依然有限。
社区反应与待解疑问
Reddit 讨论区的声音大致分为两派。一派认为取证推断的可靠性存疑,模型指纹是否足以唯一指向某一代硬件,需要更严格的方法学披露;另一派则认为这恰好印证了出口管制的实际效果有限,硬件流动的路径比政策设计者预想的更复杂。
目前悬而未决的问题包括:调查是否覆盖了模型训练的完整链路,还是仅基于推理侧特征;四家实验室的具体身份是否会在后续报告中披露;以及 NVIDIA 方面是否会就芯片流向作出说明。在这些问题得到回应之前,把该结论当作定论为时尚早,但它无疑为 AI 算力供应链的透明度讨论提供了一个具体案例。
对于开发者和研究者而言,这件事的现实启示在于:模型能力的归因正在变得越来越复杂,硬件、数据与训练方法的边界在取证层面开始模糊。理解一个模型,可能需要同时理解它跑在什么芯片上。
相关推荐

GPT-6.2 Astra与Sol发布:双模型架构与社区热议
OpenAI 发布 GPT-6.2,包含 Astra 与 Sol 两个模型。本文梳理官方公告与 Hacker News 社区讨论,分析双模型架构对开发者的潜在影响与选型建议。

Gmod TTT 埃及主题地图:太空资本主义与法老对决
探索Gmod TTT埃及主题地图的趣味玩法:玩家选择法老等角色,通过立方体传送到太空,展开资本主义与共产主义的幽默对决,并体验道具战斗的混乱乐趣。

GraphRAG:超越搜索,实现全局知识发现
GraphRAG 是微软研究院推出的知识图谱增强检索技术,超越传统 RAG 的局部搜索,实现全局性知识发现。本文介绍其核心理念、代际演进及医疗领域应用案例。