Unemployment Labs 於 11 月 12 日發布一份法醫式分析報告，標題直接點明「中國頂尖前沿 AI 模型帶有受出口管制的輝達 Blackwell GPU 指紋」。研究作者 Will DePue 從公開模型權重中還原初始數值，再比對硬體設定等資料，指稱 DeepSeek、Moonshot AI、MiniMax 與螞蟻集團共有六款模型是在 Blackwell 等級硬體上初始化，時間點集中在 2026 年 4 月之後。
一、報告的核心發現
報告列出六款模型。DeepSeek-V4-Flash 與 MiniMax-M3 對應 B200 或 B300，這兩款晶片具有 148 個串流多處理器（SM）。DeepSeek-V4-Pro、Kimi K3、Kimi K3.1-Pro 與 Ling-3.1-flash 則對應 GB200 或 GB300，具有 152 個 SM。報告強調，這些晶片出口到中國都需要美國許可，而目前並未見到任何許可獲準的公開紀錄。
時間線也值得注意。DeepSeek 的模型在 V3 之前都讀出 Hopper 特徵，2026 年 4 月的 V4 系列才轉為 Blackwell。Moonshot 的 Kimi K2.5 仍是 Hopper，7 月的 K3 轉為 Blackwell。MiniMax 的 M2.7 是 Hopper，6 月的 M3 轉為 Blackwell。螞蟻集團的 Ling-3.0-flash 是 Hopper，10 月的 Ling-3.1-flash 轉為 Blackwell。這條時間線顯示，中國尖端實驗室取得 Blackwell 的時間相當集中，並非長期以來的普遍現象。
報告也明確指出，並非所有中國實驗室都轉向 Blackwell。阿里 Qwen、智譜 GLM、騰訊、小米與 StepFun 最新可讀的模型仍讀出 Hopper 特徵，美團 LongCat-2.0 則因使用 AI ASIC 超算叢集，權重中沒有輝達指紋。
二、方法怎麼運作
這套方法的核心是偽隨機數生成器 Philox。模型在訓練前必須先產生數十億個初始權重，這些數值來自種子（seed）驅動的確定性序列。PyTorch 會把這項工作分配給 GPU 上的多個執行緒，執行緒數量與 SM 數量決定數值如何分布。因此，同一個種子在不同 SM 數的晶片上，會產生不同的權重排列。
研究團隊先從模型權重中找回種子與殘留的初始數值，再搜尋能重現這些數值的硬體配置。他們在實體 H100 與 B300 上驗證，DeepSeek-V3 的初始值只能由 H100 重現，V4-Flash 只能由 B300 重現，種子改一就完全對不上。Kimi K3 在租用的 GB200 上也重現了 13 列保留數值。報告強調，六款模型的證據強度介於 49 到 1,385 個標準差之間，而約 6 兆種組合中，隨機巧合最強也只到約 8 個標準差。
方法可信度的另一個佐證是已知答案測試。在 24 個開發者已公開說明硬體的模型案例中，這套方法全部給出相同答案，包括 Meta Llama 3.1 的 H100、EleutherAI Pythia 的 A100，以及輝達自家 Nemotron-3 Ultra 的 GB200。
三、報告自己承認的限制
這份報告的分寸拿捏得相當清楚。它證明的是初始權重由哪種硬體產生，不必然等於整段訓練都在同一批硬體完成。實驗室可能在 A 系統產生權重、再移到 B 系統訓練，或在新硬體上接續訓練，權重本身無法排除這些可能。混合叢集也有同樣問題，若輝達晶片產生部分權重、華為晶片後續參與訓練，輝達指紋仍可能留存。
更關鍵的是，權重無法說明晶片由誰擁有、放在哪裡。Blackwell 系統可以向中國境外的資料中心租用，因此這份證據證明的是取得先進算力，而不是晶片被偷運進中國或出口管制被違反。作者自己也說，這些發現支持但未證明 Blackwell 同時執行了訓練。
唯一的替代解釋是 AMD。MI300X 正常有 304 個處理單元，但可切成兩組 152 或只使用 148，其隨機數軟體也能產生與輝達相同的底層序列。不過研究團隊在實體 MI300X 上比對 DeepSeek-V4-Flash 的 377 個差異數值，其中 363 個與輝達相符，與 AMD 相符的是零個。其餘五款雖無法用同一測試定案，但作者認為 AMD 解釋的可能性極低。
四、算力規模與成本推估
報告依模型大小、訓練資料量與發布時程推算，五款模型的最終訓練各需約 1,500 至 3,500 顆 Blackwell GPU，合計約 12,000 顆，範圍落在 7,000 至 20,000 顆。以《華爾街日報》報導字節跳動在馬來西亞部署約 36,000 顆 Blackwell、成本超過 25 億美元推算，每顆約 7 萬美元，最大的單一叢集約 2 億美元，五個叢集合計超過 5 億美元。
作者提醒，這些數字只涵蓋最終訓練，不含實驗、早期訓練與推論服務，且高度依賴四個假設，分別是 GPU 使用效率、訓練 token 數、訓練時長，以及訓練是否全程留在同一批硬體。因此實驗室在受管制 GPU 的總支出，很可能達到數十億美元規模。
五、市場與政策的最新狀態
這份報告發布的時間點，正好撞上輝達的治理風暴與美國國會的立法攻防。輝達股價在 11 月 12 日收在 166.19 美元，單日下跌 4.34%，距 52 週高點 243.37 美元約回落 32%。同日費城半導體指數收 10,506.67 點，下跌 0.54%，標普 500 收 7,592.4 點，下跌 0.35%。台積電 11 月 13 日在台北股市盤中報 2,375 元，上漲 1.5%，顯示衝擊主要集中在輝達本身與美國晶片政策預期，而非整體半導體供應鏈。
政策面壓力正在升高。CNBC 報導，國會正推動把 AI Overwatch Act、Chip Security Act 與 MATCH Act 等晶片管制法案納入年度國防授權法案（NDAA）。參議院民主黨領袖 Chuck Schumer 已呼籲通過，眾院中國委員會主席 John Moolenaar 也要求把出口管制寫進國防法案。眾院議長 Mike Johnson 與民主黨領袖 Hakeem Jeffries 都表態支持收緊。業界形容黃仁勳過去是業界最有效的反管制遊說者，但這次醜聞削弱了輝達阻擋法案的能力。
行政面也在動。商務部正敲定規則，防止中國 AI 公司透過境外資料中心遠端使用先進晶片，並可能把 Megaspeed 等實體列入黑名單。參議院銀行委員會主席 Tim Scott 已要求黃仁勳於 12 月 3 日、商務部長 Howard Lutnick 於 12 月 10 日出席聽證，並警告必要時動用傳票。
六、這份報告為什麼重要
CyberQ 認為，過去關於中國使用 Blackwell 的說法，多半來自官員談話、媒體引述與匿名消息。輝達曾以說法牽強回應走私報導。這份報告的價值在於，它把爭論從誰說了什麼移到模型權重能不能重現。這是一種可被第三方複驗的證據，也是目前為止最具體的技術佐證。
但它的政治效力仍有界線。報告證明中國實驗室取得了 Blackwell 算力，卻沒有證明晶片在境內、也沒有證明許可證被違反。若中國實驗室是透過馬來西亞、新加坡等境外資料中心租用算力，那麼在法律上並不構成出口違規，卻正好對應商務部正在收緊的遠端存取漏洞。這也解釋了為什麼報告與新規則會在同一週出現。
CyberQ 觀點
CyberQ 認為，這件事的關鍵其實是美國自己設定的 AI 算力圍牆早就出現破口。當模型權重成為可驗證的供應鏈證據，出口管制就不再只是海關與許可證的問題，而是技術鑑識的問題。
對各位讀者而言，有兩點值得留意。第一，輝達的中國營收佔比與境外算力樞紐，會直接影響 11 月 17 日財報的市場反應。第二，若 NDAA 真的納入遠端存取條款，受影響的不只是中國實驗室，也包括在東南亞布局算力的台灣伺服器與代工供應鏈。
