Jan Sverre Bauge

Seks kinesiske AI-modeller avslører spor av Nvidia Blackwell

Seks kinesiske AI-modeller har målbare spor av Nvidia Blackwell. Funnene viser tilgang til eksportkontrollert maskinvare, men beviser ikke lovbrudd.

Jan Sverre med kinesiske AI-modeller og spor etter Nvidia Blackwell-brikker
Seks kinesiske toppmodeller har målbare spor etter Nvidia Blackwell. Funnet viser maskinvaretilgang, men ikke hvordan den ble skaffet.

Seks kinesiske AI-modeller bærer målbare spor av Nvidia Blackwell-brikker som krever amerikansk eksportlisens til Kina. Sporene finnes i de publiserte modellvektene til DeepSeek, Moonshot AI, MiniMax og Ant Group. Det er teknisk dokumentasjon på tilgang til avansert maskinvare, ikke bare et rykte fra en anonym kilde.

Funnet punkterer samtidig en behagelig forestilling om at eksportkontroll har holdt de kraftigste brikkene borte fra Kinas fremste AI-laboratorier. Den har i beste fall vært en dyr fartsdump. Når flere konkurrerende laboratorier får fram modeller med den samme Blackwell-signaturen, er ikke dette lenger en historie om ett mystisk parti som kan ha falt av en lastebil.

Men presisjon er viktig: Analysen beviser ikke hvor brikkene sto, hvordan tilgangen ble skaffet eller at noen brøt loven. Maskinvaren kan ha stått i et datasenter utenfor Kina. Det endrer ikke hovedpoenget. Hensikten med kontrollen var å hindre kinesiske selskaper i å bruke den mest avanserte amerikanske regnekraften til å trene toppmodeller. Modellvektene tyder på at akkurat den kapasiteten likevel var tilgjengelig.

Hva fant forskerne i de kinesiske AI-modellene?

En analyse fra Will DePue og Unemployment Labs fant Blackwell-signaturer i seks modeller lansert siden april 2026. DeepSeek-V4-Flash og MiniMax-M3 matcher B200 eller B300, mens DeepSeek-V4-Pro, Kimi K3, Kimi K3.1-Pro og Ling-3.1-flash matcher GB200 eller GB300. De fire laboratoriene er DeepSeek, Moonshot AI, MiniMax og Ant Group.

Skiftet blir ekstra interessant når modellene sammenlignes med forgjengerne. DeepSeek-V3 fra desember 2024 har en Hopper-signatur, mens V4-modellene fra april 2026 peker mot Blackwell. Moonshots Kimi K2 og K2.5 peker mot Hopper, men K3 fra juli 2026 og K3.1-Pro fra november peker mot Grace Blackwell. MiniMax går fra Hopper i M2.7 til Blackwell i M3, og Ant Group går fra Hopper i Ling-3.0-flash til Blackwell i Ling-3.1-flash.

Dette er altså ikke en metode som tilfeldigvis kaller alt kinesisk for Blackwell. De nyeste modellene fra Alibaba, Zhipu, Tencent, Xiaomi og StepFun ga Hopper-signaturer i den samme undersøkelsen. Meituans LongCat-2.0 ga ingen Nvidia-signatur, i tråd med selskapets opplysning om at modellen ble trent på egne ASIC-klynger.

Sammenligning av Hopper- og Blackwell-signaturer i seks kinesiske AI-modeller
Nyere modeller fra fire kinesiske laboratorier peker mot Blackwell, mens flere forgjengere og kontrollmodeller peker mot Hopper.

Hvordan kan modellvekter avsløre hvilken GPU som ble brukt?

Modellvekter er milliarder eller billioner av tall som justeres under treningen. Før treningen starter, må tallene få startverdier. Programvaren som ble undersøkt bruker en pseudotilfeldig tallgenerator kalt Philox. Den lager de samme tallene hver gang den får samme startverdi, men måten tallene fordeles på avhenger av hvordan arbeidet legges ut over GPU-en.

Ulike Nvidia-generasjoner har forskjellig antall streaming multiprocessors, forkortet SM. Hopper-brikkene i denne analysen gir et mønster knyttet til 132 SM-er. B200 og B300 gir 148, mens GB200 og GB300 gir 152. Noen startverdier overlever treningen helt eller delvis, og dermed blir maskinvareoppsettet liggende igjen som et slags avtrykk i den ferdige modellen.

DePue søkte gjennom omtrent 6 billioner kombinasjoner av seeds og oppsett. Den sterkeste tilfeldige matchen burde ifølge rapporten stoppe rundt 8 sigma, mens de seks Blackwell-resultatene lå mellom 49 og 1 385 sigma. Selv den svakeste enkeltprøven som ble rapportert, nådde 20 sigma. Metoden traff dessuten riktig i alle de 24 tilfellene der utvikleren offentlig hadde oppgitt maskinvaren, selv om forskerne understreker at beslektede modeller gjør dette til en konsistenskontroll og ikke en komplett måling av treffsikkerhet.

For DeepSeek-V4-Flash og Kimi K3 ble mønsteret også bekreftet på fysiske Blackwell-brikker. Kode og bevarte modellrader er publisert på GitHub, slik at sentrale deler av funnet kan etterprøves. Det gjør dette langt mer interessant enn nok en påstand fra en tjenestemann som ikke kan vise grunnlaget.

Beviser funnene at eksportreglene ble brutt?

Nei. Blackwell-signaturen viser hvilken maskinvareklasse som opprettet startverdiene, og støtter en sterk slutning om at samme klasse ble brukt i treningen. Den viser ikke maskinens serienummer, geografiske plassering, eier eller transportvei. Dermed kan ikke modellvektene alene bevise smugling eller peke ut hvem som eventuelt brøt en regel.

Rapporten oppgir også et teknisk alternativ: Spesielt konfigurert AMD-maskinvare kan i teorien lage lignende mønstre. Den muligheten ble utelukket for DeepSeek-V4-Flash og vurdert som svært lite sannsynlig for de fem andre modellene. AMD-maskinvaren det gjelder, er dessuten også underlagt eksportkontroll.

Det finnes en annen viktig mulighet. Et kinesisk selskap kan ha leid kapasitet i et datasenter utenfor Kina. Brikken trenger ikke stå i Shanghai for at et laboratorium i Kina skal bruke den. De amerikanske eksportreglene krever lisens for de aktuelle Blackwell-klassene til Kina, men et maskinvareavtrykk i en modell avgjør ikke hvordan en konkret leveranse eller fjernbruk skal vurderes juridisk.

Dette forbeholdet redder likevel ikke eksportkontrollen som teknologisk barriere. Hvis målet bare var at brikkene ikke fysisk skulle passere en bestemt grense, kunne geografien vært hele svaret. Målet har vært å bremse kinesisk utvikling av avanserte AI-modeller. Da er det bruken av regnekraften som teller, ikke postadressen til serverhallen.

Teknisk Blackwell-avtrykk viser maskinvareklasse, men beviser ikke smugling eller lovbrudd
Et Blackwell-avtrykk dokumenterer maskinvareklassen, men avslører ikke plassering, eier eller tilgangsvei.

Hvor store treningsklynger kan det være snakk om?

Forskerne anslår at Kimi K3 kan ha brukt rundt 4 500 Blackwell-GPU-er i omtrent 70 dager. DeepSeek-V4-Pro anslås til rundt 3 000 GPU-er over en tilsvarende periode. For DeepSeek-V4-Flash, MiniMax-M3 og Ling-3.1-flash er beste estimat omtrent 1 500 GPU-er hver. Til sammen blir det rundt 12 000 Blackwell-brikker fordelt på fem treningsløp.

Usikkerheten er stor. Det samlede intervallet er 7 000 til 22 000 brikker, og antallet avhenger blant annet av hvor effektivt laboratoriene brukte maskinvaren, hvor mange tokens modellene ble trent på og hvor lenge kjøringene varte. Halveres den antatte treningstiden, dobles det nødvendige antallet GPU-er. Forskerne skriver rett ut at de ikke er sikre på disse mengdeanslagene.

Likevel sier skalaen noe viktig. Dette er ikke noen få utviklingskort under et skrivebord. De største anslåtte løpene tilsvarer omtrent 7 500 og 11 500 H100-brikker. Rapporten anslår en verdi på rundt 200 til 300 millioner dollar – cirka 1,9 til 2,9 milliarder kroner med dagens kurs – for de største klyngene. Slike tall bygger på flere antakelser og skal leses som størrelsesorden, ikke faktura.

Hvis anslagene treffer noenlunde, krever tilgangen både kapital, infrastruktur og planlegging. Det gjør en forklaring basert på enkelte tilfeldige smuglerbrikker lite troverdig som hele historien. Enten har avansert maskinvare kommet fram i betydelig skala, eller så har laboratoriene fått tilgang til store klynger andre steder. Begge deler betyr at kontrollsystemet har et hull stort nok til et datasenter.

Hvorfor eksportforbud blir en fartsdump og ikke en mur

Avanserte AI-brikker er ekstremt verdifulle, lette å flytte sammenlignet med verdien og tilgjengelige gjennom en global kjede av distributører, datasentre og skyleverandører. Når etterspørselen er høy nok, oppstår det nye ruter. Et forbud fjerner ikke behovet. Det gjør tilgangen dyrere, mer komplisert og mindre gjennomsiktig.

Det er også en klassisk fordel for de største aktørene. Store laboratorier har penger til lange leverandørkjeder, dyre datasentre og kompliserte avtaler. Store amerikanske leverandører har jurister og compliance-avdelinger som kan navigere reglene. Mindre aktører står igjen med kølappen. Når staten bygger en høy port, er det sjelden gigantene som sliter mest med å komme gjennom.

Samtidig får Kina enda sterkere grunn til å bygge en egen chipindustri. Det betyr ikke at kinesiske alternativer plutselig er like gode som Blackwell, eller at Nvidia kan erstattes over natten. Det betyr bare at et eksportforbud også finansierer motivasjonen til å bli mindre avhengig av leverandøren som kontrolleres. Det er en ganske forutsigbar bieffekt.

Jeg er skeptisk til kinesiske modeller, men skepsis må bygge på det modellen og leverandøren faktisk gjør. Det er ikke seriøst å avskrive DeepSeek, Kimi eller MiniMax med en antakelse om at de nødvendigvis er trent på annenrangs maskinvare. Denne analysen peker i motsatt retning for flere av de nyeste modellene.

Hva betyr funnet for utviklere og bedrifter?

For utviklere betyr det først og fremst at maskinvaregapet ikke kan tas for gitt. En kinesisk open-weight-modell kan være trent med samme GPU-generasjon som vestlige toppmodeller. Det gjør ikke modellen automatisk god, trygg eller egnet for din bruk. Det betyr at vurderingen må skje på faktisk kvalitet, lisens, databehandling, sikkerhet og kostnad, ikke på en bekvem historie om at eksportkontroll har holdt den tekniske kapasiteten nede.

For bedrifter som følger geopolitisk risiko, er skillet mellom teknisk funn og juridisk konklusjon avgjørende. Blackwell-signaturen er sterk dokumentasjon på tilgang. Den er ikke bevis på en bestemt smuglerkjede. Leverandører som påstår at de vet nøyaktig hvor maskinvaren sto, må legge fram mer enn disse vektene.

For Nvidia og amerikanske myndigheter er funnet mer ubehagelig. Seks modeller fra fire laboratorier tyder på et systemproblem, ikke et enkelt avvik. Man kan svare med enda flere skjemaer, lisenser og kontroller av fjernbruk. Men jo mer komplisert regelverket blir, desto større blir fordelen for de største selskapene, mens den grunnleggende etterspørselen fortsatt står der.

Den ærlige konklusjonen er derfor ganske enkel: Eksportkontrollen har økt prisen og friksjonen, men den ser ikke ut til å ha holdt Blackwell-kapasitet borte fra flere av Kinas fremste AI-laboratorier. Modellvektene forteller ikke hvem som brøt hvilken regel. De forteller noe mer teknisk og kanskje mer belastende: Regnekraften kom fram til jobben.

Ofte stilte spørsmål

Hvilke kinesiske AI-modeller har spor av Nvidia Blackwell?

DeepSeek-V4-Flash, DeepSeek-V4-Pro, Kimi K3, Kimi K3.1-Pro, MiniMax-M3 og Ling-3.1-flash har Blackwell-signaturer i analysen. Modellene kommer fra DeepSeek, Moonshot AI, MiniMax og Ant Group og ble lansert mellom april og november 2026.

Kan modellvekter bevise at Nvidia-brikker ble smuglet til Kina?

Nei. Vektene kan identifisere et maskinvaremønster, men ikke vise hvor GPU-ene sto, hvem som eide dem eller hvordan laboratoriet fikk tilgang. Funnet støtter at Blackwell-maskinvare ble brukt, men beviser ikke smugling eller et konkret lovbrudd.

Hvor sikkert er Blackwell-funnet?

De seks hovedresultatene ligger mellom 49 og 1 385 sigma, langt over det forskerne forventet fra tilfeldige treff. Metoden stemte også med 24 offentlige maskinvareopplysninger. Den er sterk, men kan ikke alene fastslå plassering, eierskap eller juridisk ansvar.

Betyr Blackwell-trening at kinesiske modeller er like gode som vestlige?

Nei. Maskinvaren er bare én del av resultatet. Data, arkitektur, trening, ettertrening og evaluering betyr også mye. Funnet betyr at man ikke bør anta et stort maskinvarehandikap. Modellene må fortsatt vurderes på kvalitet, sikkerhet, lisens og faktisk bruk.

Legg igjen en kommentar

Din e-postadresse vil ikke bli publisert. Obligatoriske felt er merket med *