El análisis forense vincula modelos de IA chinos con GPUs NVIDIA Blackwell con control de exportación

El análisis forense de modelos de IA publicados públicamente por DeepSeek, Moonshot AI, MiniMax y Ant Group ha revelado patrones numéricos que coinciden con la arquitectura de GPU Blackwell de NVIDIA. Estos hallazgos sugieren que, si bien los controles de exportación de EE. UU. pretenden limitar el acceso de China a la potencia de computación de alto nivel, varios desarrolladores chinos líderes han integrado con éxito estos chips en el entrenamiento de sus modelos de vanguardia más recientes.

Esta imagen proporciona un resumen visual de los modelos y laboratorios específicos identificados en el análisis forense = IMG-001

El mecanismo de la huella de hardware

La evidencia se deriva de los 'pesos' del modelo, los miles de millones de números que determinan cómo una IA procesa la información. Durante la fase de entrenamiento inicial, estos pesos se asignan valores iniciales utilizando un algoritmo de generación de números pseudoaleatorios deterministas (PRNG) llamado Philox.

Debido a que el software (PyTorch) divide este trabajo entre hilos paralelos en una GPU, el número específico de unidades de procesamiento (multiprocesadores de flujo, o SMs) determina cómo se distribuyen esos números. Un chip con un recuento de SM diferente colocará los mismos números aleatorios en posiciones diferentes en la matriz de pesos.

Esta figura explica el mecanismo fundamental de cómo la configuración del hardware influye en la distribución de los pesos = IMG-002

Al comparar los pesos publicados con miles de configuraciones potenciales, los investigadores pueden identificar el diseño exacto del hardware. Por ejemplo, los chips Blackwell B200/B300 utilizan 148 SMs, mientras que los chips GB200/GB300 utilizan 152 SMs. Los modelos en cuestión coincidieron con estos recuentos específicos con una alta significancia estadística.

Esta visualización demuestra cómo el cambio en el diseño del hardware altera la distribución de pesos resultante = IMG-003

“Los hallazgos sugieren que varios desarrolladores de IA líderes en China han comenzado a utilizar Blackwell para entrenar sus modelos más nuevos.”

— Top Chinese Frontier AI Models Carry the Fingerprint of Export-Controlled NVIDIA Blackwell GPUs

Cronología de la transición de hardware

Los datos forenses revelan un cambio distintivo en el hardware utilizado por los laboratorios chinos. Por ejemplo, el modelo V3 de DeepSeek (lanzado en diciembre de 2024) coincide con la huella de la era Hopper, mientras que sus modelos V4-Flash y V4-Pro (lanzados en abril de 2026) coinciden con la arquitectura Blackwell.

Esta imagen proporciona la evidencia principal de la técnica de huella de hardware utilizada en el estudio = IMG-004

Se observaron patrones similares en Moonshot AI, donde los modelos pasaron de Hopper a Blackwell entre enero de 2026 y julio de 2026. Ant Group también mostró un cambio de Hopper en su modelo Ling-3.0-flash a Blackwell en su lanzamiento Ling-3.1-flash.

Gráfico elaborado por HN Digest a partir de cifras de unemploymentlabs.com; los valores se muestran como aparecen en la fuente.

Cabe destacar que no todos los laboratorios chinos han realizado el cambio. Los modelos de Alibaba, Zhipu y Tencent todavía muestran huellas de la era Hopper, y Meituan informó el uso de 'superpods de ASIC de IA' que no mostraron ninguna firma de hardware de NVIDIA.

Escala e implicaciones económicas

El análisis sugiere que estas ejecuciones de entrenamiento se llevaron a cabo a una escala masiva de centro de datos. Basándose en el tamaño de los modelos y la cantidad de datos de entrenamiento, los investigadores estiman que cada ejecución requirió entre 500 y 3,000 GPUs Blackwell durante un período de dos a tres meses.

A un costo estimado de $70,000 por GPU, el más grande de estos clústeres costaría entre $150 millones y $200 millones para su inicialización. La inversión total para los cinco modelos identificados entrenados con Blackwell probablemente supera los quinientos millones de dólares, excluyendo los costos de las ejecuciones de entrenamiento iniciales.

Si bien los hallazgos proporcionan evidencia técnica del acceso al hardware, no establecen cómo se obtuvieron los chips, dónde se ubicaron o si se violaron leyes de exportación específicas.