4个疑点曝光:国产大模型性能狂飙,背后真相有多扎心?
这两天,一份「体检报告」在AI圈刷屏。
11月12日,一位前OpenAI研究员发布研究,说给六款国产开源大模型做了回「指纹鉴定」。
结论很扎眼:它们的初始权重里,带着英伟达Blackwell芯片的痕迹。
而Blackwell,是美国明令禁止对华出口的芯片。
消息一出,标题满天飞。有人惊呼「底牌曝光」,有人直接断言「违规走私」。
可把报告原文翻完,你会发现——事情比标题复杂得多。
这篇文章不站队,只拆四个疑点。看完你自己判断。
️ 疑点一:芯片的「指纹」,到底是怎么抓到的先说方法,不然容易被标题带跑。
大模型训练前,得先给上千亿个参数填一组初始值。PyTorch用的是Philox伪随机数算法。
关键来了:同一组随机数,落在不同芯片上,位置不一样。
因为芯片的流式多处理器(SM)数量不同。Hopper是132个,B200/B300是148个,GB200/GB300是152个。种子相同,落点也不同。
这就像同一串数字,在不同规格的格子里排版,印出来的图案各不相同。
训练会改掉大部分初始值,但总有一些参数没怎么动。
报告作者搜了大约6万亿种「种子+布局」组合,再拿没参与搜索的权重做验证。随机误判的基线约8个标准差,实测最强结果从49到1385个标准差。
更硬的是真机复现。用恢复出的种子,一块H100能复现DeepSeek-V3的保留值,却复现不了V4-Flash;换成B300,结果正好反过来。469行里复现461行,其中445行逐位一致。租来的GB200也复现了Kimi K3的13行。种子改一个数字,全对不上。
所以「指纹」这件事,技术上是站得住的。
但注意,它证明的只是:初始权重在哪种芯片上生成。
⚖️ 疑点二:底牌是工程创新,还是算力捷径这是最容易被误读的地方。
先看报告给出的名单:DeepSeek-V4-Flash和V4-Pro、Kimi K3和K3.1-Pro、MiniMax-M3、蚂蚁Ling-3.1-flash,共六款。
分界线整齐得有点反常。同系列老版本,比如DeepSeek-V3、Kimi K2.5、MiniMax-M2.7,读出来全是Hopper。2026年4月之后的新版本,指纹才换成Blackwell。
而阿里Qwen、智谱GLM、腾讯、小米、阶跃星辰的最新模型,测出来仍是Hopper。
这不是整个国产开源圈集体「换芯」,只是四家实验室的六款模型。
再说工程这边。过去一年国产模型的进步,确实不只是堆算力。
稀疏MoE架构让万亿参数模型的激活成本压到千亿级;GLM-5.3基座不变,靠后训练把编程能力提升五成;腾讯混元Hy4让模型参与优化自身训练方法,推理吞吐提升超三成。华为的昇腾超节点,则想把十万张卡连成「一台计算机」。
这些是真功夫,不该被一份报告抹掉。
但另一面也别回避。报告估算,五次最终训练合计用了约1.2万张Blackwell,硬件成本超过5亿美元。作者自己强调这只是粗略估算,首版数字发布当天就改过。
真相大概是两条腿走路:工程创新在提速,算力规模在托底。
疑点三:芯片在哪、归谁,报告其实没说这一条最容易被跳过,却最关键。
报告原话写得很清楚:证据不能证明芯片被走私进中国,也不能证明存在违反出口管制的行为。
为什么?三个原因。
第一,指纹只记录初始化那一步。完全可以在一套系统上初始化,再搬到另一套系统上训练。
第二,它查不出芯片归谁、放在哪个国家。Blackwell服务器完全可以在中国境外的数据中心租用。
第三,报告自己说,这类证据「支持、但不能证明」Blackwell也承担了训练。
同一周还有个背景:美国商务部被曝正在敲定规则,要限制中国AI公司通过境外数据中心远程使用先进芯片。如果落地,境外租用这条路首当其冲。
所以「有痕迹」和「违规了」,中间隔着好几道证据门槛。
指纹能告诉你芯片长什么样,却告诉不了它站在哪间机房。
疑点四:这份证据,到底有多硬别把「研究」当成「结论」。
这是个人研究,自出版,没经过同行评审。作者Will DePue自述曾在OpenAI参与Sora和o3、4o的后训练,他说有同行独立验证过,但报告里没列任何外部审阅者。
验证脚本和部分保留权重已经公开,检查程序据说在笔记本上几秒就能跑完。但完整的6万亿次搜索过程和统计处理,仍在仓库之外。
截至发稿,被点名的四家公司、英伟达和美国商务部,都没有公开回应。
方法也有前提:只适用于公开权重的模型,闭源模型查不了;用CPU初始化或非CUDA框架训练的模型,不会留下这类痕迹。
还有个替代解释——AMD的MI300X理论上能配置出相同的线程布局。报告说在DeepSeek-V4-Flash上已经排除,其余五款判定为「极不可能」。
而且这套方法要先从结果倒推种子和布局,完整搜索过程尚未公开,独立复现还在路上。
证据最值钱的地方,不是它证明了什么,而是它诚实标出了自己证明不了什么。
这件事,跟普通人有什么关系你可能会说,这是大厂和监管机构的事,跟我何干。
关系不小。
技术选型:开源模型的可信度,不等于硬件清白,也不等于原罪。选模型还是看许可条款、可复现性和实际表现,别被一条「指纹」带节奏。
开源生态信任:过去大家默认,权重公开就是技术透明。现在看,权重可能同时是一份可被检验的「硬件声明」。以后每次开源,都可能被拿去跑一遍指纹检测。
出海合规:两头都在收紧。美国在堵境外租用算力;中国10月16日发布的征求意见稿,拟把模型权重、关键检查点、底层源码纳入技术出口管理,意见反馈已于11月15日截止。做模型出海的团队,得把合规前置。
竞争格局认知:中美AI竞赛既不是「轻松弯道超车」的爽文,也不是「全靠偷来算力」的阴谋论。它是算力、工程、生态三重变量的长期博弈。
把任何一端当成全部真相,都会在下一轮变化里判断失误。
写在最后这份报告最扎心的地方,其实不是「国产模型用了禁芯片」。
而是它让我们看到:模型的权重里,藏着连发布者可能都没意识到的痕迹。技术从来不是中性的,它一直在悄悄记录自己是怎么被造出来的。
芯片会留下指纹,性能却不会替自己解释来源。
真正成熟的态度,是在「底牌曝光」的惊呼里,还能翻到报告最后那一页——上面写着「不能证明」。
那一刻,你才看懂了这场竞争。
本文来源于网络,仅供学习交流,如有侵权请联系删除