تحقیقات فارنزیک (Forensic) نشان می‌دهد که آزمایشگاه‌های هوش مصنوعی در چین، علی‌رغم محدودیت‌های صادراتی ایالات متحده، موفق به دسترسی و استفاده از پردازنده‌های گرافیکی (GPU) پیشرفته سری Blackwell شرکت Nvidia شده‌اند. شواهد به‌دست‌آمده از تحلیل وزن‌های مدل‌های هوش مصنوعی (Model Weights)، وجود اثر انگشت سخت‌افزاری این تراشه‌ها را در مدل‌های توسعه‌یافته توسط شرکت‌هایی نظیر DeepSeek، Moonshot AI، MiniMax و Ant Group تأیید می‌کند.
روش شناسایی اثر انگشت سخت‌افزاری
این تحلیل بر پایه یک ویژگی فنی استوار است: هنگام راه‌اندازی اولیه یک مدل هوش مصنوعی، مقادیر اولیه وزن‌ها (Weights) بر اساس الگوریتم‌های تولید اعداد شبه‌تصادفی (PRNG) مانند Philox و با استفاده از کتابخانه‌هایی نظیر cuRAND شرکت Nvidia در محیط PyTorch تعیین می‌شوند. این فرآیند، الگوهای خاصی را ایجاد می‌کند که به نوع دقیق GPU و مقدار Seed (دانه اولیه) بستگی دارد. این الگوها به نوعی «اثر انگشت» سخت‌افزاری هستند که حتی پس از اتمام فرآیند آموزش (Training)، در مدل نهایی باقی می‌مانند.
در این بررسی، بیش از ۶ تریلیون ترکیب از چیدمان تراشه و مقدار Seed مورد جستجو قرار گرفت که منجر به تطبیق مدل‌هایی نظیر DeepSeek-V4-Pro، Kimi K3 و MiniMax-M3 با سیستم‌های Grace Blackwell (شامل بخش‌های GB200 و GB300) شد.
شکاف‌های امنیتی و سیاست‌های صادراتی
این یافته‌ها نشان‌دهنده ناکارآمدی برخی از قوانین فعلی کنترل صادرات است. یکی از شکاف‌های اصلی که می‌تواند به عنوان یک loophole عمل کند، استفاده از ارائه‌دهندگان خدمات ابری (Cloud Providers) مستقر در ایالات متحده برای دسترسی به این سخت‌افزارهاست. همچنین، گزارش‌های دیگری از شناسایی پردازنده‌های Blackwell از طریق نقاط پایانی (Endpoints) نظارتی که به صورت عمومی در دسترس بودند، تأیید می‌کند که این سخت‌افزارها از طریق مسیرهای غیرمستقیم در دسترس آزمایشگاه‌های چینی قرار گرفته‌اند.
در حالی که تلاش‌های قانون‌گذاری در ایالات متحده برای محدود کردن دسترسی چین به فناوری‌های پیشرفته هوش مصنوعی در جریان است، شواهد موجود نشان می‌دهد که تکنیک‌های دور زدن محدودیت‌ها با سرعت بالایی در حال تکامل هستند.
