ورشة مجانية 21–22.11ورشة مجانية لمدة يومين في Vibecoding يومي 21–22 نوفمبر الساعة 16:00 بتوقيت موسكو · الدفعة 3 تبدأ 23.11سجّل مجاناً ←الدفعة 3 (23.11)
بنية تحتيةتحليل · على الرادارThe Decoder→ المصدر

باحث سابق في OpenAI يرصد أثر شرائح Blackwell المحظورة في 6 نماذج صينية

رصد ويل ديبيو، الباحث السابق في OpenAI، أثر شرائح Nvidia Blackwell في 6 نماذج صينية، وهي شرائح لا تسمح الولايات المتحدة ببيعها إلى الصين. فقبل التدريب تملأ PyTorch الأوزان بأرقام عشوائية، ويتوقف نمطها على عدد أنوية بطاقة الرسوميات: ففي شرائح Hopper الأقدم 132 نواة، وفي Blackwell 148 أو 152. هذا يثبت الوصول إلى العتاد، لكنه لا يثبت التهريب، إذ يمكن استئجار القدرات الحاسوبية في الخارج.

معالج بواسطة الذكاء الاصطناعي من The Decoder؛ بتحرير Hamidun News
باحث سابق في OpenAI يرصد أثر شرائح Blackwell المحظورة في 6 نماذج صينية
المصدر: The Decoder. كولاج: Hamidun News.
استمع للمقال
بطاقة الحقائق والأرقام
المعيارالتفاصيل
المصدر الأصليThe Decoder ↗
رئيس التحرير
التقديراستغرقت خمس عمليات تدريب نحو 12 000 وحدة GPU من Blackwell
حقيقة رئيسية #2جرى تدريب Kimi K3 نحو 70 يومًا على 4 500 شريحة من Blackwell
حقيقة رئيسية #3حدّدت الطريقة العتاد بشكل صحيح في جميع النماذج الضابطة الـ 24

حظرت الولايات المتحدة بيع أقوى مسرّعات Nvidia إلى الصين، وهي شرائح جيل Blackwell. وكان مسؤولون وصحفيون يشتبهون منذ وقت طويل في أن المختبرات الصينية وصلت إليها رغم ذلك، لكن لم تكن هناك أدلة علنية. والآن ربما ظهرت هذه الأدلة. فقد ذكر ويل ديبيو، الباحث السابق في OpenAI، أنه عثر على «بصمة» Blackwell في ستة نماذج صينية صدرت منذ أبريل 2026. والبصمة هي نمط من الأرقام العشوائية داخل أوزان النموذج. ويتوقف هذا النمط على عدد الأنوية الحاسوبية في بطاقة الرسوميات: ففي الجيل السابق Hopper (H100 وH800) هناك 132 نواة، أما في Blackwell فهناك 148 أو 152. فإذا ظهر في الأوزان نمط «148» أو «152»، فهذا يعني أن النموذج جرت تهيئته على Blackwell.

شارك ديبيو في بناء Sora وSora 2 وGPT-4o وo3 وGPT-5، ثم أسس مجموعة بحثية غير ربحية باسم Unemployment Labs. ويقول إن باحثين كبارًا في OpenAI وAnthropic تحققوا من منهجيته بصورة مستقلة. وهذه التأكيدات معروفة حتى الآن من روايته وحده، لكنه نشر شيفرة التحقق على GitHub، وبالتالي يمكن لآخرين إعادة النتيجة.

كيف تُعرف بطاقة الرسوميات من أوزان النموذج

الشبكة العصبية هي مليارات الأرقام، أي الأوزان. وقبل التدريب تملأ PyTorch هذه الأوزان بقيم عشوائية تتولد من رقم بدء واحد هو seed. ولإنجاز ذلك بسرعة، تقسّم بطاقة الرسوميات العمل بين أنويتها. تخيّل عدة فرق تتولى توزيع مجموعة ضخمة واحدة من أوراق اللعب: إذا كان عدد الفرق 132، تُوزَّع الأوراق بترتيب معين، وإذا كان 148 أو 152 فبترتيب مختلف. ولأن عدد الأنوية يختلف من شريحة إلى أخرى، يختلف النمط الناتج.

بعد ذلك يغيّر التدريب الأوزان ملايين المرات، لكن جزءًا من الخلايا، مثل تلك الخاصة بالكلمات والرموز النادرة، لا يكاد يُمَسّ ويحتفظ بقيمه الأصلية. وحتى في الأجزاء التي خضعت لتدريب مكثف يبقى صدى إحصائي ضعيف للتعبئة الأولية. واستعاد ديبيو هذا النمط «بالاتجاه المعاكس»، وأعاد إنتاج النتائج بدقة لنموذجي DeepSeek-V4-Flash وKimi K3 على شرائح Blackwell فعلية.

أي النماذج أثارت الشبهة

وفق بياناته، تحمل ستة نماذج صينية توقيع Blackwell:

  • يشير DeepSeek-V4-Flash وMiniMax-M3 إلى B200 أو B300 (148 نواة)؛
  • ويشير DeepSeek-V4-Pro وKimi K3 وKimi K3.1-Pro وLing-3.1-flash من Ant Group إلى 152 نواة، أي إلى حوامل GB200 أو GB300 الرائدة المبرّدة بالسوائل.

أما النماذج الأقدم مثل DeepSeek-V3 وKimi K2.5 فتُظهر آثار Hopper القديمة. وما زالت نماذج Alibaba (Qwen3.8) وZhipu وTencent وXiaomi وStepFun على Hopper كذلك، بينما يشير LongCat-2.0 من Meituan إلى شرائح Huawei.

ولاختبار الطريقة، شغّل ديبيو 24 نموذجًا ضابطًا معروف عتادها، من بينها Llama 3.1 من Meta المدرَّب على H100. ووفق قوله، حُدِّدت جميعها بشكل صحيح، ويُستبعد إحصائيًا أن يكون التطابق مصادفة. أما البديل الوحيد، وهو مسرّع AMD MI300X الخاضع هو أيضًا للقيود، والذي يمكن «تقليص» مواصفاته اصطناعيًا إلى النمط نفسه، فقد استبعده في حالة DeepSeek-V4-Flash بسبب فروق طفيفة في التقريب.

والحجم لافت. فعمليات التدريب الخمس التي جرى تحليلها تطلبت، بحسب تقدير التقرير، نحو 12 000 وحدة GPU من Blackwell، وهو ما يعادل في القدرة الحاسوبية نحو 30 000 وحدة H100. وجرى تدريب Kimi K3 نحو 70 يومًا على 4 500 شريحة، وDeepSeek-V4-Pro على نحو 3 000 تقريبًا. وبسعر نحو 70 000 دولار للشريحة، يكلّف عنقود واحد من هذا النوع 200–300 مليون دولار، وتتجاوز كلفة العناقيد الخمسة معًا نصف مليار دولار. ويتفق هذا مع تقدير ديلان باتيل من SemiAnalysis، إذ قال في مقابلة مع Sequoia Capital إن بنية DeepSeek-V3 صُمّمت خصيصًا لـ Hopper، بينما بُني DeepSeek-V4 أصلًا لـ Blackwell وشرائح Ascend من Huawei.

ما الذي لا تثبته البصمة

هنا تبرز تحفظات مهمة. فالطريقة تُظهر فقط أي عتاد هيّأ الأوزان. أما التدريب نفسه فجرى على الأرجح على الأنظمة نفسها، لكن هذا استنتاج وليس قياسًا مباشرًا. والبيانات لا تحدد أين تقع وحدات GPU فعليًا ولا من يملكها. ويمكن للشركات الصينية استئجار القدرات في مراكز بيانات خارج الصين، وهذا لا ينتهك بالضرورة قواعد التصدير. لذلك يشير التقرير فقط إلى الوصول إلى عتاد من الفئة العليا، لا إلى التهريب أو انتهاك القانون الأمريكي.

وللصناعة خلاصتان. أولاً، سيتعين على صنّاع السياسات أن يقرروا كيف يتعاملون مع الاستئجار السحابي، فالقيود المفروضة على بيع الشرائح لا تغلق هذا الباب. وثانيًا، صار لتدقيق النماذج أداة جديدة. فالأوزان المفتوحة لا تكشف البنية المعمارية فحسب، بل تكشف أيضًا آثار ما دُرِّبت عليه. وإذا صمدت الطريقة أمام التحقق المستقل، فسيصبح بالإمكان استخدامها لمطابقة ما تعلنه المختبرات عن مواردها الحاسوبية مع الواقع.

القصة

أسئلة وأجوبة حول الخبر

ما أبرز التفاصيل حول كيف تُعرف بطاقة الرسوميات من أوزان النموذج؟

الشبكة العصبية هي مليارات الأرقام، أي الأوزان. وقبل التدريب تملأ PyTorch هذه الأوزان بقيم عشوائية تتولد من رقم بدء واحد هو seed. ولإنجاز ذلك بسرعة، تقسّم بطاقة الرسوميات العمل بين أنويتها. تخيّل عدة فرق تتولى توزيع مجموعة ضخمة واحدة من أوراق اللعب: إذا كان عدد الفرق 132، تُوزَّع الأوراق بترتيب معين، وإذا كان 148 أو 152 فبترتيب مختلف. ولأن عدد الأنوية يختلف من شريحة إلى أخرى، يختلف النمط الناتج.

ما أبرز التفاصيل حول أي النماذج أثارت الشبهة؟

وفق بياناته، تحمل ستة نماذج صينية توقيع Blackwell: يشير DeepSeek-V4-Flash وMiniMax-M3 إلى B200 أو B300 (148 نواة)؛ ويشير DeepSeek-V4-Pro وKimi K3 وKimi K3.1-Pro وLing-3.1-flash من Ant Group إلى 152 نواة، أي إلى حوامل GB200 أو GB300 الرائدة المبرّدة بالسوائل. أما النماذج الأقدم مثل DeepSeek-V3 وKimi K2.5 فتُظهر آثار Hopper القديمة. وما زالت نماذج Alibaba (Qwen3.8) وZhipu وTencent وXiaomi وStepFun على Hopper كذلك، بينما يشير LongCat-2.0 من Meituan إلى شرائح Huawei.

ما أبرز التفاصيل حول ما الذي لا تثبته البصمة؟

هنا تبرز تحفظات مهمة. فالطريقة تُظهر فقط أي عتاد هيّأ الأوزان. أما التدريب نفسه فجرى على الأرجح على الأنظمة نفسها، لكن هذا استنتاج وليس قياسًا مباشرًا. والبيانات لا تحدد أين تقع وحدات GPU فعليًا ولا من يملكها. ويمكن للشركات الصينية استئجار القدرات في مراكز بيانات خارج الصين، وهذا لا ينتهك بالضرورة قواعد التصدير. لذلك يشير التقرير فقط إلى الوصول إلى عتاد من الفئة العليا، لا إلى التهريب أو انتهاك القانون الأمريكي. وللصناعة خلاصتان.

ZK
جمال حميدون — مدير المنتجات في Alpina Digital ومدير منتج AlpinaGPT. يبني منتجات الذكاء الاصطناعي منذ 2019. بدأ Hamidun News كمشروع شخصي ثم أصبح مُجمِّعًا إنتاجيًا بأكثر من 6000 قارئ.
✦ Unified AI Workspace · Nomad

Test Frontier LLMs & Autonomous Agents in One Workspace

Run Claude Opus 5.5, GPT-6, Gemini 3.1, and DeepSeek side-by-side in Nomad AI (nomadnet.ai) — unified model routing, deep research, and multimodal workflows under one subscription.

Try Nomad AI →Launch Nomad Agent
ما رأيك؟
جارٍ تحميل التعليقات…