Ex-OpenAI-Forscher: Blackwell-Chips in China-KI nachgewiesen?

Ein früherer OpenAI-Forscher gibt an, technische Belege dafür gefunden zu haben, dass führende chinesische KI-Labore Nvidias Blackwell-GPUs nutzten, Chips, deren Export nach China die USA verbieten. Laut TechCrunch hat Will DePue die Gewichte offen veröffentlichter Modelle von DeepSeek, Moonshot AI, MiniMax und Ant Group analysiert und darin nach eigener Beschreibung Fingerabdrücke eines Blackwell-Trainings gefunden. Es handelt sich um eine Behauptung eines einzelnen Forschers, die für sich genommen nicht beweist, dass ein Gesetz verletzt wurde.

Was wird genau behauptet, und von wem?

Laut The Decoder arbeitete DePue bei OpenAI an den Videomodellen Sora und Sora 2 sowie an GPT-4o, o3 und GPT-5, bevor er die gemeinnützige Forschungsgruppe Unemployment Labs gründete, die er laut TechCrunch heute leitet. The Decoder berichtet, US-Behörden und Medien hätten den Blackwell-Einsatz bei DeepSeek und Moonshot AI zuvor ohne veröffentlichte Nachweise vermutet, und DePue stelle seine Analyse als erste mit technischen Belegen dar.

Nach seinen Angaben tragen sechs seit April 2026 veröffentlichte chinesische Modelle die Signatur von Nvidias Blackwell-Generation, während ältere Modelle wie DeepSeek-V3 und Kimi K2.5 noch Spuren der älteren Hopper-Generation zeigen. DePue erklärt zudem auf X, leitende Forscher von OpenAI und Anthropic hätten seine Methode unabhängig geprüft und bestätigt, so The Decoder. Diese Bestätigung ist seine eigene Aussage und wurde von den von uns gelesenen Medien nicht unabhängig bestätigt.

Wie können Gewichte verraten, auf welchem Chip ein Modell trainiert wurde?

Gewichte sind die Milliarden Zahlenwerte, aus denen ein Sprachmodell besteht. Bevor das Training beginnt, füllt die Standardsoftware PyTorch diese leeren Plätze mit computergenerierten Zufallszahlen aus einem Startwert, dem sogenannten Seed, erklärt The Decoder. Um diese riesige Datenmenge schnell zu verteilen, teilt der Grafikchip die Arbeit auf seine Rechenkerne auf.

Weil verschiedene Chipmodelle unterschiedlich viele Kerne haben, hinterlässt das Befüllen laut dem Bericht ein charakteristisches Muster. Ältere Hopper-Chips wie H100 oder H800 nutzen 132 Kerne, Blackwell-Chips je nach Modell (B200 oder B300, GB200 oder GB300) 148 oder 152. Das Training passt die Werte später millionenfach an, doch einige Plätze für ungenutzte Wörter oder Symbole bleiben im Urzustand, und selbst in stark trainierten Bereichen überlebt ein schwaches statistisches Echo der Startverteilung. DePue gibt an, das Muster rückwärts berechnet und die Treffer für DeepSeek-V4-Flash und Kimi K3 auf echten Blackwell-Chips nachgestellt zu haben, und den Prüfcode auf GitHub veröffentlicht zu haben.

Die von ihm berichtete Zuordnung, wie The Decoder sie wiedergibt:

• DeepSeek-V4-Flash und MiniMax-M3 entsprechen B200- oder B300-Chips (148 Kerne).
• DeepSeek-V4-Pro, Kimi K3, Kimi K3.1-Pro und Ling-3.1-flash von Ant Group zeigen das 152-Kerne-Muster der flüssigkeitsgekühlten Flaggschiff-Racksysteme (GB200 oder GB300).
• Modelle von Alibaba (Qwen3.8), Zhipu, Tencent, Xiaomi und StepFun zeigen nur Hopper-Spuren, und Meituans LongCat-2.0 deutet auf Huawei-Chips hin.

DePue sagt, Zufall sei statistisch ausgeschlossen, und bei 24 Kontrollmodellen mit bekannter Hardware, darunter Metas Llama 3.1 auf H100-Chips, habe die Methode jedes Mal richtig gelegen. Diese Zahlen stammen von ihm und wurden von den hier zitierten Medien nicht nachgeprüft.

Er schätzt außerdem, dass die fünf untersuchten Trainingsläufe zusammen rund 12.000 Blackwell-GPUs erforderten, was der Rechenleistung von etwa 30.000 älteren H100-Chips entspricht. Kimi K3 und DeepSeek-V4-Pro hätten nach seiner Schätzung über rund 70 Tage 4.500 beziehungsweise 3.000 Blackwell-Prozessoren benötigt. Bei etwa 70.000 US-Dollar pro Chip würde ein solcher Cluster 200 bis 300 Millionen US-Dollar kosten und alle fünf Systeme zusammen mehr als eine halbe Milliarde US-Dollar, berichtet The Decoder. Das sind Schätzungen, keine Buchungsbelege.

Was beweist der Fingerabdruck nicht?

The Decoder betont, die Methode zeige streng genommen nur, auf welcher Hardware die Gewichte initialisiert wurden, auch wenn ein anschließendes Training auf denselben Systemen hochgradig wahrscheinlich sei. Die einzige technische Alternative, ein ebenfalls sanktionierter AMD-Chip MI300X, der künstlich gedrosselt dasselbe Muster erzeugt, will DePue für DeepSeek-V4-Flash anhand winziger Rundungsunterschiede ausgeschlossen haben. Wo die GPUs stehen und wem sie gehören, verraten die Daten nicht.

TechCrunch ergänzt, das bedeute nicht, dass die Modelle vollständig auf Nvidia-Chips trainiert wurden oder Exportkontrollgesetze zwingend verletzt wurden, denn die Chips könnten in einem Rechenzentrum im Ausland stehen. Rechenleistung im Ausland zu mieten ist für chinesische Firmen ein beliebter Weg geworden und hat in Malaysia einen Boom ausgelöst, wo Epoch AI, eine gemeinnützige Forschungsorganisation, schätzt, dass 2024 und 2025 insgesamt 275.000 Nvidia-KI-Beschleuniger importiert wurden. Genau diese Lücke wollen Kritiker schließen: TechCrunch weist darauf hin, dass China-Falken seit Langem strengere Kontrollen darüber fordern, wer Chips nutzt, nicht nur, wem sie gehören oder wo sie installiert sind.

Was ist über Blackwell und China bereits gesichert?

Mehrere Punkte sind belegt. Laut TechCrunch sind Blackwell-GPUs vom Export nach China und an chinesische Firmen verboten, während die Trump-Regierung Nvidia den Export des leistungsschwächeren H200 erlaubt, sofern die Lieferungen über eine Route laufen, die den USA einen Zoll von 25 Prozent erlaubt. Der Technologieberater des Weißen Hauses, Michael Kratsios, sagte Anfang des Jahres, Moonshot habe exportbeschränkte Nvidia-Chips genutzt, und berief sich auf US-Geheimdienstquellen. Epoch AI schätzt, dass 2024 und 2025 etwa zwei Millionen moderne Chips über Konstrukte, die das Endziel verschleiern sollten, nach China gelangten.

The Decoder zitiert zudem Dylan Patel, Chefanalyst bei SemiAnalysis, der in einem Gespräch mit Sequoia Capital sagte, DeepSeek-V3 sei noch gezielt auf Nvidias Hopper-Chips zugeschnitten gewesen, während DeepSeek-V4 strukturell für Blackwell-GPUs und Huaweis Ascend-Chips optimiert wurde. Das deckt sich mit DePues Ergebnissen, ist aber eine Beobachtung zur Architektur und kein Nachweis, wo trainiert wurde.

Die Affäre betrifft auch Nvidia. TechCrunch berichtet, Jensen Huang habe das Unternehmen diese Woche inmitten eines Skandals um eine Führungskraft von Megaspeed verlassen, einer Firma, die in den Schmuggel von Nvidia-Chips nach China verwickelt sein soll und über ihre Tochter Speedmatrix von US-amerikanischen und singapurischen Behörden untersucht wird. TechCrunch schreibt, Nvidias mögliche Haftung für Exportkontrollverstöße habe wohl bei dem Abgang eine Rolle gespielt, und merkt an, US-Firmen hätten nur begrenzte Pflichten, zu verfolgen, was ihre Kunden mit kontrollierten Gütern tun. Nvidia und Huang haben für die Rechenzentren von Megaspeed gebürgt und erklärt, Nvidia-Vertreter hätten sie besucht, so derselbe Artikel.

Was ändert das für ein britisches Unternehmen?

Für ein Unternehmen im Vereinigten Königreich betrifft die unmittelbare Lehre eher die Sorgfaltspflicht als das Recht. Wer offene Modelle chinesischer Labore oder über Drittländer gemietete Cloud-Kapazität nutzt, für den kann die Rechenkette hinter einem Modell zu einer Compliance- und Reputationsfrage werden, falls Ermittler die Vorwürfe bestätigen. Fragen Sie Lieferanten, wo ihre Trainings- und Inferenz-Hardware steht und wer sie betreibt, und dokumentieren Sie die Antworten.

Einkaufsteams sollten außerdem damit rechnen, dass sich die Debatte, wie TechCrunch beschreibt, von der Frage, wem Chips gehören, zu der verlagert, wer sie nutzt. Jede Regeländerung braucht Zeit, und die bisherige Beweislage ist ein Fingerabdruck, kein Gerichtsurteil. Ein sinnvoller Schritt ist jetzt, zu erfassen, von welchen Modellen und gehosteten Diensten die eigenen agentischen Abläufe abhängen, und die Möglichkeit zum Wechsel einzuplanen, falls ein Anbieter von Sanktionen oder Beschränkungen betroffen wird.