Ex-OpenAI-onderzoeker: Blackwell-chips achter Chinese AI

Een voormalig OpenAI-onderzoeker zegt technisch bewijs te hebben gevonden dat vooraanstaande Chinese AI-laboratoria Nvidia’s Blackwell-GPU’s gebruikten, chips waarvan de Verenigde Staten de export naar China verbieden. Volgens TechCrunch analyseerde Will DePue de gewichten van openbaar vrijgegeven modellen van DeepSeek, Moonshot AI, MiniMax en Ant Group en vond hij naar eigen zeggen vingerafdrukken van training op Blackwell. Het gaat om een bewering van één onderzoeker, die op zichzelf niet bewijst dat een wet is overtreden.

Wat wordt precies beweerd, en door wie?

Volgens The Decoder werkte DePue bij OpenAI aan de videomodellen Sora en Sora 2 en aan GPT-4o, o3 en GPT-5, voordat hij de non-profitonderzoeksgroep Unemployment Labs oprichtte, die hij volgens TechCrunch nu leidt. The Decoder meldt dat Amerikaanse instanties en media het gebruik van Blackwell bij DeepSeek en Moonshot AI eerder al vermoedden zonder bewijs te publiceren, en dat DePue zijn analyse presenteert als de eerste met technische onderbouwing.

Volgens hem dragen zes sinds april 2026 uitgebrachte Chinese modellen de handtekening van Nvidia’s Blackwell-generatie, terwijl oudere modellen zoals DeepSeek-V3 en Kimi K2.5 nog sporen van de oudere Hopper-generatie tonen. DePue stelt op X ook dat leidende onderzoekers van OpenAI en Anthropic zijn methode onafhankelijk hebben gecontroleerd en bevestigd, aldus The Decoder. Die bevestiging is zijn eigen verklaring en is niet bevestigd door de media die wij lazen.

Hoe kunnen gewichten verraden op welke chip een model is getraind?

De gewichten zijn de miljarden getallen waaruit een taalmodel bestaat. Voordat de training begint, vult de standaardsoftware PyTorch deze lege plekken met door de computer gegenereerde willekeurige getallen op basis van een startwaarde, de zogeheten seed, legt The Decoder uit. Om die enorme hoeveelheid data snel te verdelen, deelt de grafische chip het werk over zijn rekenkernen.

Omdat verschillende chipmodellen een verschillend aantal kernen hebben, laat het vullen volgens het rapport een kenmerkend patroon achter. Oudere Hopper-chips zoals de H100 of H800 gebruiken 132 kernen, Blackwell-chips afhankelijk van het model (B200 of B300, GB200 of GB300) 148 of 152. De training past de waarden daarna miljoenen keren aan, maar sommige plekken voor ongebruikte woorden of symbolen blijven in hun oorspronkelijke staat, en zelfs in zwaar getrainde gebieden overleeft een zwakke statistische echo van de startverdeling. DePue zegt het patroon achterstevoren te hebben berekend en de treffers voor DeepSeek-V4-Flash en Kimi K3 op echte Blackwell-chips te hebben nagebootst, en de controlecode op GitHub te hebben gepubliceerd.

De indeling die hij rapporteert, zoals The Decoder die weergeeft:

• DeepSeek-V4-Flash en MiniMax-M3 komen overeen met B200- of B300-chips (148 kernen).
• DeepSeek-V4-Pro, Kimi K3, Kimi K3.1-Pro en Ling-3.1-flash van Ant Group tonen het 152-kernenpatroon van de vloeistofgekoelde vlaggenschip-racksystemen (GB200 of GB300).
• Modellen van Alibaba (Qwen3.8), Zhipu, Tencent, Xiaomi en StepFun tonen alleen Hopper-sporen, en LongCat-2.0 van Meituan wijst op Huawei-chips.

DePue zegt dat toeval statistisch is uitgesloten en dat de methode bij 24 controlemodellen met bekende hardware, waaronder Meta’s Llama 3.1 op H100-chips, steeds juist was. Deze cijfers zijn van hemzelf en zijn niet gerepliceerd door de hier aangehaalde media.

Hij schat ook dat de vijf onderzochte trainingsruns samen ongeveer 12.000 Blackwell-GPU’s vereisten, gelijk aan de rekenkracht van circa 30.000 oudere H100-chips. Kimi K3 en DeepSeek-V4-Pro zouden volgens zijn schatting gedurende ongeveer 70 dagen 4.500 respectievelijk 3.000 Blackwell-processoren hebben gebruikt. Bij ongeveer 70.000 Amerikaanse dollar per chip zou zo’n cluster 200 tot 300 miljoen dollar kosten en alle vijf systemen samen meer dan een half miljard dollar, meldt The Decoder. Dit zijn schattingen, geen boekhoudgegevens.

Wat bewijst de vingerafdruk niet?

The Decoder benadrukt dat de methode strikt genomen alleen laat zien op welke hardware de gewichten zijn geïnitialiseerd, ook al is verdere training op dezelfde systemen zeer waarschijnlijk. Het enige technische alternatief, een eveneens gesanctioneerde AMD MI300X-chip die kunstmatig wordt afgeremd om hetzelfde patroon te maken, heeft DePue voor DeepSeek-V4-Flash uitgesloten aan de hand van minieme afrondingsverschillen. Waar de GPU’s staan en van wie ze zijn, zeggen de gegevens niet.

TechCrunch voegt toe dat dit niet betekent dat de modellen volledig op Nvidia-chips zijn getraind of dat exportcontrolewetten per se zijn geschonden, omdat de chips in een datacenter in het buitenland kunnen staan. Rekenkracht huren buiten China is een populaire route voor Chinese bedrijven geworden en heeft een boom in Maleisië veroorzaakt, waar Epoch AI, een non-profitonderzoeksorganisatie, schat dat in 2024 en 2025 275.000 Nvidia-AI-versnellers zijn geïmporteerd. Juist dat gat willen critici dichten: TechCrunch merkt op dat China-haviken al lang strengere controles eisen op wie chips gebruikt, niet alleen op wie ze bezit of waar ze staan.

Wat staat al vast over Blackwell en China?

Meerdere punten zijn vastgelegd. Volgens TechCrunch is export van Blackwell-GPU’s naar China en naar Chinese bedrijven verboden, terwijl de regering-Trump Nvidia de export van de minder krachtige H200 toestaat, op voorwaarde dat zendingen een route volgen waarmee de VS een heffing van 25 procent kunnen opeisen. Michael Kratsios, technologieadviseur van het Witte Huis, zei eerder dit jaar dat Moonshot exportverboden Nvidia-chips had gebruikt, onder verwijzing naar Amerikaanse inlichtingenbronnen, en Epoch AI schat dat in 2024 en 2025 ongeveer twee miljoen geavanceerde chips China binnenkwamen via constructies die de eindbestemming moesten verbergen.

The Decoder citeert ook Dylan Patel, hoofdanalist bij SemiAnalysis, die in een gesprek met Sequoia Capital zei dat DeepSeek-V3 nog op maat was gemaakt voor Nvidia’s Hopper-chips, terwijl DeepSeek-V4 structureel is geoptimaliseerd voor Blackwell-GPU’s en Huawei’s Ascend-chips. Dat past bij DePue’s bevindingen, maar is een observatie over architectuur en geen bewijs van waar is getraind.

De zaak raakt ook Nvidia. TechCrunch meldt dat Jensen Huang het bedrijf deze week verliet te midden van een schandaal rond een topvrouw van Megaspeed, een bedrijf dat betrokken zou zijn bij het smokkelen van Nvidia-chips naar China en via dochter Speedmatrix wordt onderzocht door Amerikaanse en Singaporese autoriteiten. TechCrunch schrijft dat Nvidia’s mogelijke aansprakelijkheid voor schendingen van exportcontroles waarschijnlijk meespeelde in het vertrek, en merkt op dat Amerikaanse bedrijven beperkte verplichtingen hebben om te volgen wat hun klanten met gecontroleerde goederen doen. Nvidia en Huang hebben beiden ingestaan voor de datacenters van Megaspeed en zeggen dat Nvidia-medewerkers ze hebben bezocht, volgens hetzelfde artikel.

Wat verandert dit voor een Brits bedrijf?

Voor een bedrijf in het Verenigd Koninkrijk gaat de directe les meer over zorgvuldigheid dan over wetgeving. Wie open modellen van Chinese laboratoria gebruikt, of cloudcapaciteit die via derde landen is gehuurd, kan merken dat de rekenketen achter een model een compliance- en reputatiekwestie wordt als onderzoekers de beweringen bevestigen. Vraag leveranciers waar hun train- en inferentiehardware staat en wie die beheert, en leg de antwoorden vast.

Inkoopteams moeten er ook rekening mee houden dat het debat, zoals TechCrunch beschrijft, verschuift van wie chips bezit naar wie ze gebruikt. Elke regelwijziging kost tijd, en het bewijs tot nu toe is een vingerafdruk, geen uitspraak van een rechter. Een verstandige stap nu is in kaart brengen van welke modellen en gehoste diensten uw eigen agentische workflows afhangen, en de mogelijkheid inbouwen om te wisselen als een aanbieder onder sancties of beperkingen komt te vallen.