기술 트렌드
중국 AI 모델 6개에 남은 Blackwell 흔적, 가중치가 GPU를 가리켰다
글 · 정우석
AI 모델의 공개 파일이 개발사가 쓴 GPU를 가리키는 단서가 됐다. Unemployment Labs의 Will DePue는 2026년 11월 12일, 중국 4개 기업의 모델 6개에서 엔비디아 Blackwell과 맞는 수치 패턴을 찾았다고 발표했다. 딥시크, 문샷AI, MiniMax, 앤트그룹이 대상이며, 중국 수출이 제한된 첨단 칩에 접근했을 가능성을 제기한 분석이다. 기존의 칩 확보 의혹에 모델 자체를 검사하는 방법을 더했다는 점이 이번 보고서의 차별점이다.
열쇠는 AI가 학습을 시작하기 전 가중치에 채우는 초기 난수다. 분석 대상의 PyTorch는 Philox라는 알고리즘으로 난수를 만들고, GPU의 연산 단위인 SM 수에 따라 숫자를 서로 다른 위치에 배치한다. 같은 시작값인 시드를 넣어도 작업자 수가 달라지면 숫자가 놓이는 자리가 바뀌는 셈이다. 학습에서 쓰이지 않은 토큰의 가중치에는 초기값이 남을 수 있어, 시드와 배치를 재현하면 하드웨어 계열을 역추적할 수 있다.
- Hopper 계열: 분석에 쓰인 H100·H800·H200 구성은 SM 132개로 같은 흔적을 남겨 개별 제품 구분은 어렵다.
- Blackwell 계열: DeepSeek-V4-Flash와 MiniMax-M3는 SM 148개인 B200·B300의 배치와 맞았다.
- Grace Blackwell 계열: Kimi K3는 SM 152개인 GB200·GB300의 배치와 일치했다.
인사이트
공개 가중치는 모델의 성능뿐 아니라 개발에 사용된 하드웨어의 흔적도 드러낼 수 있다. 다만 초기화 장비의 식별과 전체 학습 환경의 입증을 구분해야 기술적 발견을 경쟁력 평가에 제대로 활용할 수 있다.
자주 묻는 질문
- 모델 파일만 보고 GPU를 알아낼 수 있어?
- 일부 모델에서는 초기 난수의 배치가 GPU 연산 단위 수에 따라 달라져 하드웨어 계열을 추정할 수 있다. 같은 배치를 공유하는 개별 제품까지 구분하지는 못한다. [검증 코드 설명](https://github.com/macrogrants/checkpoint-forensics)에 원리가 공개돼 있다.
- 그러면 중국으로 칩이 밀반입됐다는 증거야?
- 이번 분석으로는 칩의 위치나 확보 경로를 알 수 없다. 해외 데이터센터를 통한 접근 가능성도 있어 밀반입이나 수출통제 위반을 입증하지는 못한다. [보고서](https://unemploymentlabs.com/checkpoint-forensics)도 이 한계를 명시했다.
- 내 노트북에서도 직접 확인할 수 있어?
- 공개 저장소는 보존된 가중치와 초기 난수 배치를 비교하는 코드를 제공하며, 해당 비교는 GPU 없이도 실행할 수 있다. 실제 GPU에서 초기값을 생성하는 검증은 별도 코드로 제공한다. [실행 안내](https://github.com/macrogrants/checkpoint-forensics)를 참고하면 된다.
이 기사 어땠어요?
피드백을 남겨주시면 더 나은 맞춤 추천을 만듭니다.