Eski OpenAI araştırmacısı Will DePue tarafından yapılan analiz, DeepSeek ve Moonshot gibi Çinli yapay zekâ modellerinin açık ağırlıklarında ABD ihracat yasağı kapsamındaki Nvidia Blackwell çip mimarisine ait donanım izlerini belirledi.
Üç noktada haber
Will DePue tarafından yapılan analize göre Blackwell mimarisindeki 148 ve 152 çekirdekli yapı, DeepSeek-V4 ve Kimi K3 gibi modellerin ilk rastgele ağırlık dağılımında saptandı.
İncelenen beş model eğitiminin yaklaşık 12 bin Blackwell grafik işlemcisi gerektirdiği ve bu donanım kümesinin toplam maliyetinin yarım milyar doları aştığı tahmin ediliyor.
Çalışma modellerin bu donanımlarda başlatıldığını gösterse de fiziksel kaçakçılık yapıldığını ya da çiplerin doğrudan Çin anakarasında bulunduğunu kanıtlamıyor.
Eski OpenAI araştırmacısı Will DePue liderliğindeki kâr amacı gütmeyen araştırma grubu Unemployment Labs tarafından yürütülen adli inceleme, Çin merkezli önde gelen yapay zekâ laboratuvarlarının ABD ihracat kontrollerine tabi olan Nvidia Blackwell donanımlarına eriştiğini ortaya koydu. DeepSeek, Moonshot AI, MiniMax ve Ant Group tarafından açık olarak yayımlanan büyük dil modellerinin ağırlık yapıları incelendiğinde, bu sistemlerin en gelişmiş Nvidia donanımlarında eğitildiğini gösteren teknik izlere ulaşıldı.
## Çekirdek Dağılımından Donanım İzi Belirleme Araştırmanın sunduğu teknik yöntem, modellerin eğitim öncesi boş ağırlıklarının PyTorch çerçevesinde doldurulma biçimine dayanıyor. Grafik işlemciler veriyi hızla işlemek için kendi hesaplama çekirdeklerine bölüştürürken, her donanım mimarisi kendine has bir örüntü bırakıyor. Eski nesil Hopper mimarisindeki H100 ve H800 çipleri 132 hesaplama çekirdeği barındırırken, yeni nesil Blackwell modelleri 148 veya 152 çekirdek kullanıyor. Model eğitimi sırasında kullanılmayan bazı simgelerin ilk rastgele değerlerini koruması sayesinde, DeepSeek-V4-Pro ve Kimi K3 gibi modellerin Blackwell mimarisine özgü çekirdek izleri taşıdığı belirlendi.
## Yarım Milyar Dolarlık Donanım Gücü DePue tarafından paylaşılan raporda, incelenen beş ayrı model eğitim sürecinin toplamda yaklaşık 12 bin Blackwell grafik işlemcisine ihtiyaç duyduğu hesaplandı. Bu kapasitenin yaklaşık 30 bin adet eski nesil H100 çipinin işlem gücüne denk geldiği belirtiliyor. Örneğin yalnızca Kimi K3 modelinin eğitimi için 70 gün boyunca yaklaşık 4 bin 500 adet Blackwell işlemcisinin çalıştığı, incelenen beş kümenin toplam donanım maliyetinin ise 500 milyon doları aştığı tahmin ediliyor. Söz konusu tespitlerin OpenAI ve Anthropic bünyesindeki kıdemli araştırmacılar tarafından bağımsız olarak doğrulandığı aktarılıyor.
## Hukuki İhlal ve Yurt Dışı Veri Merkezleri Raporda vurgulanan en kritik sınırlılık, bu teknik verilerin doğrudan fiziksel bir ambargo ihlalini ya da kaçakçılığı kanıtlamaması olarak öne çıkıyor. Donanım izi modellerin hangi çip mimarisinde başlatıldığını gösterse de bu donanımların mülkiyetinin kime ait olduğunu veya nerede bulunduğunu açıklamıyor. Çinli şirketlerin ABD yaptırımlarını aşmak için Malezya gibi üçüncü ülkelerdeki veri merkezlerinden yasal olarak bulut bilişim kapasitesi kiralayabildiği biliniyor. Araştırma kurumu Epoch AI verilerine göre 2024 ve 2025 yıllarında Malezya'ya 275 bin adet Nvidia yapay zekâ hızlandırıcısı ihraç edildi. Mevcut kuralların işlemcinin nerede kurulu olduğuna odaklanması, uzaktan erişim imkânı bulan Çinli ekiplerin en son teknolojiyi kullanmasını engelleyemiyor.
Neden önemli?Bulgular, ABD'nin gelişmiş yapay zekâ çiplerine yönelik ihracat denetimlerine rağmen Çinli laboratuvarların üçüncü ülkeler veya yurt dışı veri merkezleri üzerinden en güçlü donanımlara erişebildiğini teknik düzeyde belgeliyor.
Cevabı beklenen sorular
- ABD Ticaret Bakanlığı ve denetim kurumlarının yurt dışı veri merkezleri üzerinden sağlanan çip erişimine karşı yeni yasal düzenlemeler getirip getirmeyeceği henüz bilinmiyor.
- Çinli şirketlerin bu donanımlara doğrudan anakarada mı yoksa Malezya gibi üçüncü ülkelerdeki kiralık veri merkezleri aracılığıyla mı ulaştığı sorusu netlik kazanmadı.
Kaynaklar ve belgeler
Bu haberde kullanılan belgelere aşağıdaki bağlantılardan ulaşabilirsiniz.
