Menu
Close
Peradaban.id

Fakta Membentuk Peradaban

Analisis Ungkap Jejak Chip Blackwell pada Model AI China

Smallest Font
Largest Font

Penggunaan chip kecerdasan buatan Nvidia Blackwell pada sejumlah model AI asal China terungkap melalui analisis forensik terhadap bobot model. Temuan yang dilansir dari Tekno tersebut mengidentifikasi enam model dari beberapa perusahaan teknologi China yang memiliki karakteristik inisialisasi serupa dengan perangkat keras Nvidia tersebut. Analisis ini dilakukan Will DePue, mantan peneliti OpenAI yang kini mendirikan perusahaan konsultan riset AI bernama Unemployment Labs.

Hasil penelitiannya dipublikasikan melalui laporan berjudul "Top Chinese Frontier AI Models Carry the Fingerprint of Export-Controlled Nvidia Blackwell GPUs". Enam model yang teridentifikasi berasal dari DeepSeek, Moonshot AI, MiniMax, dan Ant Group. Seluruhnya menunjukkan pola yang menurut penelitian tersebut berkaitan dengan penggunaan chip Nvidia Blackwell.

Model-model yang masuk dalam hasil pemeriksaan tersebut meliputi:

  • DeepSeek-V4-Flash
  • DeepSeek-V4-Pro
  • Kimi K3
  • Kimi K3.1-Pro
  • MiniMax-M3
  • Ling-3.1-flash milik Ant Group

Berdasarkan laporan Unemployment Labs, empat model memperlihatkan kecocokan dengan karakteristik keluarga chip Grace Blackwell, yakni GB200 dan GB300. Dua model lainnya menunjukkan pola yang berkaitan dengan chip Blackwell B200 atau B300.

Temuan tersebut menjadi perhatian karena Amerika Serikat melarang ekspor akselerator AI Nvidia Blackwell ke China. Pemerintah Washington mengkhawatirkan teknologi komputasi canggih tersebut dapat mendukung kepentingan militer Beijing sekaligus meningkatkan kemampuan pengembangan AI China.

Metode forensik untuk mengenali chip Nvidia

DePue melakukan pemeriksaan menggunakan bobot model AI atau model weights yang tersedia secara terbuka. Bagian tersebut menyimpan parameter hasil pengembangan model dan dapat digunakan untuk menelusuri karakteristik perangkat keras yang terlibat dalam proses pembentukannya. Fokus penelitian berada pada tahap inisialisasi, yaitu proses pemberian nilai awal terhadap parameter model sebelum pelatihan atau training berlangsung. Tahapan tersebut menggunakan algoritma angka pseudorandom yang hasilnya dipengaruhi konfigurasi perangkat keras serta angka awal atau random seed.

Walaupun nilai yang dihasilkan terlihat acak, kombinasi perangkat GPU, susunan komponen, dan angka seed dapat membentuk pola tertentu. Menurut DePue, karakteristik tersebut masih dapat dikenali pada bobot model meskipun proses pelatihan telah dilakukan. Untuk mengidentifikasi perangkat yang digunakan, pola pada bobot model yang dipublikasikan dibandingkan dengan hasil inisialisasi dari berbagai konfigurasi GPU. Proses pencarian tersebut melibatkan lebih dari enam triliun kombinasi konfigurasi chip dan angka seed.

Keakuratan metode kemudian diperiksa melalui pengujian menggunakan perangkat keras fisik. Dalam salah satu percobaan, Nvidia B300 yang dijalankan dengan angka seed hasil pencarian mampu menghasilkan kembali bobot awal DeepSeek-V4-Flash secara identik hingga tingkat bit. Pengujian lainnya menggunakan sistem GB200 yang disewa.

Perangkat tersebut berhasil mereproduksi 13 baris bobot awal Kimi K3 yang masih tersimpan dalam model tersebut. Sebagai pembanding, DePue turut melakukan pengujian menggunakan Nvidia H100 dan AMD MI300X. Kedua perangkat tersebut tidak menghasilkan kecocokan dengan pola inisialisasi DeepSeek-V4-Flash.

Hasil penelitian itu disebut telah melalui pemeriksaan independen oleh sejumlah peneliti senior dari OpenAI dan Anthropic. Namun, laporan Unemployment Labs tidak mengungkap identitas para peneliti yang terlibat dalam proses verifikasi tersebut.

Temuan belum membuktikan pelanggaran ekspor

Meskipun menemukan kecocokan dengan karakteristik chip Blackwell, DePue menjelaskan bahwa metode forensik tersebut memiliki batasan. Analisisnya hanya dapat mengidentifikasi perangkat keras yang digunakan ketika bobot awal model dihasilkan. Dengan demikian, hasil pemeriksaan tidak bisa memastikan keseluruhan jenis GPU yang digunakan perusahaan selama proses pelatihan berikutnya.

Informasi mengenai lokasi perangkat, kepemilikan chip, serta jalur perolehan akses terhadap perangkat tersebut juga tidak terungkap. Salah satu kemungkinan yang disebutkan dalam laporan adalah pemanfaatan kapasitas komputasi Blackwell melalui pusat data yang beroperasi di luar China. Perusahaan teknologi China masih berpeluang menyewa layanan komputasi dari penyedia di negara lain.

Atas dasar keterbatasan tersebut, DePue menegaskan bahwa hasil penelitiannya tidak dapat dijadikan bukti bahwa perusahaan-perusahaan China telah melanggar ketentuan hukum ekspor Amerika Serikat.

Pengawasan AS terhadap akses chip AI China

Publikasi penelitian Unemployment Labs berlangsung ketika pengawasan pemerintah Amerika Serikat terhadap akses perusahaan China terhadap perangkat AI Nvidia semakin mendapat perhatian. Pada Juli 2026, penasihat sains Gedung Putih Michael Kratsios menyebut Moonshot AI diduga mempunyai akses terhadap chip GB300 di Thailand. Perangkat tersebut kemungkinan dimanfaatkan untuk mendukung pelatihan model AI Kimi K3.

Perhatian terhadap akses teknologi tersebut juga muncul dalam laporan The Information pada 12 November 2026. Laporan itu menyebut sejumlah perusahaan yang berkaitan dengan Alice Huang diduga berinvestasi di DeepSeek sekaligus menjanjikan pasokan chip Nvidia kepada perusahaan tersebut. Sehari sebelumnya, Senator Amerika Serikat Elizabeth Warren dan Chris Coons meminta pemerintahan Donald Trump tetap menyimpan catatan ekspor Nvidia. Permintaan tersebut berkaitan dengan pengawasan distribusi perangkat komputasi perusahaan itu.

Hingga laporan Unemployment Labs diterbitkan, Nvidia, DeepSeek, Moonshot AI, MiniMax, dan Ant Group belum memberikan tanggapan mengenai hasil analisis yang mengidentifikasi jejak chip Blackwell pada enam model AI China tersebut.

Editors Team
Daisy Floren

What's Your Reaction?

  • Like
    0
    Like
  • Dislike
    0
    Dislike
  • Funny
    0
    Funny
  • Angry
    0
    Angry
  • Sad
    0
    Sad
  • Wow
    0
    Wow

Most viewed