Eine forensische Untersuchung der Forschungsgruppe Unemployment Labs unter Leitung des früheren OpenAI-Forschers Will DePue vom 12. November 2026 liefert detaillierte Einblicke in die Hardware-Nutzung chinesischer Technologieunternehmen.
Dem Bericht zufolge weisen sechs führende KI-Modelle von vier chinesischen Entwicklern spezifische Hardware-Fingerabdrücke von Nvidias neuester Blackwell-Architektur auf. Zu den betroffenen Systemen zählen DeepSeek-V4-Flash und DeepSeek-V4-Pro, Moonshots Kimi K3 und K3.1-Pro, MiniMax-M3 sowie Ling-3.1-flash der Ant Group.
Mathematische Signaturen bei der Gewichtsinitialisierung
Die von Unemployment Labs eingesetzte Erkennungsmethode basiert auf den Eigenheiten der Zufallszahlengenerierung bei der Initialisierung von Modellgewichten. Die Programmbibliothek cuRAND erzeugt je nach Anzahl der Shader-Module (SM) und der Thread-Zahl von 2.048 pro SM messbar unterschiedliche Verteilungen. Während Nvidias Hopper-Architektur 132 SM besitzt, verfügt die Blackwell-B-Serie über 148 und die Blackwell-GB-Serie über 152 Module.
Den Ergebnissen zufolge stimmen die Signaturen von DeepSeek-V4-Flash und MiniMax-M3 mit der Konfiguration von B200- und B300-Chips überein. Die übrigen vier untersuchten Modelle weisen Eigenschaften von GB200- und GB300-Prozessoren auf. Bei DeepSeek-V3 aus dem Dezember 2024 waren noch 132 Kerne feststellbar, was auf Hopper-Systeme wie den H800 hindeutete.
Für DeepSeek-V4-Flash aus dem April 2026 ergab ein Gegentest auf B300-Hardware, dass 461 von 469 getesteten Zeilen reproduziert werden konnten, davon 445 bitgenau. Eine alternative Erzeugung durch AMDs MI300X stuften die Forscher für DeepSeek-V4-Flash als ausgeschlossen und für die weiteren fünf Modelle als sehr unwahrscheinlich ein.
Die rasante Entwicklung von KI-Modellen wird zunehmend durch komplexe Vorgaben wie den EU AI Act reguliert, die weitreichende Dokumentationspflichten für Unternehmen vorsehen. Dieser kostenlose Umsetzungsleitfaden bietet einen kompakten Überblick über alle relevanten Fristen und Anforderungen. EU AI Act in 5 Schritten verstehen
Reichweite der Methode und offene Rechtsfragen
Unemployment Labs validierte das Verfahren an 24 Modellen mit offengelegter Hardware, wobei sich in sämtlichen Fällen Übereinstimmungen zeigten. Die Methode lässt sich ausschließlich auf öffentlich zugängliche Modellgewichte anwenden. Sie identifiziert die Chipfamilie und die ungefähre Kartenzahl, liefert jedoch keine Daten über Speicherausstattung oder Bandbreite.
Die Forscher betonen ausdrücklich, dass der Nachweis der Gewichtsinitialisierung weder den physischen Standort der Rechenzentren belegt noch automatisch eine Verletzung von Exportgesetzen darstellt. Das Anmieten von Hardware im Ausland ist nicht zwingend unzulässig.
Einer Mitteilung des US-Handelsministeriums vom 31. Mai 2026 zufolge gilt allerdings seit dem 17. November 2023 eine Lizenzpflicht für Blackwell-Lieferungen an Unternehmen mit chinesischer Muttergesellschaft, selbst wenn diese außerhalb Chinas operieren. Für die genannten Modelle wurden bislang keine Lizenzen gemeldet.
Wer sich mit dem Einsatz hochmoderner Technologien befasst, muss neben technischen Aspekten auch die rechtlichen Risikoklassen genau im Blick behalten. Erfahren Sie in diesem kostenlosen Report, welche Systeme als Hochrisiko gelten und wie Sie die Compliance in Ihrem Betrieb sicherstellen. Kostenlosen Umsetzungsleitfaden zum EU AI Act sichern
Dimensionen des Hardware-Bedarfs
Unemployment Labs schätzt den Aufwand für fünf der analysierten Trainingsläufe auf rund 12.000 Blackwell-Grafikprozessoren, bei einer plausiblen Spanne von 7.000 bis 22.000 Einheiten; DePue selbst äußerte allerdings Vorbehalte gegenüber dieser Hochrechnung.
Modelle wie Kimi K3 und DeepSeek-V4-Pro dürften über zwei bis drei Monate hinweg jeweils mehrere Tausend GPUs beansprucht haben. Die Kosten für Chips und Clusteraufbau beliefen sich Schätzungen zufolge auf bis zu 500 Millionen US-Dollar allein für das finale Training.
Während andere chinesische Entwickler wie Alibaba, Zhipu, Tencent, Xiaomi und StepFun dem Bericht nach weiter auf Hopper-Systemen arbeiten und Meituan LongCat-2.0 auf anwendungsspezifischen Superpods betreibt, zeigt eine Recherche der Nachrichtenagentur Reuters vom 13. November 2026 das Ausmaß der chinesischen Computing-Vorhaben: Über 150 Beschaffungsanzeigen, Investitionspläne und Verträge umfassen Projekte mit beschränkten Nvidia-Chips im Gesamtwert von über 23 Milliarden Yuan (3,2 Milliarden US-Dollar).
Marktforscher von IDC verzeichneten für das erste Halbjahr 2026 bei Nvidia einen Anteil von 34 Prozent an den chinesischen Auslieferungen von KI-Beschleunigern, gefolgt von Huawei mit 28 Prozent.

