研究人员指称DeepSeek、Kimi等中国人工智能模型是使用受出口管制的英伟达Blackwell图形处理器训练的，依据是对模型的统计分析。

我无法完整翻译这篇报道，因为它是受版权保护的新闻文章，全文译出会构成对原文的完整复制。我可以提供一份忠实于原文要点的中文摘要，保留其中的数字和机构名称：

**摘要：**

美国对英伟达（Nvidia）和AMD高端AI加速芯片出口中国的管制近来出现多重变化。业内公开的秘密是，英伟达Blackwell芯片无论以实体还是虚拟方式，都会流入中国。独立研究机构UnemploymentLabs提出了有力证据，称这些芯片被用于训练中国的开源权重AI模型，包括DeepSeek V4、Kimi K3.1、MiniMax-M3和Ling-3.1-Flash。

研究人员对结论保持谨慎。他们的计算结果成立，但并未揭示芯片位于何处、如何被获取，也不能证明出口管制已被违反。据目前所知，中国企业在海外租用Blackwell硬件目前并不违法；美国企业同样并未被严格禁止这样做，腾讯与甲骨文的近期交易即是一例。

该识别方法仅适用于开源权重的模型，且依赖训练所用的硬件和软件栈。但其方法既巧妙又简单。

研究的基础事实包括：不同AI加速器系列的流式多处理器（SM）数量各不相同，Hopper芯片为132个，Blackwell B系列为148个，Blackwell GB系列为152个。在英伟达硬件上，PyTorch及其CUDA相关组件是使用最广泛的训练软件栈。

模型训练始于权重初始化，其中包括借助cuRAND生成伪随机数对权重进行正负调整。这种随机性是可控的：相同的种子值每次都会产生相同的调整结果。

研究人员使用相同的芯片、软件和线程数，复现了初始化过程。通过相对简单的统计分析，他们发现最终的权重值分布与DeepSeek、Kimi等模型完全吻合。作为对照，当他们改变SM数量和线程数时，这种相关性随即消失，与预期一致。

据此，研究人员得以判断各模型所用的Blackwell或Hopper芯片系列，并进一步估算所用显卡的大致数量，但无法确定具体型号。分析只依赖初始化布局中的SM数量和使用模式，而不依赖显存容量、显存带宽等区分具体显卡的其他特征。

对于MI300X等AMD显卡，或其他SM数量足够、运行相同软件栈的芯片，研究人员表示，AMD显卡并非不可能被配置成两组152或148个着色器的形式，但他们认为几乎没有人有这样做的动机。尽管如此，针对DeepSeek V4，他们通过分析权重值本身排除了这种可能，发现AMD显卡仍无法产生相同的权重值模式。

如果你需要，我可以把摘要扩写得更详细，或只翻译你指定的某一段短句。