Telset.id – Lembaga riset independen UnemploymentLabs merilis temuan yang mengindikasikan bahwa chip akselerator AI kelas atas Nvidia, termasuk keluarga Blackwell, digunakan untuk melatih sejumlah model AI open-weight asal China seperti DeepSeek V4, Kimi K3.1, MiniMax-M3, dan Ling-3.1-Flash. Temuan ini menjadi sinyal kuat bahwa pembatasan ekspor chip AI AS ke China tidak sepenuhnya menghalangi akses terhadap perangkat keras tersebut.
Isu kontrol perdagangan AS yang membatasi ekspor akselerator AI Nvidia dan AMD ke China memang sudah menjadi perbincangan hangat di industri. Namun, para peneliti menegaskan bahwa metode identifikasi mereka tidak mengungkap di mana chip tersebut berada, bagaimana aksesnya diperoleh, atau membuktikan bahwa kontrol ekspor telah dilanggar.
Menurut UnemploymentLabs, sejauh yang dapat diketahui saat ini, bukan tindakan ilegal bagi perusahaan China untuk menyewa perangkat keras Blackwell di luar negeri. Meskipun pengawasan Nvidia semakin ketat, perusahaan AS juga tidak secara tegas dilarang melakukan hal tersebut, sebagaimana tercermin dari kesepakatan Tencent-Oracle yang baru-baru ini terjadi.
Metode Identifikasi Berbasis Pola Inisialisasi Bobot
Metode yang digunakan UnemploymentLabs terbilang sederhana namun cerdas. Pertama, setiap keluarga akselerator AI memiliki jumlah shader module (SM) yang unik, mirip dengan inti pada CPU. Chip Hopper Nvidia memiliki 132 SM, Blackwell B series memiliki 148 SM, dan Blackwell GB hadir dengan 152 SM.
Kedua, meskipun terdapat lebih dari satu software stack untuk melatih model AI, PyTorch dan ekosistem CUDA menjadi yang paling banyak digunakan pada perangkat keras Nvidia. Langkah pertama dalam pelatihan model adalah inisialisasi bobot, yaitu seberapa kuat model mempertimbangkan setiap input. Pada arsitektur LLM modern, inisialisasi melewati tahap pengacakan yang menyesuaikan nilai secara pseudo-random menggunakan cuRAND.
Proses ini membutuhkan komputasi besar sehingga disebar ke seluruh SM dan dibagi lagi menjadi thread. Untuk kumpulan bobot yang besar, jumlah thread per SM adalah 2.048 untuk silikon Blackwell dan Hopper. Para peneliti mengulang proses inisialisasi dengan chip, perangkat lunak, dan jumlah thread yang sama, lalu menggunakan analisis statistik sederhana untuk mencocokkan distribusi nilai bobot.
Hasilnya, distribusi statistik akhir nilai bobot mereka cocok persis dengan DeepSeek, Kimi, dan model lainnya. Ketika jumlah SM dan thread diubah, korelasi tersebut langsung hilang. Hal ini memungkinkan peneliti mengidentifikasi setiap keluarga chip Blackwell/Hopper yang digunakan untuk tiap model, serta memperkirakan jumlah kartu yang dipakai.
Baca Juga:
Keterbatasan Analisis dan Pengecualian AMD
Meski demikian, para ilmuwan tidak dapat menentukan varian persis yang menghasilkan bobot tersebut. Analisis ini hanya terhubung pada jumlah layout inisialisasi, sehingga terkait dengan jumlah SM dan pola penggunaan, bukan kapasitas VRAM, bandwidth memori, atau karakteristik lain yang membedakan tiap kartu.
UnemploymentLabs juga mempertimbangkan kemungkinan penggunaan kartu AMD seperti MI300X atau silikon lain dengan jumlah SM yang cukup tinggi menggunakan software stack yang sama. Menurut para peneliti, tidak mustahil kartu AMD dikonfigurasi agar tampil sebagai dua kelompok dengan 152 atau 148 shader, meski kecil kemungkinan ada alasan untuk melakukannya.
Untuk DeepSeek V4, kemungkinan tersebut dikesampingkan dengan menganalisis nilai bobot itu sendiri. Hasilnya, kartu AMD tetap tidak menghasilkan pola nilai bobot yang sama. Metode identifikasi ini hanya terbatas pada model dengan bobot terbuka dan bergantung pada perangkat keras serta software stack yang dipakai untuk pelatihan model.
Temuan ini melengkapi rangkaian laporan sebelumnya seputar peredaran chip AI Nvidia ke China. Sejumlah laporan menyoroti bagaimana chip yang dibatasi ekspornya bisa mencapai China, termasuk melalui jalur penyelundupan dan akses ke pusat data di luar negeri. Konteks industri yang lebih luas juga mencakup percepatan infrastruktur teknologi di China, seperti yang terlihat pada Fiber Hollow-Core China yang mencatat rekor kecepatan transmisi.
Di sisi lain, pengawasan terhadap distribusi chip AI Nvidia terus diperketat di berbagai kawasan, termasuk Asia Tenggara, seiring meningkatnya sorotan terhadap penyelundupan chip asal China. Kondisi ini menunjukkan bahwa persoalan akses terhadap akselerator AI kelas atas bukan sekadar isu kepatuhan ekspor, melainkan juga bagian dari dinamika persaingan teknologi yang lebih luas.
Bagi pengamat industri, temuan UnemploymentLabs menegaskan bahwa pelacakan penggunaan chip AI dapat dilakukan melalui jejak teknis yang ditinggalkan selama proses pelatihan model. Namun, karena keterbatasannya, metode ini tidak dapat dijadikan dasar tunggal untuk menyimpulkan adanya pelanggaran. Kesimpulan tersebut sejalan dengan sikap hati-hati para peneliti yang menyatakan bahwa perhitungan mereka valid, tetapi tidak mengungkap lokasi chip, cara akses, maupun bukti pelanggaran kontrol ekspor.
Komentar
Belum ada komentar.