AI 모델 파일에 ‘칩의 지문’이 남는다? 딥시크·키미 등 중국 모델 6종에서 찾은 엔비디아 블랙웰 흔적으로 배우는 가중치·초기화·시드의 뜻, 132·148·152 숫자가 칩을 가리키는 원리와 ‘수출통제 위반은 증명 못 한다’는 한계까지 초보도 쉽게

AI 모델은 “어떤 컴퓨터로 만들었는지”를 스스로 말해 주지 않습니다. 회사가 발표하지 않으면 바깥에서는 알 방법이 없다고 다들 생각했죠. 그런데 최근 한 연구자가 공개된 AI 모델 파일 속 숫자만으로 그 모델을 만든 GPU(그래픽처리장치) 종류를 거꾸로 알아낼 수 있다는 분석을 내놓았습니다. 사람 손가락에 지문이 남듯, AI 모델에도 ‘칩의 지문’이 남는다는 이야기예요.

오픈AI 출신 연구자 윌 드퓌(Will DePue)가 이끄는 비영리 연구단체 언엠플로이먼트 랩스(Unemployment Labs)는 11월 12일(현지시간) 보고서를 내고, 중국 AI 기업 4곳(딥시크·문샷 AI·미니맥스·앤트그룹)이 올해 4월 이후 공개한 모델 6종에서 미국이 중국 수출을 막아 둔 엔비디아 ‘블랙웰’ GPU의 패턴을 찾았다고 밝혔습니다. 해외 개발자 커뮤니티 해커뉴스에서 450점 넘는 추천을 받았고, 국내에서도 AI타임스·연합뉴스·뉴데일리 등이 14~15일 잇따라 보도했어요.

다만 이 보고서는 스스로 “칩이 어디 있었는지, 어떻게 손에 넣었는지, 수출통제를 어겼는지는 증명하지 못한다”고 선을 그었습니다. 오늘은 ‘가중치’가 무엇인지부터 시작해서, 숫자 배열에 왜 칩의 흔적이 남는지, 연구자가 어떻게 확인했는지, 그리고 이 결과를 어디까지 믿어야 하는지를 초보자 눈높이로 하나씩 풀어 보겠습니다.

칩의 지문
칩의 지문: 공개된 모델 가중치의 숫자 배열을 거꾸로 따라가면, 그 숫자를 처음 만든 GPU의 작업반(SM) 수 132·148·152 가운데 무엇이었는지 추정할 수 있다(그림은 이해를 돕기 위한 단순화)

1. 한눈에 보는 오늘 이야기

질문 짧은 답
누가 발표했나요? 오픈AI 출신 윌 드퓌가 이끄는 비영리 연구단체 언엠플로이먼트 랩스입니다. 보고서 날짜는 2026년 11월 12일이에요.
무엇을 찾았나요? 중국 4개 회사의 공개 모델 6종에서 엔비디아 블랙웰 계열 GPU와 맞아떨어지는 숫자 배열을 찾았습니다.
어떻게 찾았나요? 내부 제보나 유출이 아니라, 회사들이 직접 공개한 모델 가중치만 분석했습니다.
왜 문제가 되나요? 블랙웰은 미국 정부 허가 없이 중국에 수출할 수 없는 칩입니다. 보고서는 허가가 났다는 보도가 없다고 적었어요.
그럼 불법이 확인됐나요? 아닙니다. 해외 데이터센터에서 빌려 썼을 가능성도 있어, 수출통제 위반 여부는 이 방법으로 알 수 없습니다.
얼마나 확실한가요? 우연히 맞을 수 있는 수준(약 8시그마)보다 훨씬 강한 49~1,385시그마가 나왔고, 실제 칩으로 재현 실험도 했다고 밝혔습니다.

2. 먼저, ‘가중치’가 뭔가요?

챗GPT 같은 AI 모델의 정체는 결국 엄청나게 많은 숫자 묶음입니다. 이 숫자 하나하나를 가중치(weight) 또는 파라미터(parameter)라고 불러요. 질문이 들어오면 이 숫자들로 계산을 해서 답을 만들어 냅니다. 큰 모델은 이런 숫자가 수천억 개, 많게는 1조 개가 넘습니다.

‘학습(훈련)’이란 이 숫자들을 조금씩 고쳐 나가는 과정입니다. 그런데 고치려면 처음 값이 있어야겠죠? 그래서 학습을 시작하기 전에 모든 칸을 무작위 숫자로 한 번 채워 두는데, 이걸 초기화라고 합니다. 오늘 이야기의 열쇠가 바로 이 ‘처음에 채워 둔 숫자’예요.

용어 쉬운 뜻 비유
가중치(파라미터) AI 모델을 이루는 숫자들 거대한 엑셀 표의 칸 하나하나
초기화 학습 전에 칸을 무작위 숫자로 채우는 일 새 공책에 연필로 밑그림 그려 두기
시드(seed) 무작위 숫자를 만들 때 쓰는 ‘시작 번호’ 같은 번호를 넣으면 늘 같은 순서가 나오는 제비뽑기 통
오픈 웨이트 모델 가중치 파일을 누구나 내려받게 공개한 모델 완성된 요리 레시피 전체를 공개한 것
GPU AI 계산을 빠르게 하는 칩 수십만 명이 동시에 일하는 계산 공장
SM(스트리밍 멀티프로세서) GPU 안의 작업 단위(코어 묶음) 공장 안의 ‘작업반’

여기서 중요한 점이 하나 있습니다. 컴퓨터의 ‘무작위’ 숫자는 사실 진짜 무작위가 아니라 공식으로 만든 숫자라는 거예요. 보고서에 따르면 대부분의 AI 개발에 쓰이는 파이토치(PyTorch)는 필록스(Philox)라는 공식을 쓰는데, 같은 시드를 넣으면 언제나 똑같은 숫자들이 똑같은 순서로 나옵니다. 실험을 똑같이 다시 해 보기 위해 일부러 그렇게 만든 거죠.

3. 왜 숫자 배열에 ‘칩의 지문’이 남을까

수십억 칸을 빨리 채우려면 혼자 채우면 안 되겠죠. 그래서 GPU는 이 일을 수십만 명의 ‘일꾼’(스레드)에게 나눠 맡깁니다. 보고서가 살펴본 엔비디아 칩에서는 작업반(SM) 하나당 최대 2,048명의 일꾼이 붙어요. 그러니 작업반이 몇 개인 칩이냐에 따라 일꾼 수가 달라지고, 그 결과 숫자가 놓이는 자리가 달라집니다.

보고서가 든 쉬운 예를 그대로 옮겨 보면 이렇습니다. 작업반 6개 × 일꾼 8명 = 일꾼 48명인 장난감 GPU가 있다고 해 볼게요. 1번 일꾼은 1번 칸을 채우고, 다음 숫자는 49번 칸, 그다음은 97번 칸에 넣습니다. 그런데 작업반이 5개(일꾼 40명)인 칩으로 바꾸면, 1번 일꾼이 만드는 숫자 자체는 똑같지만 이번엔 1번, 41번, 81번 칸에 들어가요. 보고서 예시에서는 이렇게만 바꿔도 원래 배열과 같은 자리에 같은 숫자가 있는 칸이 6%밖에 남지 않았습니다.

같은 시드, 다른 칩
같은 시드, 다른 칩: 일꾼 48명이면 1번 일꾼의 숫자가 1·49·97번 칸에, 40명이면 1·41·81번 칸에 들어간다. 숫자는 같아도 자리가 달라지는 것이 지문의 원리(보고서의 장난감 예시)

즉 원래 배열을 그대로 재현하려면 두 가지가 동시에 맞아야 합니다. 시드가 맞아야 숫자가 맞고, 일꾼 수(칩 종류)가 맞아야 자리가 맞아요. 거꾸로 말하면, 공개된 모델의 숫자 배열을 재현해 내는 순간 그 모델을 초기화한 칩 계열까지 알 수 있다는 뜻입니다.

칩 계열 대표 제품 작업반(SM) 수 일꾼(스레드) 수 중국 수출
암페어 A100 / A800 108 – A800은 2023년 11월까지 합법(보고서 기준)
호퍼 H100 SXM / H200 / H800 132 270,336 H200은 일부 허용(연합뉴스 보도)
블랙웰 B200 / B300 148 303,104 허가 필요, 허가 보도 없음
그레이스 블랙웰 GB200 / GB300 152 311,296 허가 필요, 허가 보도 없음

단, 같은 계열 안에서는 구별이 안 됩니다. 예를 들어 ‘132’가 나오면 호퍼 계열이라는 것까지만 알 수 있고, 그게 H100인지 H800인지 H200인지는 이 방법으로 가릴 수 없어요.

4. 학습하면 숫자가 다 바뀌는데, 어떻게 흔적이 남죠?

좋은 질문입니다. 학습은 숫자를 수없이 고치니까 처음 밑그림은 지워질 것 같죠. 보고서는 두 가지 이유로 흔적이 남는다고 설명합니다.

흔적 종류 왜 남나요? 얼마나 선명한가요?
손도 안 댄 칸 학습 데이터에 한 번도 안 나온 단어·기호 자리 같은 칸은 학습 중에 고쳐지지 않아 처음 숫자가 거의 그대로 남습니다. 매우 선명. 비트 단위까지 똑같은 경우도 있었어요.
고쳐진 칸의 희미한 메아리 최종 숫자 = 처음 숫자 + 그동안 고친 양. 0.2와 0.8에서 출발한 두 숫자가 둘 다 0.1씩 올랐다면 순서는 그대로죠. 희미함. 하나만 봐선 모르지만 수십만 개를 모으면 통계로 드러납니다.

예를 들어 딥시크-V4-플래시의 경우, 학습으로 바뀐 칸들까지 블랙웰 배열로 놓고 보면 처음 값이 컸던 칸이 지금도 살짝 큰 경향(상관계수 0.066)이 나타났지만, 호퍼 배열로 놓으면 그 관계가 사라졌다고 보고서는 밝혔습니다. 숫자는 작아 보여도 74만여 개씩 42개 층을 모아서 본 결과라 통계적으로는 의미가 크다는 설명이에요.

5. 그래서 무엇이 나왔나: 모델 6종의 지문

연구자는 시드와 칩 배열의 조합 약 6조 가지를 뒤져 공개 모델과 맞춰 봤습니다. 그 결과 아래 6개 모델이 블랙웰 계열 배열과 맞아떨어졌다고 합니다.

회사 모델(공개 시기) 나온 숫자 가리키는 칩
딥시크(DeepSeek) V4-플래시(2026년 4월) 148 블랙웰 B200/B300
딥시크 V4-프로(2026년 4월) 152 GB200/GB300
문샷 AI(Moonshot AI) 키미 K3(2026년 7월) 152 GB200/GB300
문샷 AI 키미 K3.1-프로(2026년 11월) 152 GB200/GB300 (K3와 같은 시드라 K3를 추가 학습한 버전일 수 있음)
미니맥스(MiniMax) M3(2026년 6월) 148 블랙웰 B200/B300
앤트그룹(Ant Group) 링(Ling)-3.1-플래시(2026년 10월) 152 GB200/GB300

흥미로운 건 같은 회사의 이전 모델은 호퍼(132)로 읽혔다는 점입니다. 시간 순서로 늘어놓으면 ‘언제부터 칩이 바뀌었나’가 보여요.

지문이 바뀐 순간
지문이 바뀐 순간: 딥시크·문샷·미니맥스·앤트그룹의 이전 모델은 호퍼(132)로, 최신 모델은 블랙웰(148·152)로 읽혔다(언엠플로이먼트 랩스 보고서 기준)
회사 호퍼(132)로 읽힌 마지막 모델 블랙웰로 읽힌 첫 모델
딥시크 V3(2024년 12월) 등 V4-플래시·V4-프로(2026년 4월)
문샷 AI 키미 K2.5(2026년 1월) 키미 K3(2026년 7월)
미니맥스 M2.7(2026년 4월) M3(2026년 6월)
앤트그룹 링-3.0-플래시(2026년 8월) 링-3.1-플래시(2026년 10월)

반면 모든 중국 회사가 바뀐 건 아니었습니다. 보고서가 읽을 수 있었던 알리바바(큐원·Qwen), 즈푸(GLM), 텐센트, 샤오미, 스텝펀의 최신 모델은 모두 호퍼로 읽혔고, “AI 전용칩(ASIC) 슈퍼팟에서 학습했다”고 밝힌 메이퇀의 롱캣(LongCat)-2.0에서는 엔비디아 지문이 아예 나오지 않았다고 해요. 그러니 “중국 AI가 전부 블랙웰을 쓴다”는 식으로 읽으면 안 됩니다.

6. 진짜인지 어떻게 확인했나요?

숫자를 6조 번이나 맞춰 보면 우연히 비슷한 게 하나쯤 나올 수도 있겠죠. 보고서는 그런 의심을 줄이려고 여러 겹의 확인을 했다고 밝혔습니다.

확인 방법 무엇을 했나 결과(보고서 기준)
실제 칩으로 재현 수정하지 않은 파이토치를 H100(호퍼)과 B300(블랙웰)에서 돌려 봄 H100은 딥시크-V3를, B300은 V4-플래시를 재현. 서로 바꾸면 안 맞음. V4-플래시는 469줄 중 461줄 재현, 445줄은 비트 단위까지 일치
빌린 GB200으로 재현 키미 K3의 시드로 초기값 생성 남아 있던 13줄 모두 재현. 시드를 1만 바꿔도 하나도 안 맞음
정답 아는 모델로 시험 개발사가 쓴 칩을 공개한 모델 24종에 적용 24종 모두 공개 내용과 일치. 예: 메타 라마 3.1(H100) → 132, 엔비디아 네모트론-3 울트라(GB200) → 152
우연 가능성 계산 6조 조합을 뒤졌을 때 우연히 나올 최고치를 약 8시그마로 잡음 6개 모델의 가장 강한 증거는 49~1,385시그마, 가장 약한 개별 시험도 20시그마
제3자 재현 다른 연구자가 공개 가중치로 따로 확인 깃허브 저장소(checkpoint-forensics-replication)에서 딥시크-V3 132, V4-플래시 148, 키미 K3 152 배열을 재현

‘시그마’는 “우연이라면 이 정도가 나올 확률이 얼마나 낮은가”를 나타내는 통계 단위예요. 숫자가 클수록 우연일 가능성이 낮습니다. 드퓌는 X(옛 트위터)에서 오픈AI와 앤트로픽의 선임 연구자들이 독립적으로 검증했다고도 밝혔는데, 이건 본인 주장이라는 점은 알아 두세요.

7. 그런데 이것만으로는 알 수 없는 것들

이 보고서가 좋은 점은 스스로 한계를 꼼꼼히 적었다는 겁니다. 뉴스 제목만 보고 “중국이 칩을 밀수했다”고 단정하면 안 되는 이유가 여기 있어요.

알 수 있는 것과 없는 것
알 수 있는 것과 없는 것: 초기값을 만든 칩 계열과 시드는 알 수 있지만, 칩이 있던 장소·확보 경로·수출통제 위반 여부는 이 방법으로 알 수 없다
한계 무슨 뜻인가요?
‘처음 숫자를 만든 칩’만 안다 초기화는 블랙웰에서 하고 학습은 다른 칩에서 했을 수도 있습니다. 보고서는 “학습도 블랙웰에서 했다는 추론을 뒷받침하지만 증명하지는 않는다”고 썼어요.
장소·소유자는 모른다 블랙웰 서버는 중국 밖 데이터센터에서 빌려 쓸 수도 있습니다. 밀반입이나 수출통제 위반을 이 방법으로 입증할 수는 없어요.
AMD 칩 가능성 AMD MI300X를 아주 특이하게 설정하면 같은 배열이 나올 수 있습니다. 딥시크-V4-플래시는 미세한 계산 차이로 AMD를 배제했고(갈리는 377개 값 중 363개가 엔비디아와 일치, AMD와는 0개), 나머지 5개는 “가능성이 매우 낮다”고 봤어요. 참고로 MI300X도 중국 수출이 제한된 칩입니다.
공개 모델만 가능 가중치를 공개하지 않은 폐쇄형 모델은 검사할 수 없습니다.
도구에 따라 지문이 없다 바이두 패들패들로 만든 어니(ERNIE)-5.5는 시드(2760)는 찾았지만 칩은 못 알아냈고, CPU로 초기화한 일부 큐원3 모델이나 딥시크-V4.1-플래시에서는 흔적을 찾지 못했다고 합니다.
규모 추정은 불확실 GPU 대수와 비용은 효율·학습 기간을 가정해서 낸 숫자라 연구자 스스로 “자신 없다”고 적었습니다.

보고서 작성 시점과 국내외 보도 시점을 기준으로, 해당 중국 회사들과 엔비디아의 공식 입장은 확인되지 않았습니다.

8. 얼마나 큰 규모였을까: 추정치 읽는 법

보고서는 모델 크기와 학습 데이터 양으로 학습에 들어간 계산량을 거꾸로 추정했습니다. 처음 버전에서는 가장 큰 학습에 블랙웰 2,000~3,000장이라고 했다가, 11월 12일 수정판에서 숫자를 올렸어요. 이렇게 숫자가 바뀌었다는 것 자체가 ‘추정’이라는 증거입니다.

모델 블랙웰 GPU 추정(최선값) 범위 추정 학습 기간
딥시크-V4-플래시 1,500장 250~5,000장 50일
딥시크-V4-프로 3,000장 750~6,500장 70일
키미 K3 4,500장 1,000~9,500장 70일
미니맥스-M3 1,500장 200~7,000장 60일
링-3.1-플래시 1,500장 400~6,500장 100일
5개 합계 약 12,000장 7,000~22,000장 –

보고서는 GPU 한 장에 약 7만 달러로 잡아, 가장 큰 클러스터가 약 2억~3억 달러, 다섯 개를 합치면 5억 달러(연합뉴스 환산 약 6,700억 원)가 넘는다고 계산했습니다. 이건 최종 학습 한 번만 따진 값이고, 실험이나 서비스용 칩은 빠져 있어요. 범위가 250장~5,000장처럼 아주 넓다는 점도 꼭 같이 봐야 합니다.

9. 왜 이게 큰 뉴스일까: 수출통제 이야기

미국은 첨단 AI 칩이 중국의 AI 경쟁력을 키우는 데 쓰이지 않도록 중국 수출을 제한해 왔습니다. 연합뉴스 보도에 따르면 트럼프 행정부는 호퍼 계열 H200의 중국 수출은 일부 허용했지만, 블랙웰과 그 후속인 루빈의 수출은 승인한 적이 없어요. 그동안 미국 관리들과 언론이 “딥시크와 문샷이 블랙웰을 쓴다”고 의심해 왔지만, 공개된 기술적 증거는 없었습니다. 이번 보고서가 주목받는 건 바로 그 증거를 회사들이 직접 올린 파일에서 찾았다는 점 때문이에요.

지금까지 이번 보고서 이후
“블랙웰을 쓴다더라”는 관리·언론의 주장 공개 가중치에서 블랙웰 배열을 찾았다는 기술적 분석
딥시크·문샷 중심의 의혹 미니맥스·앤트그룹까지 포함(보고서는 앤트그룹 공개 코드에서 GB300 성능 측정 기록도 찾았다고 밝힘)
칩 사용 여부를 확인할 방법이 마땅치 않음 오픈 웨이트 모델이라면 누구나 검증해 볼 수 있는 방법이 공개됨(코드 공개)
위반 여부는 미확인 여전히 미확인(장소·확보 경로는 알 수 없음)

10. 우리에게 주는 교훈 3가지

교훈 일상에서는
디지털 파일은 생각보다 많은 걸 말해 준다 사진 파일에 촬영 장소·기기 정보(메타데이터)가 남듯, AI 모델 파일에도 만든 환경의 흔적이 남을 수 있어요. ‘공개’한 순간 남이 분석할 수 있다는 뜻이기도 합니다.
‘증거’와 ‘결론’을 나눠 읽자 “블랙웰 배열이 나왔다”는 증거와 “수출통제를 어겼다”는 결론은 다른 이야기입니다. 기사 제목이 어느 쪽을 말하는지 구분해 보세요.
추정치는 범위와 가정까지 함께 “GPU 1만 2천 장” 같은 숫자는 가정에 따라 7천~2만 2천 장까지 움직입니다. 숫자 하나만 기억하지 말고 범위를 같이 기억하세요.

11. 자주 묻는 질문

질문 답
제가 쓰는 딥시크·키미 앱이 위험해지나요? 이번 분석은 모델을 ‘어떤 칩으로 만들었나’에 관한 것이지, 앱의 보안이나 개인정보와는 직접 관련이 없습니다.
이 방법으로 챗GPT·제미나이도 알 수 있나요? 아니요. 가중치가 공개된 모델만 가능합니다. 폐쇄형 모델은 파일 자체를 볼 수 없어요.
회사들이 앞으로 흔적을 지울 수 있나요? 보고서도 CPU로 초기화하거나 다른 프레임워크를 쓰면 지문이 남지 않는 사례를 적었습니다. 방법이 알려진 만큼 앞으로는 숨기기 쉬워질 수도 있어요.
‘시드’가 공개돼도 괜찮나요? 보고서는 딥시크(953049583), 문샷(20256586) 시드를 찾아냈다고 밝혔습니다. 시드는 초기값을 만드는 번호일 뿐이라, 이것만으로 모델을 베끼거나 해킹할 수는 없습니다.
H800은 뭐고 왜 자주 나오나요? 예전 수출 규제에 맞춰 중국용으로 성능을 낮춘 호퍼 계열 칩입니다. 딥시크·문샷은 예전 모델에 H800을 썼다고 밝힌 적이 있어요. 다만 이 방법으로는 H800과 H100·H200을 구분하지 못합니다.

마무리: 모델은 말이 없어도, 숫자는 기억한다

이번 분석을 한 줄로 줄이면 “AI 모델의 첫 숫자 배열에는 그 숫자를 만든 칩의 작업반 수가 새겨지고, 그 흔적은 학습 뒤에도 일부 남는다”입니다. 그 덕분에 중국 4개 회사의 최신 모델 6종이 블랙웰 계열 칩에서 시작됐다는 강한 기술적 증거가 나왔어요. 하지만 칩이 어디에 있었는지, 누가 어떻게 마련했는지, 법을 어겼는지는 여전히 물음표입니다. 이런 뉴스를 볼 때는 “무엇이 확인됐고 무엇이 아직 추정인가”를 나눠서 읽는 습관, 그게 AI 시대에 가장 쓸모 있는 뉴스 읽기 기술일지도 모릅니다.