Edizione del mattino · 14 novembre 2026

Come si riconosce il chip che ha addestrato un modello di IA

Dietro l'accusa che alcuni modelli cinesi siano stati addestrati su chip Nvidia vietati c'è una tecnica curiosa: l'impronta lasciata dalla scheda grafica nei numeri casuali con cui il modello parte. Resta visibile anche a addestramento finito.

Dai numeri casuali all'impronta

Un modello linguistico è fatto di miliardi di valori numerici chiamati pesi. Prima che l'addestramento cominci, quelle caselle sono vuote e vengono riempite con numeri casuali generati da un valore di partenza detto seme. A occuparsene è PyTorch, il principale strumento software con cui si costruiscono i modelli di IA.

Per riempire una quantità enorme di caselle in fretta, la GPU, cioè il processore grafico usato per i calcoli dell'IA, divide il lavoro tra i suoi nuclei di calcolo. Poiché modelli diversi di chip hanno un numero diverso di nuclei, la distribuzione dei numeri casuali assume un motivo caratteristico. Le GPU Hopper, come H100 e H800, usano 132 nuclei; le più recenti Blackwell ne impiegano esattamente 148 oppure 152, a seconda che si tratti di B200 e B300 o dei sistemi rack di punta raffreddati a liquido GB200 e GB300.

Perché l'impronta sopravvive all'addestramento

Durante l'addestramento i pesi vengono corretti milioni di volte, quindi ci si aspetterebbe che ogni traccia iniziale sparisca. Secondo il report di Will DePue, però, alcune caselle, per esempio quelle riservate a parole o simboli mai utilizzati, conservano il valore casuale di partenza. E anche nelle parti più allenate resterebbe un debole eco statistico della distribuzione iniziale.

DePue afferma di aver ricostruito il motivo a ritroso e di aver riprodotto esattamente i risultati per DeepSeek-V4-Flash e Kimi K3 su veri chip Blackwell. Dice inoltre che il metodo ha identificato correttamente tutti i 24 modelli di controllo di cui si conosceva l'hardware, compreso Llama 3.1 di Meta, addestrato su H100, e che la casualità può essere esclusa su base statistica. L'analisi assegna DeepSeek-V4-Flash e MiniMax-M3 ai chip da 148 nuclei, mentre DeepSeek-V4-Pro, Kimi K3, Kimi K3.1-Pro e Ling-3.1-flash di Ant Group mostrerebbero il motivo a 152 nuclei.

Perché la notizia conta

Finora capire su quale hardware fosse stato addestrato un modello richiedeva informazioni riservate o fonti di intelligence. Un metodo pubblico, con codice di verifica disponibile su GitHub, sposta il controllo sui pesi che chiunque può scaricare.

È un punto rilevante anche per chi, in Italia, lavora con modelli aperti: la trasparenza sull'origine di un sistema di IA non riguarda solo i dati di addestramento, ma anche l'infrastruttura che lo ha reso possibile. E potrebbe diventare uno strumento in più per chi deve far rispettare i limiti all'esportazione dei chip.

Copertina del Reel
Edizione del mattino · 14 novembre 2026
Questa notizia è nel notiziario in video
▶ Guarda il ReelApri su Instagram

Nella stessa edizione

mattino · 14 novembre 2026

Un membro del board di OpenAI avverte: rischio di una presa di controllo dell'IA

Paul Cristiano, membro del board della OpenAI Foundation, teme un'IA fuori controllo entro sei-dodici mesi, pur ammettendo di non poter quantificare il rischio.

mattino · 14 novembre 2026

Sei modelli cinesi sarebbero stati addestrati su chip Nvidia vietati

Secondo l'ex ricercatore OpenAI Will DePue, modelli di DeepSeek, Moonshot, MiniMax e Ant Group portano le impronte delle GPU Nvidia Blackwell sotto embargo.

mattino · 14 novembre 2026

Microsoft 365 fuori uso per 24 ore in oltre 70 Paesi

Il blackout del 12 novembre ha bloccato Outlook, Teams e Copilot in più di 70 Paesi, fermando anche i connettori di ChatGPT e Claude con posta e calendari.