Китайская Z.AI, раньше известная как Zhipu, начала частично запускать новый центр обработки данных для обучения моделей GLM. По данным Bloomberg, объект собран на китайских ускорителях, без чипов Nvidia, а мощность у него — 1 ГВт.
Если эти данные подтвердятся, это будет один из самых заметных примеров того, как китайские ИИ-компании выстраивают обучение больших моделей в обход американских экспортных ограничений. Раньше темп разработки во многом упирался в доступ к ускорителям. Теперь сама инфраструктура становится полем борьбы.
Масштаб проекта цепляет не меньше, чем происхождение железа. 1 ГВт — это примерно энергопотребление 750 000 домов. Для ИИ-индустрии это уже не просто большой дата-центр, а отдельный вычислительный мегаполис. Bloomberg пишет, что Z.AI уже использует несколько кластеров, и в каждом — больше 10 000 чипов. При этом среди них нет продукции Nvidia.
Какие именно ускорители там стоят, не раскрывается. И это неудивительно: китайский рынок ИИ-чипов ещё только собирается в понятную систему, а компании обычно не спешат светить конфигурации, особенно когда речь идёт не о демонстрационных стендах, а о машинах, на которых обучают большие модели.
История тут не сводится к одному объекту. США в последние годы последовательно ограничивают поставки передовых ускорителей в Китай, и Nvidia стала главным символом этой политики. Для китайских разработчиков это значит сразу две задачи: найти замену импортным чипам и показать, что на местном железе можно не только запускать готовые решения, но и обучать тяжёлые модели.
До сих пор этот вопрос оставался открытым. Китайские производители ускорителей — прежде всего Huawei, Cambricon и Alibaba — наращивают присутствие, но разрыв с Nvidia по производительности и программной экосистеме всё ещё заметен. Поэтому крупный объект Z.AI важен не сам по себе, а как проверка всей цепочки: чипы, серверы, охлаждение, питание, софт.
Сигналов, что китайские компании быстрее переходят на собственную инфраструктуру, уже несколько. Несколько дней назад пекинская Moonshot представила модель Kimi K3, которую сравнивают с ведущими американскими аналогами по возможностям, но потом компания упёрлась в нехватку вычислительных ресурсов и временно приостановила регистрацию новых пользователей. На этом фоне ставка Z.AI на большой внутренний дата-центр выглядит как попытка заранее убрать тот самый узкий участок, где у многих стартапов всё заканчивается не на идее, а на мощности.
У китайского государства тоже есть план на масштаб. По оценке Bloomberg, в ближайшие пять лет на строительство дата-центров в стране могут направить около 2 трлн юаней, или примерно $295 млрд. То есть гонка идёт уже не только за моделью получше, но и за инфраструктурой, которая вообще позволит такую модель обучать.
Для Nvidia и других западных поставщиков это неприятный, но ожидаемый поворот. Чем больше в Китае появляется собственных чипов, серверов и площадок под обучение, тем слабее зависимость от импортных ускорителей. И тем выше шанс, что следующий виток ИИ-конкуренции пройдёт уже на местном железе.