KI-Modelle und Plattformen
Z.ai baut Rechenzentrum mit einer Leistung von einem Gigawatt mit chinesischen Chips
Unite.AI zu deinen bevorzugten Quellen auf Google hinzufügen
Z.ai, der chinesische AI-Entwickler, der früher als Zhipu bekannt war, hat ein Rechenzentrum fertiggestellt, das ausschließlich auf chinesischen Chips läuft und hat bereits einen Teil davon in Betrieb genommen, wie eine Person, die mit dem Projekt vertraut ist, gegenüber Bloomberg sagte. Der Standort ist so konzipiert, dass er etwa eine Gigawatt Leistung benötigt – was in etwa dem Bedarf von 750.000 Haushalten entspricht – und um das Unternehmen seine GLM-Modelle ohne die Nvidia (NVDA ) -Hardware auszubilden, die die US-Exportkontrollen außer Reichweite halten.
Die gleiche Person, die anonym sprach, sagte, Z.ai betreibe jetzt oder habe mehrere Rechencluster gebaut, die jeweils über 10.000 Chips verfügen. Weder der Standort des Gigawatt-Hubs noch die spezifischen Beschleuniger in ihm wurden bekannt gegeben, und die Aussage basiert auf einer einzigen Quelle und nicht auf einer Genehmigung, einem Antrag oder einem unterzeichneten Stromvertrag. Die Richtung ist jedoch klar genug: Einer der stärksten Modellbauer Chinas baut Hyperscale-Trainingskapazitäten auf, die amerikanisches Silizium vollständig umgehen.
Was eine Gigawatt tatsächlich kaufen
Eine Gigawatt ist eine ernsthafte Zahl. Sie bringt diesen Campus in die gleiche Gewichtsklasse wie die größten AI-Standorte, die derzeit in den USA im Bau sind, und macht Strom, nicht Chips, zur bindenden Einschränkung – der gleiche Druck, der die gesamte Branche in Richtung effizientere Rechenmethoden treibt. Das Aufstellen dieser Menge an Strom, Kühlung und Netzwerk an einem Ort ist das harte Stück Arbeit; die Beschaffung der Prozessoren ist fast die einfache Hälfte.
Rohe Megawatt machen den Vergleich schmeichlerisch. Chinas inländische Beschleuniger – angeführt von Huaweis Ascend-Linie, mit Herausforderern wie Cambricon und Moore Threads – liegen hinter Nvidias aktueller Blackwell-Generation in puncto Leistung pro Watt zurück. Eine Gigawatt chinesischer Silizium ergibt daher weniger nutzbare Trainingsleistung als eine Gigawatt, die von Nvidia-Systemen gezogen wird: Das Labor muss mehr Strom verbrennen und mehr Chips verbinden, um die gleiche effektive Durchsatzleistung zu erreichen. Mehrere Cluster mit 10.000 oder mehr Chips bedeuten eine Flotte im Zehntausenderbereich an Beschleunigern, und in dieser Größenordnung verschiebt sich die Flaschenhalsstelle von den Chips selbst zu den Netzwerken und dem Speicher, die sie verbinden – genau dort, wo chinesische Teile am weitesten zurückliegen. Diese Strafe ist der wahre Preis für den Umstieg auf Inlandsproduktion.
Warum Z.ai keine Nvidia kaufen kann
Für Z.ai gibt es wenig Wahl. Das US-Handelsministerium hatte Zhipu im Januar 2025 auf seine Exportblacklist gesetzt und das Unternehmen damit von dem Kauf von fortschrittlichen Nvidia-Teilen über legale Kanäle abgeschnitten. Washington hat seitdem einige Einschränkungen gelockert und Nvidia wieder dazu ermächtigt, heruntergeskalte Chips nach China zu verkaufen, während es die leistungsstärksten verbietet – aber nichts davon erreicht ein auf der Schwarzen Liste stehendes Labor. Ein vollständig chinesischer Aufbau ist der einzige legale Weg, den Z.ai noch hat.
Das Unternehmen ist schon seit Monaten auf diesem Weg. Zhipu hat gesagt, es habe kürzlich GLM-Modelle auf Huaweis Ascend-Beschleunigern mit Huaweis MindSpore-Software trainiert, eine Arbeit, die es als das erste große offene Modell bezeichnete, das auf einem vollständig inländischen Stapel aufgebaut wurde. Washingtons Sanktionen, die darauf abzielten, die chinesische KI zu verlangsamen, haben stattdessen die Bemühungen des Landes um Chipunabhängigkeit beschleunigt – und das neue Rechenzentrum ist die industrielle Version dieses Einsatzes.
Pekings inländischer Silizium-Einsatz
Der Aufbau passt in eine umfassendere Richtlinieninitiative. Peking hat staatliche Betreiber aufgefordert, neue KI-Rechenzentren mit inländischen Chips zu füllen, Teil einer Selbstversorgungsinitiative, die darauf abzielt, den größten Teil des Landes KI-Rechenleistungen innerhalb weniger Jahre inländisch zu beziehen. Eine Gigawatt inländische Kapazität in einem Flaggschiff-Labor ist der Art von Beleg, auf den die Richtlinie abzielt.
Es landet auch zu einem Zeitpunkt, an dem chinesische Modelle die Grenze erreichen. Z.ai-GLM-Systeme und rivalisierende offene Modelle von Labors wie Moonshot haben Aufmerksamkeit für ihre Fähigkeit erregt, westliche Systeme bei wesentlich geringeren Kosten zu erreichen, und ob China sie auf seiner eigenen Hardware trainieren und bereitstellen kann, ist die Rechenleistungshälfte seines umfassenderen Vorstoßes, die Bedingungen der KI-Ära zu bestimmen.
Zum jetzigen Zeitpunkt sind die tragenden Details unbestätigt. Keine unabhängige Partei hat die Chip-Zahl bestätigt, die Beschleuniger benannt oder gezeigt, woher eine Gigawatt Strom kommt – die Fragen, die einen funktionierenden KI-Betrieb von einer pressefertigen Zahl trennen. Wenn Z.ai-Cluster im beschriebenen Umfang laufen, hat China seinen klaren Hinweis darauf, dass es frontier-scale-Rechenleistung ohne Nvidia aufbauen kann. Wenn sie nicht laufen, liegt die Distanz zwischen einem fertigen Gehäuse und einer Gigawatt Live-Trainingsleistung genau dort, wo Projekte wie dieses tendenziell ins Stocken geraten.
