Μοντέλα και πλατφόρμες AI

Η Z.ai κατασκευάζει ένα κέντρο δεδομένων Gigawatt με κινεζικά chip

mm
Προσθέστε το Unite.AI στις προτιμώμενες πηγές σας στο Google

Η Z.ai, ο κινεζικός αναπτυξιακός AI που ήταν γνωστός παλαιότερα ως Zhipu, έχει ολοκληρώσει την κατασκευή ενός κέντρου δεδομένων που λειτουργεί αποκλειστικά με κινεζικά chip και έχει αρχίσει να λειτουργεί ένα μέρος του, σύμφωνα με一个人 που είναι εξοικειωμένος με το πρότζεκτ και που αναφέρεται από το Bloomberg. Το site είναι κατασκευασμένο για να τραβήξει περίπου ένα γιγαβάτ ενέργειας — περίπου όσο χρειάζεται για να τροφοδοτήσει 750.000 σπίτια — και για να εκπαιδεύσει τα μοντέλα GLM της εταιρείας χωρίς το hardware της Nvidia (NVDA ) που οι έξωθεν ελέγχοι εξαγωγής των ΗΠΑ κρατούν έξω από την εμβέλεια της.

Ο ίδιος άνθρωπος, που μίλησε ανώνυμα, είπε ότι η Z.ai λειτουργεί ή έχει κατασκευάσει plusieurs υπολογιστικούς cluster που καθένας περιέχει περισσότερα από 10.000 chip. Η τοποθεσία του κέντρου γιγαβάτ ούτε οι συγκεκριμένοι επιταχυντές μέσα σε αυτό δεν αποκαλύφθηκαν, και η αναφορά βασίζεται σε μια seule πηγή αντί για μια άδεια, μια υποβολή, ή μια υπογεγραμμένη σύμβαση ηλεκτρικής ενέργειας. Η κατεύθυνση είναι αρκετά σαφής: ένας από τους ισχυρότερους κατασκευαστές μοντέλων της Κίνας στήνει υπερκλιμακωμένη ικανότητα εκπαίδευσης που παραλείπει εντελώς το αμερικανικό σιλικόνη.

Τι αγοράζει πραγματικά ένα γιγαβάτ

Ένα γιγαβάτ είναι ένα σοβαρό αριθμό. Τοποθετεί αυτό το campus στην ίδια κατηγορία με τα μεγαλύτερα sites AI υπό κατασκευή στις ΗΠΑ, και κάνει την ενέργεια, όχι τα chip, το δεσμευτικό περιορισμό — το ίδιο σφίξιμο που πιέζει ολόκληρη την βιομηχανία προς πιο αποτελεσματικούς τρόπους υπολογισμού. Το να στήσεις τόσο ηλεκτρική ενέργεια, ψύξη και δικτύωση σε ένα μέρος είναι το δύσκολο μέρος; το να προμηθεύσεις τους επεξεργαστές είναι σχεδόν το εύκολο μέρος.

Οι ακατέργαστες μεγαβάτ επίσης κολακεύουν την σύγκριση. Οι κινεζικοί επιταχυντές — με ηγέτη την σειρά Ascend της Huawei, με ανταγωνιστές όπως η Cambricon και η Moore Threads — πίσω από την τρέχουσα γενιά Blackwell της Nvidia σε απόδοση ανά βατ. Ένα γιγαβάτ κινεζικού σιλικόνη因此 παράγει λιγότερη χρησιμοποιήσιμη εκπαίδευση υπολογισμού από ένα γιγαβάτ που τραβήχτηκε από συστήματα Nvidia: το εργαστήριο πρέπει να καεί περισσότερη ενέργεια και να συνδέσει περισσότερα chip για να φτάσει την ίδια αποτελεσματική απόδοση. Πολλά cluster των 10.000-plus chip υπονοούν một στόλο στην δεκάδα των χιλιάδων επιταχυντών, και σε αυτή την κλίμακα το μπουκάλι γίνεται από τα δίκτυα και τη μνήμη που συνδέουν τα chip — ακριβώς εκεί όπου τα κινεζικά μέρη μένουν πιο πίσω. Αυτή η ποινή είναι η πραγματική τιμή της国内 κατασκευής.

Γιατί η Z.ai δεν έχει Nvidia για να αγοράσει

Για την Z.ai, δεν υπάρχει πολλή επιλογή στο θέμα. Το Υπουργείο Εμπορίου των ΗΠΑ προσθέτει την Zhipu στη μαύρη λίστα εξαγωγών τον Ιανουάριο του 2025, κόβοντας την εταιρεία από την αγορά προηγμένων μερών Nvidia μέσω νόμιμων καναλιών. Η Ουάσινγκτον έχει ελαφρώσει κάποιους περιορισμούς από τότε, ξανανώντας την Nvidia να πουλήσει scaled-down chip στην Κίνα ενώ απαγορεύει τα πιο ισχυρά — αλλά κανένα από αυτά δεν φτάνει σε μια μαύρη λίστα εργαστήριο. Một all-κινεζική κατασκευή είναι ο seul νόμιμος δρόμος που έχει η Z.ai.

Η εταιρεία πηγαίνει προς αυτή την κατεύθυνση για μήνες. Η Zhipu έχει πει ότι εκπαίδευσε πρόσφατα μοντέλα GLM στα επιταχυντές Ascend της Huawei χρησιμοποιώντας το λογισμικό MindSpore της Huawei, δουλειά που περιέγραψε ως το πρώτο μεγάλο ανοιχτό μοντέλο που κατασκευάστηκε σε ένα εντελώς εγχώριο στάκ. Οι κυρώσεις της Ουάσινγκτον, που στόχευαν να επιβραδύνουν την κινεζική AI, έχουν αντίθετα ταχύνουν την κινεζική οδήγηση για αυτοεξάρτηση chip — και το νέο κέντρο δεδομένων είναι η βιομηχανική έκδοση αυτής της στοίχησης.

Η στοίχημα της Πεκίνου για εγχώριο σιλικόνη

Η κατασκευή ταιριάζει σε μια ευρύτερη πολιτική ώθηση. Η Πεκίνο έχει παρακινήσει τους κρατικούς операторες να γεμίσουν νέα κέντρα δεδομένων AI με εγχώριους chip, μέρος μιας οδηγίας αυτοεξάρτησης που στοχεύει να προμηθεύσει το μεγαλύτερο μέρος της κινεζικής υπολογιστικής AI εγχώρια μέσα σε quelques χρόνια. Ένα γιγαβάτ εγχώριας ικανότητας σε ένα φλαγκσίπ εργαστήριο είναι το είδος του σημείου που η πολιτική έχει φτάσει.

Επίσης, φτάνει όταν τα κινεζικά μοντέλα πλήθουν στο μέτωπο. Τα συστήματα GLM της Z.ai και τα αντίπαλα ανοιχτά μοντέλα από εργαστήρια όπως η Moonshot έχουν κερδίσει προσοχή για την αντιστοίχηση δυτικών συστημάτων σε πολύ χαμηλότερο κόστος, και αν η Κίνα μπορεί να εκπαιδεύσει και να εξυπηρετήσει αυτά τα μοντέλα με τη δική της υλική υποδομή είναι το υπολογιστικό μέρος της ευρύτερης οδηγίας της για να ορίσει τους όρους της εποχής AI.

Για τώρα, τα βασικά στοιχεία είναι ανεπιβεβαίωτα. Κανένας ανεξάρτητος δεν έχει επιβεβαιώσει τον αριθμό των chip, δεν έχει ονομάσει τους επιταχυντές, ή δεν έχει δείξει από πού προέρχεται ένα γιγαβάτ ενέργειας — τις ερωτήσεις που χωρίζουν ένα λειτουργικό εργαστήριο AI από ένα press-έτοιμο αριθμό. Αν τα cluster της Z.ai λειτουργούν στην κλίμακα που περιγράφεται, η Κίνα έχει το σαφέστερο σημάδι ότι μπορεί να κατασκευάσει υπολογιστική ικανότητα σε μέτωπο χωρίς την Nvidia. Αν δεν είναι, η απόσταση μεταξύ ενός ολοκληρωμένου κελύφους και ενός γιγαβάτ ζωντανού εκπαιδευτή είναι ακριβώς εκεί όπου τα projects σαν αυτό συνήθως σταματούν.

Ο Theo Nash είναι ένας ειδικός που δημιουργήθηκε από AI στο Unite.AI, που καλύπτει την υποδομή AI, τον υπολογισμό και τα συστήματα υλικού που τροφοδοτούν την σύγχρονη τεχνητή νοημοσύνη. Το έργο του επικεντρώνεται στις τεχνικές βάσεις πίσω από τις μεγάλες εργασίες AI, συμπεριλαμβανομένων των κέντρων δεδομένων, των επιταχυντών, των δικτύων και των στοιχείων λογισμικού που τα συνδέουν.
Με μια αναλυτική και μηχανική προοπτική, ο Theo εξετάζει πώς οι προόδους στις GPU, το εξειδικευμένο σιλικόνιο, τις αρχιτεκτονικές μνήμης και τα κατανεμημένα συστήματα επιτρέπουν новые γενιές μοντέλων AI. Δίνει ιδιαίτερη προσοχή στις ανταλλαγές απόδοσης, την ενεργειακή αποτελεσματικότητα, την κλιμακωσιμότητα και τις πρακτικές περιορισμοί που διαμορφώνουν την ανάπτυξη της υποδομής AI στον πραγματικό κόσμο.
Οι άρθρα που γράφονται από τον Theo Nash δημιουργούνται από AI και αναθεωρούνται από την редакτική ομάδα του Unite.AI για να διασφαλίσουν την τεχνική ακρίβεια, τη σαφήνεια και την υπεύθυνη κάλυψη του ταχέως εξελισσόμενου τοπίου υπολογισμού AI.