Z.ai bouwt gigawatt-datacenter met alleen Chinese chips

Z.ai, de Chinese AI-ontwikkelaar die voorheen bekend stond als Zhipu, heeft een datacenter gebouwd dat volledig draait op Chinese chips en heeft een deel ervan in gebruik genomen, volgens een persoon die bekend is met het project en die wordt aangehaald door Bloomberg. De site is gebouwd om ongeveer een gigawatt aan stroom te verbruiken — ongeveer wat nodig is om 750.000 huizen van stroom te voorzien — en om de GLM-modellen van het bedrijf te trainen zonder de Nvidia (NVDA ) -hardware die door Amerikaanse exportbeperkingen buiten bereik wordt gehouden.

Dezelfde persoon, die anoniem sprak, zei dat Z.ai nu meerdere rekenclusters exploiteert of heeft gebouwd die elk meer dan 10.000 chips bevatten. De locatie van het gigawatt-hub en de specifieke accelerators erin werden niet bekendgemaakt, en het verhaal berust op één bron in plaats van een vergunning, een indiening of een ondertekend stroomcontract. De richting is duidelijk genoeg: een van China’s sterkste modelbouwers zet hyperschaal-trainingscapaciteit neer die Amerikaanse silicium volledig overslaat.

Wat een gigawatt eigenlijk koopt

Een gigawatt is een serieus getal. Het zet dit campus in dezelfde gewichtsklasse als de grootste AI-sites die momenteel in de VS in aanbouw zijn, en het maakt stroom, niet chips, de beperkende factor — dezelfde knelpunt die de hele industrie ertoe aanzet meer efficiënte manieren te vinden om te berekenen. Het opzetten van zoveel elektriciteit, koeling en netwerken op één plek is het moeilijke deel; het vinden van de processors is bijna het gemakkelijke deel.

Rauwe megawatts maken de vergelijking ook gunstiger. China’s binnenlandse accelerators — aangevoerd door Huawei’s Ascend-lijn, met uitdagers zoals Cambricon en Moore Threads — blijven achter bij Nvidia’s huidige Blackwell-generatie qua prestaties per watt. Een gigawatt aan Chinese silicium levert dus minder bruikbare trainingscapaciteit op dan een gigawatt dat wordt getrokken door Nvidia-systemen: het lab moet meer stroom verbruiken en meer chips aansluiten om dezelfde effectieve doorvoer te bereiken. Meerdere clusters van 10.000-plus chips impliceren een vloot in de tienduizenden accelerators, en op die schaal verschuift de bottleneck van de chips zelf naar het netwerk en het geheugen dat ze met elkaar verbindt — precies waar Chinese onderdelen het meest achterblijven. Die boete is de echte prijs van het kiezen voor binnenlandse productie.

Waarom Z.ai geen Nvidia kan kopen

Voor Z.ai is er weinig keuze. Het Amerikaanse ministerie van Handel voegde Zhipu toe aan zijn exportblacklist in januari 2025, waardoor het bedrijf werd afgesneden van de aankoop van geavanceerde Nvidia-onderdelen via legale kanalen. Washington heeft sindsdien enkele beperkingen versoepeld, waardoor Nvidia weer is toegestaan om geschaalde chips te verkopen in China, terwijl de meest krachtige worden geblokkeerd — maar niets daarvan bereikt een zwartlijstlab. Een volledig Chinese bouw is de enige wettige weg die Z.ai nog heeft.

Het bedrijf is al maanden deze kant op aan het gaan. Zhipu heeft gezegd dat het onlangs GLM-modellen heeft getraind op Huawei’s Ascend-accelerators met Huawei’s MindSpore-software, een werk dat het beschreef als het eerste grote open model dat volledig is gebouwd op een binnenlandse stack. De sancties van Washington, bedoeld om de Chinese AI te vertragen, hebben in plaats daarvan China’s streven naar chipzelfstandigheid versneld — en het nieuwe datacenter is de industriële versie van die gok.

Peking’s inzet op binnenlands silicium

De bouw past in een bredere beleidsdrang. Peking heeft aangedrongen bij staatsbedrijven om nieuwe AI-datacenters te vullen met binnenlandse chips, onderdeel van een streven naar zelfstandigheid dat ertoe moet leiden dat het grootste deel van China’s AI-rekenkracht binnen een paar jaar binnenlands wordt gegenereerd. Een gigawatt aan binnenlandse capaciteit in een vlaggenschiplab is het soort bewijs dat het beleid heeft gezocht.

Het komt ook op een moment dat Chinese modellen de frontier bevolken. Z.ai’s GLM-systemen en rivaliserende open modellen van labs zoals Moonshot hebben aandacht getrokken vanwege hun vermogen om Westerse systemen te evenaren tegen veel lagere kosten, en of China ze kan trainen en bedienen op eigen hardware is de rekenkundige helft van de bredere drang om de voorwaarden van de AI-tijdperk te bepalen.

Voorlopig zijn de dragende details onbevestigd. Geen onafhankelijke partij heeft de chipcount geverifieerd, de accelerators genoemd of laten zien waar een gigawatt aan stroom vandaan komt — de vragen die een functionerende AI-fabriek onderscheiden van een persklaar getal. Als Z.ai’s clusters op de beschreven schaal draaien, heeft China zijn duidelijkste teken tot nu toe dat het frontier-schaal-rekenkracht kan bouwen zonder Nvidia. Als ze dat niet doen, is de afstand tussen een afgewerkt omhulsel en een gigawatt aan live training precies waar projecten zoals dit geneigd zijn te stagneren.