AI-modeller og plattformer

Z.ai bygger gigawatt datacenter med kun kinesiske chip

mm
Legg til Unite.AI blant dine foretrukne kilder på Google

Z.ai, den kinesiske AI-utvikleren tidligere kjent som Zhipu, har fullført byggingen av et datacenter som kjører helt på kinesisk-produserte chip og har begynt å operere en del av det, ifølge en person kjent med prosjektet som er sitert av Bloomberg. Stedet er bygget for å trekke omtrent en gigawatt strøm — omtrent det det tar å forsyne 750 000 hjem — og for å trene selskapets GLM-modeller uten Nvidia (NVDA ) -hardware som amerikanske eksportkontroller holder utenfor rekkevidde.

Samme person, som talte anonymt, sa at Z.ai nå opererer eller har bygget flere regneklynger som hver inneholder mer enn 10 000 chip. Verken plasseringen av gigawatt-hubben eller de spesifikke akseleratorene inne i den ble offentliggjort, og rapporten hviler på en enkelt kilde i stedet for en tillatelse, en anmeldelse eller en signert strømkontrakt. Retningen er likevel tydelig nok: en av Kinas sterkeste modellbyggere står opp hyperskala-treningsevne som hopper over amerikansk silisium helt.

Hva en gigawatt faktisk kjøper

En gigawatt er et alvorlig tall. Det setter denne campusen i samme vektklasse som de største AI-stedene under bygging i USA, og det gjør strøm, ikke chip, den bindende begrensningen — samme press som driver hele industrien mot mer effektive måter å regne. Å stå opp så mye strøm, kjøling og nettverk på ett sted er den vanskelige delen; å finne prosessorer er nesten den enkle halvdelen.

Rå megawatt flatter også sammenligningen. Kinas hjemlige akseleratorer — ledet av Huaweis Ascend-linje, med utfordrere som Cambricon og Moore Threads — ligger bak Nvidias nåværende Blackwell-generasjon når det gjelder ytelse per watt. En gigawatt av kinesisk silisium gir derfor mindre brukbar treningssregning enn en gigawatt trukket av Nvidia-systemer: laboratoriet må brenne mer strøm og kobler sammen flere chip for å nå samme effektive gjennomstrømming. Flere klynger av 10 000 eller flere chip antyder en flåte på titusener av akseleratorer, og på den skalaen flytter flasken fra chip selv til nettverk og minne som binder dem sammen — nøyaktig der kinesiske deler ligger lengst bak. Den straffen er den virkelige prisen for å gå hjemlig.

Hvorfor Z.ai ikke har Nvidia å kjøpe

For Z.ai, er det lite valg i saken. Det amerikanske handelsdepartementet la til Zhipu på sin eksport-svartliste i januar 2025, og kuttet selskapet av fra å kjøpe avanserte Nvidia-deler gjennom lovlige kanaler. Washington har siden lettet noen begrensninger, og tillot Nvidia å selge nedskalerte chip inn i Kina mens de forbød de kraftigste — men ingen av det når en svartlistet laboratorium. En bygning med kun kinesisk utstyr er den eneste lovlige vei Z.ai har igjen.

Selskapet har vært på vei mot dette i måneder. Zhipu har sagt at de har trenet nylige GLM-modeller på Huaweis Ascend-akseleratorer med Huaweis MindSpore-programvare, arbeid de beskrev som den første store åpne modellen bygget på en helt hjemlig stak. Washingtons sanktioner, som var ment å sakke ned kinesisk AI, har i stedet akselerert landets drive for selvstendighet når det gjelder chip — og det nye datacenteret er den industrielle versjonen av den veddemålet.

Beijings hjemlige-silisium-veddemål

Byggingen passer inn i en bredere politisk drive. Beijing har oppfordret statseide operatører til å fylle nye AI-datacenter med hjemlige chip, en del av en selvstendighetsdrive som har som mål å finne mesteparten av landets AI-regning hjemlig innen noen få år. En gigawatt av hjemlig kapasitet på et flaggskip-laboratorium er det type bevis som politikken har nådd etter.

Det lander også på et tidspunkt da kinesiske modeller floker til fronten. Z.ais GLM-systemer og rivaliserende åpne modeller fra laboratorier som Moonshot har vunnet oppmerksomhet for å matche vestlige systemer til en mye lavere kostnad, og om Kina kan trene og betjene dem på egen hånd er den regnekraft-delen av dens bredere drive for å sette betingelsene for AI-æraen.

For nå er de bærende detaljene ubekreftede. Ingen uavhengig part har verifisert chip-tellingen, navngitt akseleratorene eller vist hvor en gigawatt strøm kommer fra — spørsmålene som skiller en fungerende AI-fabrikk fra et presklart tall. Hvis Z.ais klynger kjører på den skalaen som beskrevet, har Kina sin tydeligste indikasjon ennå på at det kan bygge frontier-skala-regnekraft uten Nvidia. Hvis de ikke gjør det, er avstanden mellom en ferdig skall og en gigawatt av live-trening nøyaktig der prosjekter som dette tenderer å stanse.

Theo Nash er en AI-generert spesialist hos Unite.AI, som dekker AI-infrastruktur, beregning og hårdwaresystemer som driver moderne kunstig intelligens. Hans arbeid fokuserer på de tekniske grunnlagene bak store AI-arbeidsbyrder, inkludert datacenter, akseleratorer, nettverk og programvarestackene som binder dem sammen.
Med en analytisk og ingeniør-drevet perspektiv, undersøker Theo hvordan fremgangen i GPUs, tilpasset silisium, minnearkitekturer og distribuerte systemer muliggjør nye generasjoner av AI-modeller. Han legger spesiell vekt på ytelses-avveininger, energieffektivitet, skalerbarhet og de praktiske begrensningene som former virkelige AI-infrastruktur-utsteder.
Artikler skrevet av Theo Nash er AI-generert og gjennomgått av Unite.AIs redaksjonelle team for å sikre teknisk nøyaktighet, klarhet og ansvarlig dekning av den raskt utviklende AI-beregningssfæren.