Ulanqab ve Vnitřním Mongolsku se stává důležitým testem ekonomiky čínské výstavby infrastruktury pro umělou inteligenci. Kampus Alibaba Cloud leží v oblasti s relativně levnou elektřinou a přirozeně chladným podnebím, přitom je síťově dost blízko Pekingu, aby neobsluhoval jen vzdálené dávkové úlohy. Rychlost přidává i modulární model výstavby, který Alibaba popisuje jako nasazení během 100 dní. Samotné budovy však neřeší klíčový nedostatek: GPU a další AI akcelerátory.
16
18
Elektřina už není jen náklad, ale limit kapacity
AI výrazně změnila parametry datových center. Jeden z reportů uvádí, že průměrný příkon jednoho racku vzrostl zhruba z 10–15 kW v běžných datových centrech na přibližně 100 kW v AI provozech. Při takové hustotě nejsou elektřina, chlazení ani připojení k síti jen položkou provozních nákladů: určují, kolik výpočetní techniky lze skutečně instalovat a nepřetržitě provozovat.
13
Ulanqab je atraktivní mimo jiné díky uváděné ceně elektřiny kolem 0,32–0,35 jüanu za kWh. Wang Čao-jang, manažer datových center Alibaba Cloud, uvedl, že srovnatelná serverovna by zde mohla ročně ušetřit asi 5 miliard jüanů za elektřinu oproti jinému městu. Jde ale o srovnání prezentované firmou, nikoli o nezávisle standardizovaný benchmark.
12
16
Přitažlivost oblasti podporují zdroje větrné a solární energie, v místním energetickém mixu však zůstává i tepelná výroba. Levná elektřina proto automaticky neznamená, že rozvoj AI zde bude plně obnovitelný.
3
7
Dost blízko Pekingu i pro širší spektrum úloh
Lokalita s levnou energií dává smysl jen tehdy, pokud spolehlivě obslouží místa, kde je poptávka. Ulanqab leží podle dostupných zpráv asi 350 kilometrů od Pekingu a přenos dat mezi oběma městy má zpoždění přibližně 4 milisekundy pro cestu tam i zpět. Alibaba tuto odezvu označila za přijatelnou pro konverzační AI.
5
16
Roli regionu změnily vyhrazené optické trasy. Dvě linky vybudované v letech 2017 a 2019 podle reportů snížily latenci pod pět milisekund. Ulanqab se tím stal vhodným nejen pro dlouhé trénování modelů, ale i pro širší část inferenčních úloh, tedy samotné nasazení modelů pro odpovědi a predikce.
14
To neznamená, že veškerá inference má být umístěna daleko od uživatelů. Nízká latence však rozšiřuje okruh pracovních zátěží, které lze provozovat z energeticky výhodného místa. Trénování modelů zůstává nejpřirozenějším využitím, protože snese větší vzdálenost; dostatečně rychlá síť zároveň činí praktičtějším centralizované obsluhování vybraných interaktivních služeb.
3
13
Podnebí snižuje nároky na chlazení
Vyšší nadmořská výška, dlouhé chladné zimy a suché podmínky v Ulanqabu mohou omezovat potřebu mechanického chlazení ve srovnání s teplejšími lokalitami. U hustě osazených AI racků je to podstatné: chladicí infrastruktura musí odvést výrazně větší množství tepla vedle přímé spotřeby serverů.
3
14
Lokalizační rovnice je tedy jednoduchá: levnější elektřina, klima snižující spotřebu na chlazení a rychlá síťová cesta k velkému centru poptávky. Právě tato kombinace pomáhá vysvětlit, proč oblast přitáhla investice několika velkých technologických společností včetně Alibaby.
16
22
Modulární výstavba mění rychlost nasazení v konkurenční výhodu
Alibaba uvádí, že její modulární architektura CUBE 5.0 zkrátila dodání velkých AI datových center na 100 dní a snížila stavební náklady o 10 %.
25
Význam modularizace nespočívá jen v rychlejší stavbě. V době prudce rostoucí poptávky po AI může být samostatným úzkým hrdlem vývoj a výstavba energetických rozvodů, chlazení a dalších systémů budovy. Jejich standardizace může rozšiřování kapacity učinit opakovatelnějším a urychlit spuštění provozu, jakmile jsou k dispozici potřebná zařízení a přípojky.
28
Alibaba také uvedla, že v roce 2026 plánuje více než zdvojnásobit globální výrobní kapacitu modulárních datových center. To naznačuje, že samotnou schopnost rychle nasadit infrastrukturu považuje za vzácný zdroj.
31
Proč zůstávají limitem GPU
Rychlá výstavba nevyrábí AI akcelerátory. Wang uvedl, že žádné dostupné AI karty nezůstávají nevyužité, což ukazuje, že dostupnost akcelerátorů je nadále závazným omezením i tam, kde lze rozšiřovat pozemky, budovy, chlazení a energetickou kapacitu.
20
Podle komentářů zveřejněných v srpnu Alibaba očekává růst produkce domácích čipů a jejich postupně větší podíl na kapacitě. To by mohlo tlak na dodávky zmírnit, neznamená to však, že všechny čipy jsou pro náročné AI úlohy vzájemně zaměnitelné. Využitelný výpočetní výkon závisí na schopnostech čipu, softwarové podpoře, síťovém propojení i spolehlivé dodávce elektřiny jako na jednom systému.
18
Co Ulanqab ukazuje o čínské strategii AI infrastruktury
Ulanqab ukazuje, že AI infrastruktura je stále více systémový problém. Konkurenční výhoda může vznikat propojením dostupné energie, podmínek pro chlazení, páteřové konektivity, rychlosti výstavby a blízkosti poptávky — nejen vlastnictvím více pozemků nebo stavbou dalších budov.
Stejně poučné jsou limity tohoto modelu. Kampus může být připraven dříve, než získá dostatek akcelerátorů, aby jej naplnil. Hodnota levné elektřiny závisí také na trvalém přístupu ke zdrojům výroby a kapacitě rozvodné sítě. V reportech o širší výstavbě v Ulanqabu se jako místní problém zmiňuje i dostupnost vody.
7
Hlavní závěr je jasný: levná elektřina a modulární datová centra zlepšují ekonomiku i tempo rozšiřování AI výpočetní kapacity. Neodstraňují však složitější omezení spojená s pokročilým hardwarem, propojením systémů a fyzickými zdroji potřebnými k nepřetržitému provozu hustých AI clusterů.