Ulanqab i Indre Mongoliet er blevet en konkret prøve på økonomien bag Kinas massive AI-udbygning. Alibabas Cloud-campus ligger, hvor strømmen relativt set er billig og klimaet køligt, men samtidig tæt nok på Beijing til at håndtere mere end fjerne, tidsukritiske opgaver. Alibabas modulære byggekoncept kan ifølge selskabet få nye anlæg klar hurtigere – men hverken bygninger eller strøm skaffer i sig selv de GPU'er og andre AI-acceleratorer, der fortsat er en knap ressource.
16
18
Strøm er blevet et spørgsmål om reel kapacitet
AI har ændret, hvad der begrænser et datacenter. Hvor et traditionelt datacenter i gennemsnit kan bruge omkring 10-15 kW pr. rack, ligger AI-anlæg ifølge en rapport omkring 100 kW pr. rack. Ved den tæthed er elektricitet ikke blot en post i driftsbudgettet: Adgang til strøm, køling og nettilslutning afgør direkte, hvor meget regnekraft der kan installeres og køre.
13
Ulanqab er attraktivt med rapporterede elpriser på cirka 0,32-0,35 yuan pr. kWh. Wang Zhaoyang fra Alibaba Cloud har sagt, at et tilsvarende serveranlæg dér kan spare omtrent 5 mia. yuan om året i eludgifter sammenlignet med en anden by. Det er dog selskabets egen sammenligning og ikke et uafhængigt, standardiseret benchmark.
12
16
Områdets vind- og solressourcer bidrager til fordelen, men termisk elproduktion er fortsat en del af den lokale elforsyning. Billig strøm er derfor ikke det samme som, at hele AI-udbygningen drives af vedvarende energi.
3
7
Tæt nok på Beijing til flere typer AI-opgaver
Et sted med billig strøm er kun attraktivt, hvis det også kan betjene markederne, hvor efterspørgslen er. Ulanqab ligger ifølge rapporter omkring 350 kilometer fra Beijing, og datatrafikken mellem de to steder har en forsinkelse på cirka 4 millisekunder tur-retur. Alibaba vurderer, at det er acceptabelt for samtalebaseret AI.
5
16
To dedikerede fiberforbindelser, etableret i 2017 og 2019, ændrede områdets rolle. De bragte ifølge rapporter forsinkelsen ned under fem millisekunder og gjorde Ulanqab anvendelig ikke blot til langvarig træning af modeller, men også til flere typer inferens – altså når færdigtrænede modeller bruges til at levere svar og resultater.
14
Det fjerner ikke behovet for at placere noget inferens tæt ved brugerne. Men det udvider, hvilke opgaver der kan køres fra et område med billigere strøm og rigelig energikapacitet. Modeltræning passer særligt godt, fordi den typisk bedre tåler afstand; lav nok forsinkelse gør samtidig central betjening af udvalgte interaktive tjenester mere praktisk.
3
13
Klimaet mindsker behovet for mekanisk køling
Ulanqabs høje beliggenhed, kolde vintre og tørre luft kan reducere behovet for mekanisk køling sammenlignet med varmere områder. Det har stor betydning ved tætpakkede AI-racks, hvor kølesystemerne skal fjerne langt mere varme samtidig med servernes høje strømforbrug.
3
14
Stedets formel er dermed enkel: billigere elektricitet, et klima der kan mindske kølebehovet, og en hurtig netværksrute til et stort efterspørgselscentrum. Det er en væsentlig forklaring på, at flere store teknologivirksomheder, herunder Alibaba, investerer i infrastruktur i området.
16
22
Modulbyggeri gør hastighed til en konkurrencefordel
Alibaba oplyser, at selskabets modulære CUBE 5.0-arkitektur har reduceret leveringstiden for store AI-datacentre til 100 dage og sænket byggeomkostningerne med 10 %.
25
Pointen er ikke kun hurtigere byggeri. Når efterspørgslen efter AI-kapacitet stiger hurtigt, kan opførelsen af eldistribution, køling og øvrige anlægssystemer blive en selvstændig flaskehals – uafhængigt af indkøbet af servere. Standardiserede moduler kan gøre udvidelser mere gentagelige og bringe nye anlæg hurtigere i drift, når udstyr og forbindelser er på plads.
28
Alibaba har også sagt, at det vil mere end fordoble den globale produktionskapacitet for modulære datacentre i 2026. Det peger på, at virksomheden ser evnen til hurtigt at idriftsætte fysisk infrastruktur som en knap konkurrencefordel.
31
GPU'er er stadig den afgørende flaskehals
Hurtig opførelse skaber ikke AI-acceleratorer. Wang har sagt, at ingen tilgængelige AI-kort står ubrugte, hvilket understreger, at adgangen til acceleratorer fortsat er den bindende begrænsning – også hvor jord, bygninger, køling og strøm kan udbygges.
20
Alibaba forventer ifølge kommentarer rapporteret i august, at produktionen af indenlandsk udviklede chips vil stige og på sigt udgøre en større del af kapaciteten. Det kan lette presset på forsyningen, men chips er ikke uden videre indbyrdes udskiftelige ved krævende AI-opgaver. Den brugbare regnekraft afhænger af et samlet system: chippen, softwareunderstøttelsen, netværket mellem serverne og en stabil elforsyning.
18
Hvad Ulanqab siger om Kinas AI-strategi
Ulanqab viser, at AI-infrastruktur i stigende grad er et systemspørgsmål. Konkurrencefordelen kan ligge i kombinationen af billig energi, gunstige køleforhold, højkapacitetsforbindelser, hurtig konstruktion og nærhed til efterspørgslen – ikke kun i at eje mere jord eller rejse flere bygninger.
Begrænsningerne er lige så lærerige. Et campus kan stå klar, før der findes tilstrækkeligt med acceleratorer til at fylde det, og værdien af billig strøm afhænger af fortsat adgang til produktion og kapacitet i elnettet. Vandtilgængelighed er desuden fremhævet som en lokal bekymring i dækningen af den bredere udbygning i Ulanqab.
7
Hovedpointen er, at billig elektricitet og modulære anlæg forbedrer både økonomien og tempoet i udbygningen af AI-regnekraft. Men de fjerner ikke de vanskeligste begrænsninger: avanceret hardware, effektiv sammenkobling og de fysiske ressourcer, der skal til for at drive tætte AI-klynger uafbrudt.