JawabanDipublikasikan27 sumber
Klaster AI 100.000 Kartu China Menandai Pergeseran dari Chip ke Jaringan Komputasi Nasional
Klaster AI domestik 100.000 kartu di Zhengzhou menandai pergeseran China dari pembangunan pusat data terpisah menuju koordinasi komputasi secara nasional. Kapasitas komputasi cerdas China mencapai 2.185 EFLOPS pada akhir Juni 2026, naik 177 persen secara tahunan, sementara platform uji coba dilaporkan telah memantau...
Diterbitkan olehDiedit dengan GPT-5.6 LunaGambar dibuat dengan GPT Image 1.5
Jawaban penelitian
Poin-poin penting
- Klaster AI domestik 100.000 kartu di Zhengzhou menandai pergeseran China dari pembangunan pusat data terpisah menuju koordinasi komputasi secara nasional.
- Kapasitas komputasi cerdas China mencapai 2.185 EFLOPS pada akhir Juni 2026, naik 177 persen secara tahunan, sementara platform uji coba dilaporkan telah memantau lebih dari 60 persen kapasitas komputasi AI negara itu.
- Strategi tersebut memadukan klaster domestik berukuran besar, fiber optik empat kanal, program East Data, West Compute, serta rencana investasi sekitar 4 triliun yuan untuk jaringan komputasi selama 2026–2030.
AI Perintah
openai.comCreate a landscape editorial hero image for this Studio Global article: What does China’s August 2026 launch of its first fully domestic 100,000-card AI super-cluster at the National Supercomputing Internet’s Zhe. Article summary: China is moving from building isolated AI datacenters to building a state-coordinated, geographically distributed “compute fabric”: domestic accelerator clusters, high-speed optical links, national visibility, and worklo. Topic tags: general, general web, user generated. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, charts with fa
Peluncuran klaster superkomputer AI domestik berkapasitas 100.000 kartu di Zhengzhou lebih tepat dibaca sebagai tonggak sistem, bukan sekadar pencapaian jumlah chip. Klaster itu sedang dihubungkan dengan arsitektur nasional yang mencakup pusat komputasi regional, jalur transmisi optik, pemantauan, dan penjadwalan beban kerja.
Pertanyaan strategisnya kini berubah: bukan hanya apakah China mampu memproduksi cukup perangkat keras AI dalam negeri, tetapi apakah kapasitas yang tersebar dan menggunakan teknologi berbeda dapat beroperasi seperti satu superkomputer bersama yang andal.
Zhengzhou menjadi bukti skala komputasi domestik
Dawning 8000, yang juga disebut Dengfeng dalam sejumlah pemberitaan, digambarkan sebagai klaster super AI pertama China yang sepenuhnya domestik pada skala 100.000 kartu. Sistem ini berada di simpul inti Zhengzhou dalam National Supercomputing Internet dan menggabungkan komputasi ilmiah dengan kapasitas yang dioptimalkan untuk AI.
Laporan menyebut sistem tersebut mendukung lebih dari 300 jenis beban kerja di 26 bidang, termasuk riset material, pengembangan obat, dan kecerdasan buatan. 1
5
8
Media China juga membandingkan kemampuan puncaknya dengan perhitungan manusia selama 200 tahun tanpa henti. Namun, itu merupakan analogi kapasitas puncak, bukan ukuran standar untuk mengukur kinerja pelatihan model AI yang benar-benar berguna. Karena itu, angka tersebut tidak boleh dianggap berarti setiap pekerjaan AI akan berjalan 200 tahun lebih cepat atau memperoleh peningkatan yang sama. 5
8
Makna yang lebih penting terletak pada arsitekturnya. Kumpulan sumber daya domestik sebesar 100.000 kartu memberi China platform untuk mengatur akses terhadap komputasi berskala besar, alih-alih membiarkan setiap perusahaan atau kelompok riset membangun klaster terpisah.
Dari pusat data terpisah menuju lapisan komputasi bersama
Pembangunan di Zhengzhou berjalan bersamaan dengan penambahan kapasitas di wilayah lain. Pemberitaan mengenai klaster domestik di kawasan Greater Bay Area—yang mencakup Guangdong, Hong Kong, dan Makau—menyebut sistem itu diarahkan untuk memenuhi kebutuhan pelatihan model generasi berikutnya dengan triliunan parameter. 3
7
Kedua perkembangan tersebut mengarah pada model ketika pekerjaan berukuran besar dapat memanfaatkan sumber daya regional yang dikoordinasikan, bukan hanya mengandalkan satu instalasi lokal.
Namun, jarak geografis tetap menjadi faktor penting. Pelatihan AI terdistribusi membutuhkan bandwidth tinggi, latensi yang konsisten, akselerator yang tersinkronisasi, serta pemulihan cepat ketika jaringan atau mesin mengalami gangguan.
Karena itu, jaringan komputasi nasional membutuhkan lebih dari sekadar daftar kartu yang tersedia. Sistem pengendaliannya harus mampu mengetahui akselerator mana yang kompatibel, di mana data tersimpan, berapa kapasitas berkelanjutan yang dibutuhkan sebuah pekerjaan, dan apakah jaringan sanggup mempertahankan beban tersebut.
Fiber optik menjadi jembatan antarklaster
Peneliti di Pengcheng Laboratory mengembangkan fiber optik setipis rambut dengan empat kanal transmisi internal. Desain ini ditujukan untuk menyediakan kapasitas transmisi empat kali lipat dibandingkan fiber konvensional yang sebanding, sehingga dapat membantu mengatasi hambatan jaringan ketika sumber daya komputasi tersebar di berbagai wilayah. 17
18
Rute komputasi dan transmisi data Shenzhen–Guizhou, bersama jalur yang lebih langsung dan memperhitungkan latensi, memiliki tujuan serupa: mengurangi penalti kinerja akibat pemindahan data dan sinkronisasi pekerjaan antar pusat komputasi. Infrastruktur semacam ini sangat penting untuk pelatihan terdistribusi yang saling bergantung erat, karena komunikasi yang lambat atau tidak stabil dapat membuat akselerator mahal berada dalam kondisi menunggu. 17
19
Jenis beban kerja juga menentukan tingkat kesulitannya. Kapasitas jarak jauh relatif mudah digunakan untuk pekerjaan batch yang tidak terlalu saling bergantung. Sebaliknya, jauh lebih sulit membuat fasilitas yang berjauhan berfungsi seperti satu mesin untuk pelatihan model besar yang memerlukan sinkronisasi ketat.
Pemberitaan yang tersedia menunjukkan arah pengembangan teknologinya, tetapi belum membuktikan bahwa setiap klaster yang terhubung sudah mampu memberikan kinerja seragam seperti pusat data lokal.
Kapasitas tumbuh lebih cepat daripada bukti pemanfaatan efektif
Data resmi yang dikutip dari Kementerian Perindustrian dan Teknologi Informasi China menyebut kapasitas komputasi cerdas nasional mencapai 2.185 EFLOPS pada akhir Juni 2026, naik 177 persen dibandingkan setahun sebelumnya. Tingkat utilisasi fasilitas komputasi secara nasional dilaporkan mencapai 71,4 persen. 34
40
41
Satuannya penting: angkanya adalah 2.185 EFLOPS, bukan 218,5 EFLOPS. EFLOPS mengukur kinerja floating-point teoretis. Total nasional tersebut tidak dengan sendirinya menunjukkan berapa banyak kapasitas yang dapat diakses laboratorium tertentu, seberapa kompatibel akselerator yang digunakan, atau seberapa efisien pekerjaan pelatihan terdistribusi dapat berjalan.
Inilah alasan fase berikutnya dalam pembangunan infrastruktur AI China kemungkinan akan dinilai berdasarkan komputasi yang dapat digunakan, bukan hanya total kapasitas. Angka nasional yang besar tetap bisa menyembunyikan hambatan jika kapasitas terfragmentasi berdasarkan jenis akselerator, dialokasikan untuk pengguna yang berbeda, dibatasi oleh perpindahan data, atau tidak dapat digunakan ketika pasokan listrik dan kemampuan pendinginan mencapai batasnya.
Lapisan kendali nasional mulai terbentuk
China juga membangun lapisan manajemen untuk mengoordinasikan pasokan tersebut. Sebuah platform terpadu untuk pemantauan dan penjadwalan dilaporkan sedang menjalani uji coba, dengan visibilitas terhadap lebih dari 60 persen komputasi AI negara itu. Visibilitas ini merupakan langkah awal untuk mencocokkan beban kerja dengan sumber daya yang tersedia dan sesuai secara teknis. 6
18
Kerangka kebijakan tersebut dikaitkan dengan program East Data, West Compute atau “Data Timur, Komputasi Barat”. Program ini memanfaatkan pusat komputasi nasional dan klaster pusat data untuk menempatkan sebagian infrastruktur yang membutuhkan banyak energi dan lahan di wilayah barat, sekaligus melayani permintaan yang terkonsentrasi di China bagian timur.
Rencana nasional China menyerukan sistem infrastruktur komputasi bertingkat dan jaringan komputasi terpadu di seluruh negeri. 48
53
56
Dalam praktiknya, lapisan kendali itu harus menyelesaikan sejumlah persoalan sulit:
- Pencocokan sumber daya: menempatkan pekerjaan pada akselerator domestik dan tumpukan perangkat lunak yang kompatibel.
- Penempatan pekerjaan: menentukan apakah tugas sebaiknya dijalankan secara lokal, lintas kawasan metropolitan, atau antarpusat komputasi yang berjauhan.
- Perpindahan data: menekan biaya dan waktu pemindahan data pelatihan serta titik pemulihan model.
- Toleransi gangguan: menjaga pekerjaan berukuran besar tetap produktif ketika jaringan, rak, atau kartu tertentu mengalami kegagalan.
- Koordinasi energi: menyesuaikan permintaan komputasi dengan ketersediaan listrik dan batas operasional di tiap wilayah.
Semakin baik fungsi-fungsi tersebut berjalan, semakin besar peluang kapasitas nasional diperlakukan sebagai layanan bersama, bukan kumpulan mesin yang terputus-putus.
Investasi menunjukkan bahwa ini adalah proyek jaringan
Komisi Pembangunan dan Reformasi Nasional China menyatakan jaringan daya komputasi diperkirakan menerima sekitar 4 triliun yuan investasi langsung baru selama periode Rencana Lima Tahun ke-15, yaitu 2026–2030. Perkiraan itu mencakup pembangunan jaringan komputasi dan infrastruktur terkait, dengan sebagian besar investasi diharapkan berasal dari sektor nonpemerintah. 47
54
Skala investasi tersebut memperkuat pembacaan utama atas peluncuran di Zhengzhou: China tidak hanya menambah pasokan akselerator, tetapi juga membangun transmisi, pusat komputasi, penjadwalan, pemantauan, dan infrastruktur pendukung yang diperlukan agar komputasi berfungsi sebagai infrastruktur nasional.
Apa yang dibuktikan—dan apa yang belum
Model yang sedang dibangun China memiliki tiga lapisan utama:
- Perangkat keras domestik: klaster besar yang dibangun menggunakan kartu komputasi buatan China.
- Interkoneksi: sistem optik dan transmisi data untuk menghubungkan kumpulan kapasitas regional.
- Koordinasi: pemantauan serta penjadwalan nasional untuk mengalokasikan kapasitas di antara kumpulan tersebut.
Arsitektur ini berpotensi mengurangi ketergantungan pada satu superklaster lokal dengan membuat lebih banyak kapasitas nasional dapat diakses melalui sistem bersama. Model tersebut juga dapat membantu China memanfaatkan energi dan lahan di wilayah barat, sambil tetap menyediakan komputasi bagi pusat-pusat permintaan di timur. 48
56
Namun, bukti yang ada belum cukup untuk menyebut jaringan ini sebagai superkomputer universal dengan kapasitas yang sepenuhnya dapat dipertukarkan. Ketersediaan perangkat keras domestik, interkoneksi antarakslerator, kematangan perangkat lunak, energi, keandalan, dan penjadwalan beban kerja masih menjadi kendala.
Klaim bahwa waktu pelatihan model frontier dapat dipangkas dari sekitar satu tahun menjadi enam bulan juga sebaiknya dipahami sebagai proyeksi yang bergantung pada jenis pekerjaan, kecuali telah dibuktikan secara independen.
Hambatan strategis China memang sedang bergeser, tetapi belum hilang. Negara itu bergerak dari pertanyaan apakah mampu membangun cukup banyak perangkat keras AI domestik menuju persoalan yang lebih sulit: apakah semua perangkat keras tersebut dapat dikoordinasikan secara efisien.
Jika jaringan penjadwalan berhasil, ekspansi komputasi China dapat berubah menjadi platform nasional yang fleksibel. Jika gagal, China mungkin tetap melaporkan angka EFLOPS agregat yang mengesankan, sementara laboratorium AI masih menghadapi akses yang terfragmentasi, kapasitas menganggur, dan kinerja nyata yang tidak merata.
Studio Global AI
Lanjutkan penelitian Anda
Halaman ini berisi jawaban yang didukung sumber yang dapat Anda lanjutkan di dalam Studio Global.
Orang-orang juga bertanya
Apa jawaban singkat untuk "Klaster AI 100.000 Kartu China Menandai Pergeseran dari Chip ke Jaringan Komputasi Nasional"?
Klaster AI domestik 100.000 kartu di Zhengzhou menandai pergeseran China dari pembangunan pusat data terpisah menuju koordinasi komputasi secara nasional.
Apa poin penting yang harus divalidasi terlebih dahulu?
Klaster AI domestik 100.000 kartu di Zhengzhou menandai pergeseran China dari pembangunan pusat data terpisah menuju koordinasi komputasi secara nasional. Kapasitas komputasi cerdas China mencapai 2.185 EFLOPS pada akhir Juni 2026, naik 177 persen secara tahunan, sementara platform uji coba dilaporkan telah memantau lebih dari 60 persen kapasitas komputasi AI negara itu.
Apa yang harus saya lakukan selanjutnya dalam latihan?
Strategi tersebut memadukan klaster domestik berukuran besar, fiber optik empat kanal, program East Data, West Compute, serta rencana investasi sekitar 4 triliun yuan untuk jaringan komputasi selama 2026–2030.
Sumber
bastillepost.comChina launches massive homegrown AI supercomputer cluster
news.cgtn.comClusters and fibers: China accelerates AI build-out
finance.sina.com.cn多个算力节点迎来新一轮扩容 全国算力“一盘棋”“一张网”正不断成型
tokenheart.aiChina’s First 100,000-Card Cluster Is Complete: Domestic Computing Power Enters the 100,000-Card Era · TokenHeart