AnswersPublished27 sources
Kinas AI-satsing går fra brikker til et nasjonalt datanettverk
Den rapporterte AI klyngen i Zhengzhou samler 100 000 innenlandske datakort og støtter over 300 arbeidslaster innen 26 fagområder. Kinas intelligente datakapasitet nådde 2 185 EFLOPS ved utgangen av juni 2026, opp 177 prosent på ett år.
Publisert avRedigert med GPT-5.6 LunaBilder generert med GPT Image 1.5
Research answer
Key takeaways
- Den rapporterte AI klyngen i Zhengzhou samler 100 000 innenlandske datakort og støtter over 300 arbeidslaster innen 26 fagområder.
- Kinas intelligente datakapasitet nådde 2 185 EFLOPS ved utgangen av juni 2026, opp 177 prosent på ett år.
- Strategien kombinerer store regionale klynger, fiber med fire overføringskanaler, «East Data, West Compute» og anslagsvis 4 billioner yuan i investeringer i datanettverk i perioden 2026–2030.
AI Prompt
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
Kinas rapporterte lansering av en innenlandsk AI-superklynge med 100 000 datakort i Zhengzhou bør forstås som en milepæl for hele systemet – ikke bare som en rekord i antall brikker. Klyngen kobles til en bredere nasjonal infrastruktur med dataknutepunkter, optiske forbindelser, overvåking og planlegging av arbeidslaster.
Det strategiske spørsmålet er derfor om Kina kan få geografisk spredt og teknisk ulik kapasitet til å fungere som én stabil, felles superdatamaskin.
Zhengzhou viser hvor stor skala Kina sikter mot
Dawning 8000, også omtalt som Dengfeng, beskrives som Kinas første fullt innenlandske AI-superklynge på 100 000-kortnivå. Den ligger ved Zhengzhou-knutepunktet i det nasjonale superdatamaskininternettet og kombinerer kapasitet for vitenskapelige beregninger med AI-oppgaver.
Ifølge rapporteringen støtter systemet mer enn 300 arbeidslaster innen 26 områder, blant annet materialforskning, legemiddelutvikling og kunstig intelligens. 1
5
8
Kinesiske medier har også sammenlignet den teoretiske toppytelsen med to hundre år med sammenhengende menneskelig regnearbeid. Det er en illustrasjon av maksimal gjennomstrømming, ikke en standardisert måling av hvor raskt nyttige AI-modeller faktisk trenes. Derfor betyr ikke sammenligningen at alle AI-oppgaver vil gå tilsvarende mye raskere. 5
8
Den mer varige betydningen ligger i arkitekturen: En innenlandsk ressursbase på 100 000 kort gir Kina en plattform for å organisere tilgang til datakraft i stor skala. Forskningsmiljøer og selskaper trenger i mindre grad å bygge hver sin isolerte klynge.
Fra separate datasentre til et felles datalag
Zhengzhou-anlegget skal ses i sammenheng med annen regional kapasitet. Rapporteringen om en innenlandsk klynge i Guangdong–Hongkong–Macao-bukten beskriver et anlegg som er rettet mot treningsbehovene til neste generasjon modeller med billioner av parametere.
Til sammen peker dette mot en modell der store oppgaver kan trekke på samordnede regionale ressurser, i stedet for å være avhengige av ett lokalt datasenter. 3
7
Avstand har likevel ikke sluttet å spille en rolle. Distribuert AI-trening krever høy båndbredde, forutsigbar forsinkelse, synkroniserte akseleratorer og rask gjenoppretting når forbindelser eller maskiner svikter.
Et nasjonalt datanettverk trenger derfor mer enn en oversikt over tilgjengelige kort. Det trenger et styringslag som kan avgjøre hvilke akseleratorer som er kompatible, hvor dataene ligger, hvor mye samlet kapasitet en jobb krever, og om nettverket kan håndtere belastningen.
Optiske forbindelser skal bygge bro mellom regionene
Forskere ved Pengcheng-laboratoriet utvikler en hårtynn fiber med fire separate overføringskanaler. Målet er å gi fire ganger kapasiteten til en sammenlignbar konvensjonell fiber og dermed avhjelpe nettverksflaskehalsen som oppstår når datakraften spres over store avstander. 17
18
Den planlagte forbindelsen mellom Shenzhen og Guizhou, sammen med mer direkte og forsinkelsesbevisste ruter, har samme formål: å redusere kostnaden ved å flytte data og synkronisere arbeid mellom datasentre. Dette er særlig viktig for tett koblet, distribuert trening, der treg eller ustabil kommunikasjon kan føre til at dyre akseleratorer blir stående og vente. 17
19
Det er samtidig viktig å skille mellom ulike typer arbeidslaster. Fjernkapasitet kan være forholdsvis enkel å bruke til løst koblede batchjobber. Det er langt vanskeligere å få datasentre langt fra hverandre til å fungere som én maskin under en stor, synkronisert treningsjobb.
Kildene beskriver retningen på ingeniørarbeidet, men dokumenterer ikke at alle tilkoblede klynger allerede leverer samme ytelse som et lokalt datasenter.
Kapasiteten vokser raskere enn bevisene på effektiv bruk
Offisielle tall gjengitt av Kinas departement for industri og informasjonsteknologi setter landets intelligente datakapasitet til 2 185 EFLOPS ved utgangen av juni 2026 – en økning på 177 prosent fra året før. Samme rapportering oppga en samlet utnyttelsesgrad, eller rack-oppetid, på 71,4 prosent. 34
40
41
Enheten er viktig: Tallet er 2 185 EFLOPS, ikke 218,5 EFLOPS. EFLOPS måler teoretisk ytelse i flyttallsberegninger. Totaltallet sier ikke i seg selv hvor mye kapasitet et bestemt laboratorium får tilgang til, hvor kompatible de ulike akseleratorene er, eller hvor effektivt en distribuert treningsjobb faktisk kjører.
Derfor vil neste fase av Kinas AI-utbygging trolig bli vurdert mindre etter samlet datakraft og mer etter hvor mye av kapasiteten som faktisk kan brukes. Et stort nasjonalt totalmål kan fortsatt skjule flaskehalser dersom kapasiteten er spredt på ulike akseleratortyper, reservert for bestemte brukere, begrenset av dataflytting eller utilgjengelig når strøm- og kjølekapasiteten setter grenser.
Et nasjonalt styringslag tar form
Kina bygger også laget som skal koordinere denne kapasiteten. En enhetlig plattform for overvåking og planlegging skal være i prøve drift, med innsyn i mer enn 60 prosent av landets AI-datakraft. Dette er et tidlig steg mot å koble arbeidslaster til ressurser som både er ledige og teknisk egnet. 6
18
Målet knyttes til programmet East Data, West Compute, eller «østlige data, vestlig datakraft». Programmet bruker nasjonale dataknutepunkter og datasenterklynger til å plassere deler av den energi- og arealkrevende infrastrukturen i vest, samtidig som kapasiteten kan betjene etterspørselen i øst.
Kinas nasjonale plan legger opp til et datainfrastruktursystem på flere nivåer og et integrert, landsdekkende nettverk for datakraft. 48
53
56
I praksis må styringslaget løse flere krevende oppgaver:
- Ressurstilpasning: Fordele jobber til kompatible innenlandske akseleratorer og programvarestakker.
- Plassering: Avgjøre om en jobb bør kjøres lokalt, på tvers av en storbyregion eller mellom fjerne knutepunkter.
- Dataflytting: Begrense kostnaden og forsinkelsen ved å overføre treningsdata og kontrollpunkter.
- Feiltoleranse: Holde store jobber i gang når forbindelser, rack eller enkeltkort svikter.
- Strømstyring: Samordne etterspørselen etter datakraft med regional strømtilgang og driftsbegrensninger.
Jo bedre disse funksjonene virker, desto mer kan nasjonal datakapasitet behandles som en tjeneste – og ikke bare som en samling maskiner som står hver for seg.
Investeringene viser at dette er et nettverksprosjekt
Den nasjonale utviklings- og reformkommisjonen i Kina har sagt at datanettverk forventes å motta rundt 4 billioner yuan i nye direkte investeringer i perioden 2026–2030, som er perioden for landets 15. femårsplan. Anslaget gjelder utbygging av datanettverk og tilhørende infrastruktur, og mye av investeringen ventes å komme fra ikke-statlige aktører. 47
54
Størrelsen på investeringsplanen underbygger hovedtolkningen av Zhengzhou-lanseringen: Kina bygger ikke bare ut tilgangen på AI-brikker. Landet investerer også i overføringslinjer, knutepunkter, planlegging, overvåking og annen infrastruktur som skal gjøre datakraft til nasjonal infrastruktur.
Dette viser lanseringen – og dette beviser den ikke
Den fremvoksende modellen består av tre lag:
- Innenlandsk maskinvare: Store klynger bygget med kinesiske datakort.
- Sammenkobling: Optiske nettverk og dataforbindelser som skal knytte regionale ressurser sammen.
- Koordinering: Nasjonal overvåking og planlegging som skal fordele kapasiteten mellom knutepunktene.
Denne arkitekturen kan redusere betydningen av tilgang til én bestemt superklynge ved å gjøre en større del av landets kapasitet tilgjengelig gjennom et felles system. Den kan også hjelpe Kina med å utnytte strøm- og arealressurser i vest, samtidig som datakraften gjøres tilgjengelig for etterspørselen i øst. 48
56
Men kildematerialet gir ikke grunnlag for å omtale nettverket som en universelt utbyttbar superdatamaskin. Tilgang på innenlandsk maskinvare, forbindelser mellom akseleratorene, modenhet i programvaren, energi, driftssikkerhet og planlegging av arbeidslaster er fortsatt begrensninger.
Påstander om at trening av avanserte modeller kan kuttes fra omtrent ett år til seks måneder, bør derfor forstås som anslag som avhenger av arbeidslasten – med mindre de blir uavhengig dokumentert.
Flaskehalsen er i ferd med å flytte seg, men den er ikke borte. Kina beveger seg fra spørsmålet om landet kan bygge nok innenlandsk AI-maskinvare, til det vanskeligere spørsmålet om maskinvaren kan koordineres effektivt.
Hvis planleggingslaget lykkes, kan Kinas raske utbygging av datakraft bli en fleksibel nasjonal plattform. Hvis ikke, kan landet fortsatt rapportere imponerende EFLOPS-tall samtidig som AI-laboratorier møter oppsplittet tilgang, ledig kapasitet og ujevn ytelse i praksis.
Studio Global AI
Continue your research
This page includes a source-backed answer you can continue inside Studio Global.
People also ask
What is the short answer to "Kinas AI-satsing går fra brikker til et nasjonalt datanettverk"?
Den rapporterte AI klyngen i Zhengzhou samler 100 000 innenlandske datakort og støtter over 300 arbeidslaster innen 26 fagområder.
What are the key points to validate first?
Den rapporterte AI klyngen i Zhengzhou samler 100 000 innenlandske datakort og støtter over 300 arbeidslaster innen 26 fagområder. Kinas intelligente datakapasitet nådde 2 185 EFLOPS ved utgangen av juni 2026, opp 177 prosent på ett år.
What should I do next in practice?
Strategien kombinerer store regionale klynger, fiber med fire overføringskanaler, «East Data, West Compute» og anslagsvis 4 billioner yuan i investeringer i datanettverk i perioden 2026–2030.
Sources
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