การเปิดใช้งานคลัสเตอร์ AI ที่สร้างจากการ์ดประมวลผลภายในประเทศกว่า 100,000 ใบ ณ โหนดแกนกลางเมืองเจิ้งโจวของจีน ควรถูกมองว่าเป็นความก้าวหน้าด้าน “ระบบ” มากกว่าการทำสถิติด้านจำนวนชิปเพียงอย่างเดียว

สิ่งที่จีนกำลังสร้างคือโครงข่ายประมวลผลระดับชาติ ซึ่งรวมศูนย์คอมพิวติ้งหลายภูมิภาคเข้ากับเส้นทางส่งข้อมูลด้วยแสง ระบบติดตามทรัพยากร และกลไกจัดสรรภาระงาน คำถามเชิงยุทธศาสตร์จึงไม่ใช่แค่ว่าจีนมีการ์ด AI มากพอหรือไม่ แต่คือจีนจะทำให้ทรัพยากรที่กระจายอยู่คนละพื้นที่และใช้ฮาร์ดแวร์ต่างชนิดกัน ทำงานเสมือนซูเปอร์คอมพิวเตอร์ร่วมที่เชื่อถือได้หรือไม่

เจิ้งโจวคือบทพิสูจน์เรื่องขนาดของระบบ

Dawning 8000 หรือที่มีรายงานเรียกว่า Dengfeng ถูกระบุว่าเป็นคลัสเตอร์ AI เต็มรูปแบบที่สร้างจากเทคโนโลยีภายในประเทศของจีน และมีขนาดระดับ 100,000 การ์ด ระบบตั้งอยู่ที่โหนดแกนกลางเจิ้งโจวของ National Supercomputing Internet ซึ่งเป็นเครือข่ายซูเปอร์คอมพิวเตอร์ระดับประเทศของจีน โดยผสานความสามารถด้านการคำนวณทางวิทยาศาสตร์เข้ากับการประมวลผลสำหรับ AI

รายงานระบุว่าระบบรองรับภาระงานมากกว่า 300 ประเภทใน 26 สาขา ตั้งแต่วัสดุศาสตร์ การพัฒนายา ไปจนถึงปัญญาประดิษฐ์ 158

สื่อจีนยังเปรียบเทียบสมรรถนะสูงสุดของระบบกับการคำนวณอย่างต่อเนื่องของมนุษยชาติเป็นเวลานานถึง 200 ปี อย่างไรก็ตาม นี่เป็นการเปรียบเทียบเชิงกำลังประมวลผลสูงสุด ไม่ใช่มาตรวัดมาตรฐานของประสิทธิภาพการฝึกโมเดลที่ใช้งานจริง จึงไม่ควรตีความว่าเวิร์กโหลด AI ทุกประเภทจะเร็วขึ้นในระดับเดียวกัน 58

ความสำคัญที่ยั่งยืนกว่าคือการมีแหล่งทรัพยากรประมวลผลภายในประเทศขนาด 100,000 การ์ด ซึ่งสามารถเป็นฐานให้จีนจัดสรรการเข้าถึงคอมพิวติ้งขนาดใหญ่ แทนที่จะปล่อยให้ห้องทดลองหรือบริษัทแต่ละแห่งต้องสร้างคลัสเตอร์แยกของตัวเอง

จากศูนย์ข้อมูลเดี่ยว สู่ชั้นประมวลผลร่วมระดับประเทศ

การติดตั้งที่เจิ้งโจวกำลังเชื่อมโยงกับขีดความสามารถในภูมิภาคอื่นด้วย รายงานเกี่ยวกับคลัสเตอร์ภายในประเทศในเขตเศรษฐกิจ Greater Bay Area หรือเขตอ่าวกวางตุ้ง–ฮ่องกง–มาเก๊า ระบุว่าระบบดังกล่าวมุ่งรองรับการฝึกโมเดลรุ่นใหม่ที่มีพารามิเตอร์ระดับล้านล้านตัว

เมื่อพิจารณาร่วมกัน การติดตั้งเหล่านี้ชี้ไปสู่รูปแบบที่งานประมวลผลขนาดใหญ่สามารถดึงทรัพยากรจากหลายภูมิภาคที่ประสานกัน แทนการพึ่งพาศูนย์ติดตั้งแห่งเดียว 37

แต่ไม่ได้หมายความว่าระยะทางจะไม่สำคัญอีกต่อไป การฝึก AI แบบกระจายศูนย์ต้องใช้แบนด์วิดท์สูง ความหน่วงที่คาดการณ์ได้ ตัวเร่งการประมวลผลที่ทำงานสอดประสานกัน และระบบกู้คืนที่รวดเร็วเมื่อเครือข่ายหรือเครื่องใดเครื่องหนึ่งขัดข้อง

ดังนั้น “โครงข่ายประมวลผลระดับชาติ” จึงต้องมีมากกว่าบัญชีรายชื่อการ์ดที่มีอยู่ ระบบควบคุมจำเป็นต้องรู้ว่าการ์ดชนิดใดเข้ากันได้ ข้อมูลอยู่ที่ไหน งานหนึ่งต้องใช้ทรัพยากรต่อเนื่องมากเพียงใด และเครือข่ายสามารถรองรับภาระงานนั้นได้หรือไม่

เครือข่ายออปติกคือสะพานเชื่อมคลัสเตอร์ต่างภูมิภาค

นักวิจัยจาก Pengcheng Laboratory กำลังพัฒนาไฟเบอร์ออปติกที่มีช่องส่งสัญญาณภายใน 4 ช่อง เส้นใยที่บางใกล้เคียงเส้นผมนี้ออกแบบมาให้มีความจุส่งข้อมูลมากกว่าไฟเบอร์ทั่วไปที่เทียบเคียงกันได้ถึง 4 เท่า เพื่อช่วยแก้คอขวดด้านเครือข่ายเมื่อทรัพยากรประมวลผลกระจายอยู่คนละภูมิภาค 1718

เส้นทางส่งข้อมูลและคอมพิวติ้งเซินเจิ้น–กุ้ยโจว รวมถึงการใช้เส้นทางที่ตรงกว่าและคำนึงถึงความหน่วง มีเป้าหมายเดียวกัน นั่นคือการลดต้นทุนด้านประสิทธิภาพจากการเคลื่อนย้ายข้อมูลและการทำงานให้สอดคล้องกันระหว่างศูนย์คอมพิวติ้ง 1719

โครงสร้างพื้นฐานลักษณะนี้มีความสำคัญอย่างยิ่งต่อการฝึกโมเดลแบบกระจายที่ต้องประสานงานอย่างใกล้ชิด เพราะการสื่อสารที่ช้าหรือไม่เสถียรอาจทำให้ตัวเร่งการประมวลผลราคาแพงต้องหยุดรอ

อย่างไรก็ตาม ประเภทของงานมีความสำคัญ งานแบตช์ที่ไม่จำเป็นต้องประสานกันตลอดเวลาอาจใช้ทรัพยากรจากระยะไกลได้ค่อนข้างง่าย แต่การทำให้ศูนย์ข้อมูลที่อยู่ห่างไกลทำงานราวกับเป็นเครื่องเดียวกันสำหรับการฝึกโมเดลขนาดใหญ่แบบซิงโครไนซ์นั้นยากกว่ามาก รายงานที่มีอยู่สะท้อนทิศทางการพัฒนาด้านวิศวกรรม แต่ยังไม่ได้ยืนยันว่าคลัสเตอร์ที่เชื่อมต่อกันทุกแห่งให้ประสิทธิภาพสม่ำเสมอเทียบเท่าศูนย์ข้อมูลเดียวในพื้นที่เดียวกัน

กำลังการประมวลผลโตเร็วกว่าหลักฐานเรื่องการใช้งานจริง

ข้อมูลทางการที่กระทรวงอุตสาหกรรมและเทคโนโลยีสารสนเทศของจีนรายงานระบุว่า กำลังการประมวลผลอัจฉริยะของประเทศอยู่ที่ 2,185 EFLOPS ณ สิ้นเดือนมิถุนายน 2026 เพิ่มขึ้น 177% จากปีก่อน ขณะที่อัตราการใช้ประโยชน์โดยรวม หรืออัตราการติดตั้งใช้งานในแร็ก อยู่ที่ 71.4% 344041

หน่วยวัดนี้ควรระบุให้ชัดเจน ตัวเลขคือ 2,185 EFLOPS ไม่ใช่ 218.5 EFLOPS โดย EFLOPS เป็นตัวชี้วัดประสิทธิภาพการคำนวณเลขทศนิยมเชิงทฤษฎี ยอดรวมระดับประเทศไม่ได้บอกว่าแล็บแห่งใดแห่งหนึ่งเข้าถึงกำลังประมวลผลได้มากเท่าไร การ์ดที่อยู่เบื้องหลังเข้ากันได้ดีเพียงใด หรือการฝึกแบบกระจายจะทำงานได้มีประสิทธิภาพแค่ไหน

ด้วยเหตุนี้ ระยะถัดไปของการขยายโครงสร้างพื้นฐาน AI จีนจึงน่าจะถูกประเมินจาก “คอมพิวติ้งที่ใช้งานได้จริง” มากกว่าตัวเลขรวมเพียงอย่างเดียว ยอดรวมขนาดใหญ่อาจยังเกิดคอขวดได้ หากทรัพยากรถูกแบ่งแยกตามชนิดของตัวเร่งการประมวลผล ซอฟต์แวร์ หรือสิทธิ์การใช้งาน อีกทั้งยังอาจถูกจำกัดด้วยการเคลื่อนย้ายข้อมูล หรือข้อจำกัดด้านไฟฟ้าและระบบระบายความร้อน

ชั้นควบคุมระดับชาติกำลังเริ่มเป็นรูปเป็นร่าง

จีนกำลังสร้างชั้นบริหารจัดการเพื่อประสานทรัพยากรเหล่านี้ด้วย มีรายงานว่าแพลตฟอร์มติดตามและจัดสรรงานแบบรวมศูนย์เข้าสู่การทดลองใช้งานแล้ว โดยมองเห็นทรัพยากรคอมพิวติ้ง AI มากกว่า 60% ของประเทศ การมองเห็นดังกล่าวเป็นก้าวแรกในการจับคู่งานกับทรัพยากรที่พร้อมใช้งานและมีคุณสมบัติทางเทคนิคเหมาะสม 618

กรอบนโยบายนี้เชื่อมโยงกับโครงการ “ข้อมูลตะวันออก ประมวลผลตะวันตก” หรือ East Data, West Compute ซึ่งใช้ศูนย์กลางคอมพิวติ้งและคลัสเตอร์ดาต้าเซ็นเตอร์ระดับชาติ เพื่อวางโครงสร้างพื้นฐานที่ใช้พลังงานและที่ดินมากไว้ในพื้นที่ตะวันตก ขณะที่ยังให้บริการความต้องการซึ่งกระจุกตัวอยู่ทางตะวันออก

แผนระดับชาติของจีนกำหนดให้มีโครงสร้างพื้นฐานคอมพิวติ้งหลายระดับและเครือข่ายประมวลผลแบบบูรณาการทั่วประเทศ 485356

ในทางปฏิบัติ ชั้นควบคุมดังกล่าวต้องแก้โจทย์สำคัญหลายด้าน ได้แก่

• การจับคู่ทรัพยากร: จัดสรรงานให้กับตัวเร่งการประมวลผลภายในประเทศและชุดซอฟต์แวร์ที่เข้ากันได้
• การเลือกตำแหน่งประมวลผล: ตัดสินใจว่างานควรรันในพื้นที่เดียว ข้ามเมือง หรือข้ามศูนย์กลางระยะไกล
• การเคลื่อนย้ายข้อมูล: ลดต้นทุนและความล่าช้าในการส่งข้อมูลฝึกโมเดลและจุดบันทึกสถานะ
• การรองรับความขัดข้อง: ทำให้งานขนาดใหญ่ยังเดินหน้าต่อได้เมื่อเส้นทางเครือข่าย แร็ก หรือการ์ดบางใบเสียหาย
• การประสานงานด้านพลังงาน: จัดสมดุลความต้องการประมวลผลกับไฟฟ้าที่มีอยู่และข้อจำกัดการดำเนินงานในแต่ละภูมิภาค

ยิ่งระบบเหล่านี้ทำงานได้ดีเท่าไร กำลังการประมวลผลระดับประเทศก็ยิ่งถูกใช้งานในลักษณะ “บริการร่วม” มากกว่าจะเป็นเพียงเครื่องจักรจำนวนมากที่แยกขาดจากกัน

เงินลงทุนยืนยันว่า นี่คือโครงการเครือข่าย ไม่ใช่แค่โครงการสร้างคลัสเตอร์

คณะกรรมการพัฒนาและปฏิรูปแห่งชาติของจีน หรือ NDRC ระบุว่า เครือข่ายกำลังการประมวลผลอาจได้รับเงินลงทุนโดยตรงใหม่ประมาณ 4 ล้านล้านหยวน ในช่วงปี 2026–2030 ซึ่งเป็นกรอบเวลาของแผนพัฒนาเศรษฐกิจและสังคมฉบับที่ 15 ของจีน

ตัวเลขดังกล่าวครอบคลุมการก่อสร้างเครือข่ายคอมพิวติ้งและโครงสร้างพื้นฐานที่เกี่ยวข้อง โดยรายงานระบุว่าเงินลงทุนจำนวนมากคาดว่าจะมาจากภาคส่วนที่ไม่ใช่รัฐบาล 4754

ขนาดของการลงทุนที่วางแผนไว้ช่วยย้ำความหมายสำคัญของการเปิดใช้งานคลัสเตอร์ที่เจิ้งโจว จีนไม่ได้ขยายเพียงปริมาณตัวเร่งการประมวลผล แต่กำลังลงทุนในระบบส่งข้อมูล ศูนย์กลาง การจัดสรรงาน การติดตาม และโครงสร้างพื้นฐานสนับสนุนที่จำเป็นต่อการเปลี่ยนคอมพิวติ้งให้กลายเป็นโครงสร้างพื้นฐานระดับชาติ

สิ่งที่โครงการนี้สะท้อน และสิ่งที่ยังพิสูจน์ไม่ได้

รูปแบบที่กำลังก่อตัวมี 3 ชั้นหลัก

1. ฮาร์ดแวร์ภายในประเทศ: คลัสเตอร์ขนาดใหญ่ที่สร้างจากการ์ดประมวลผลของจีน
2. การเชื่อมต่อระหว่างภูมิภาค: ระบบไฟเบอร์ออปติกและการส่งข้อมูลที่ออกแบบมาเพื่อเชื่อมแหล่งคอมพิวติ้งหลายแห่ง
3. การประสานงาน: ระบบติดตามและจัดสรรงานระดับชาติที่มีเป้าหมายแบ่งทรัพยากรระหว่างคลัสเตอร์เหล่านั้น

สถาปัตยกรรมนี้อาจลดความสำคัญของการเข้าถึงซูเปอร์คลัสเตอร์แห่งใดแห่งหนึ่ง โดยเปิดทางให้กำลังการประมวลผลของจีนถูกเรียกใช้งานผ่านระบบร่วม นอกจากนี้ยังอาจช่วยให้จีนใช้ประโยชน์จากพลังงานและพื้นที่ในภูมิภาคตะวันตก ขณะยังรองรับความต้องการจากศูนย์กลางทางตะวันออก 4856

แต่หลักฐานที่มีอยู่ยังไม่เพียงพอที่จะสรุปว่าเครือข่ายนี้เป็นซูเปอร์คอมพิวเตอร์สากลที่การ์ดทุกใบสามารถทดแทนกันได้ ฮาร์ดแวร์ภายในประเทศ การเชื่อมต่อระหว่างตัวเร่งการประมวลผล ความพร้อมของซอฟต์แวร์ พลังงาน ความเสถียร และการจัดสรรงาน ล้วนยังเป็นข้อจำกัด

ข้ออ้างว่าระยะเวลาฝึกโมเดลแนวหน้าจะลดจากประมาณ 1 ปีเหลือ 6 เดือน จึงควรถูกมองว่าเป็นผลประโยชน์ที่คาดการณ์ไว้และขึ้นอยู่กับประเภทของเวิร์กโหลด เว้นแต่จะมีการพิสูจน์โดยอิสระ 58

คอขวดเชิงยุทธศาสตร์กำลังเปลี่ยนรูป แต่ยังไม่ได้หายไป จีนกำลังขยับจากคำถามว่า “จะสร้างฮาร์ดแวร์ AI ภายในประเทศได้มากพอหรือไม่” ไปสู่คำถามที่ยากกว่า นั่นคือ “จะประสานฮาร์ดแวร์ทั้งหมดให้ทำงานได้อย่างมีประสิทธิภาพหรือไม่”

หากระบบจัดสรรงานระดับชาติประสบความสำเร็จ การขยายกำลังคอมพิวติ้งของจีนอาจกลายเป็นแพลตฟอร์มระดับประเทศที่ยืดหยุ่นและเรียกใช้งานได้จริง แต่หากไม่สำเร็จ จีนก็อาจยังมีตัวเลข EFLOPS รวมที่น่าประทับใจ ขณะที่ห้องทดลอง AI แต่ละแห่งยังเผชิญกับการเข้าถึงทรัพยากรที่กระจัดกระจาย กำลังประมวลผลที่ว่างเปล่า และประสิทธิภาพจริงที่ไม่สม่ำเสมอ

การเปิดใช้งานคลัสเตอร์ AI ที่สร้างจากการ์ดประมวลผลภายในประเทศกว่า 100,000 ใบ ณ โหนดแกนกลางเมืองเจิ้งโจวของจีน ควรถูกมองว่าเป็นความก้าวหน้าด้าน “ระบบ” มากกว่าการทำสถิติด้านจำนวนชิปเพียงอย่างเดียว

สิ่งที่จีนกำลังสร้างคือโครงข่ายประมวลผลระดับชาติ ซึ่งรวมศูนย์คอมพิวติ้งหลายภูมิภาคเข้ากับเส้นทางส่งข้อมูลด้วยแสง ระบบติดตามทรัพยากร และกลไกจัดสรรภาระงาน คำถามเชิงยุทธศาสตร์จึงไม่ใช่แค่ว่าจีนมีการ์ด AI มากพอหรือไม่ แต่คือจีนจะทำให้ทรัพยากรที่กระจายอยู่คนละพื้นที่และใช้ฮาร์ดแวร์ต่างชนิดกัน ทำงานเสมือนซูเปอร์คอมพิวเตอร์ร่วมที่เชื่อถือได้หรือไม่

เจิ้งโจวคือบทพิสูจน์เรื่องขนาดของระบบ

Dawning 8000 หรือที่มีรายงานเรียกว่า Dengfeng ถูกระบุว่าเป็นคลัสเตอร์ AI เต็มรูปแบบที่สร้างจากเทคโนโลยีภายในประเทศของจีน และมีขนาดระดับ 100,000 การ์ด ระบบตั้งอยู่ที่โหนดแกนกลางเจิ้งโจวของ National Supercomputing Internet ซึ่งเป็นเครือข่ายซูเปอร์คอมพิวเตอร์ระดับประเทศของจีน โดยผสานความสามารถด้านการคำนวณทางวิทยาศาสตร์เข้ากับการประมวลผลสำหรับ AI

รายงานระบุว่าระบบรองรับภาระงานมากกว่า 300 ประเภทใน 26 สาขา ตั้งแต่วัสดุศาสตร์ การพัฒนายา ไปจนถึงปัญญาประดิษฐ์ 158

สื่อจีนยังเปรียบเทียบสมรรถนะสูงสุดของระบบกับการคำนวณอย่างต่อเนื่องของมนุษยชาติเป็นเวลานานถึง 200 ปี อย่างไรก็ตาม นี่เป็นการเปรียบเทียบเชิงกำลังประมวลผลสูงสุด ไม่ใช่มาตรวัดมาตรฐานของประสิทธิภาพการฝึกโมเดลที่ใช้งานจริง จึงไม่ควรตีความว่าเวิร์กโหลด AI ทุกประเภทจะเร็วขึ้นในระดับเดียวกัน 58

ความสำคัญที่ยั่งยืนกว่าคือการมีแหล่งทรัพยากรประมวลผลภายในประเทศขนาด 100,000 การ์ด ซึ่งสามารถเป็นฐานให้จีนจัดสรรการเข้าถึงคอมพิวติ้งขนาดใหญ่ แทนที่จะปล่อยให้ห้องทดลองหรือบริษัทแต่ละแห่งต้องสร้างคลัสเตอร์แยกของตัวเอง

จากศูนย์ข้อมูลเดี่ยว สู่ชั้นประมวลผลร่วมระดับประเทศ

การติดตั้งที่เจิ้งโจวกำลังเชื่อมโยงกับขีดความสามารถในภูมิภาคอื่นด้วย รายงานเกี่ยวกับคลัสเตอร์ภายในประเทศในเขตเศรษฐกิจ Greater Bay Area หรือเขตอ่าวกวางตุ้ง–ฮ่องกง–มาเก๊า ระบุว่าระบบดังกล่าวมุ่งรองรับการฝึกโมเดลรุ่นใหม่ที่มีพารามิเตอร์ระดับล้านล้านตัว

เมื่อพิจารณาร่วมกัน การติดตั้งเหล่านี้ชี้ไปสู่รูปแบบที่งานประมวลผลขนาดใหญ่สามารถดึงทรัพยากรจากหลายภูมิภาคที่ประสานกัน แทนการพึ่งพาศูนย์ติดตั้งแห่งเดียว 37

แต่ไม่ได้หมายความว่าระยะทางจะไม่สำคัญอีกต่อไป การฝึก AI แบบกระจายศูนย์ต้องใช้แบนด์วิดท์สูง ความหน่วงที่คาดการณ์ได้ ตัวเร่งการประมวลผลที่ทำงานสอดประสานกัน และระบบกู้คืนที่รวดเร็วเมื่อเครือข่ายหรือเครื่องใดเครื่องหนึ่งขัดข้อง

ดังนั้น “โครงข่ายประมวลผลระดับชาติ” จึงต้องมีมากกว่าบัญชีรายชื่อการ์ดที่มีอยู่ ระบบควบคุมจำเป็นต้องรู้ว่าการ์ดชนิดใดเข้ากันได้ ข้อมูลอยู่ที่ไหน งานหนึ่งต้องใช้ทรัพยากรต่อเนื่องมากเพียงใด และเครือข่ายสามารถรองรับภาระงานนั้นได้หรือไม่

เครือข่ายออปติกคือสะพานเชื่อมคลัสเตอร์ต่างภูมิภาค

นักวิจัยจาก Pengcheng Laboratory กำลังพัฒนาไฟเบอร์ออปติกที่มีช่องส่งสัญญาณภายใน 4 ช่อง เส้นใยที่บางใกล้เคียงเส้นผมนี้ออกแบบมาให้มีความจุส่งข้อมูลมากกว่าไฟเบอร์ทั่วไปที่เทียบเคียงกันได้ถึง 4 เท่า เพื่อช่วยแก้คอขวดด้านเครือข่ายเมื่อทรัพยากรประมวลผลกระจายอยู่คนละภูมิภาค 1718

เส้นทางส่งข้อมูลและคอมพิวติ้งเซินเจิ้น–กุ้ยโจว รวมถึงการใช้เส้นทางที่ตรงกว่าและคำนึงถึงความหน่วง มีเป้าหมายเดียวกัน นั่นคือการลดต้นทุนด้านประสิทธิภาพจากการเคลื่อนย้ายข้อมูลและการทำงานให้สอดคล้องกันระหว่างศูนย์คอมพิวติ้ง 1719

โครงสร้างพื้นฐานลักษณะนี้มีความสำคัญอย่างยิ่งต่อการฝึกโมเดลแบบกระจายที่ต้องประสานงานอย่างใกล้ชิด เพราะการสื่อสารที่ช้าหรือไม่เสถียรอาจทำให้ตัวเร่งการประมวลผลราคาแพงต้องหยุดรอ

อย่างไรก็ตาม ประเภทของงานมีความสำคัญ งานแบตช์ที่ไม่จำเป็นต้องประสานกันตลอดเวลาอาจใช้ทรัพยากรจากระยะไกลได้ค่อนข้างง่าย แต่การทำให้ศูนย์ข้อมูลที่อยู่ห่างไกลทำงานราวกับเป็นเครื่องเดียวกันสำหรับการฝึกโมเดลขนาดใหญ่แบบซิงโครไนซ์นั้นยากกว่ามาก รายงานที่มีอยู่สะท้อนทิศทางการพัฒนาด้านวิศวกรรม แต่ยังไม่ได้ยืนยันว่าคลัสเตอร์ที่เชื่อมต่อกันทุกแห่งให้ประสิทธิภาพสม่ำเสมอเทียบเท่าศูนย์ข้อมูลเดียวในพื้นที่เดียวกัน

กำลังการประมวลผลโตเร็วกว่าหลักฐานเรื่องการใช้งานจริง

ข้อมูลทางการที่กระทรวงอุตสาหกรรมและเทคโนโลยีสารสนเทศของจีนรายงานระบุว่า กำลังการประมวลผลอัจฉริยะของประเทศอยู่ที่ 2,185 EFLOPS ณ สิ้นเดือนมิถุนายน 2026 เพิ่มขึ้น 177% จากปีก่อน ขณะที่อัตราการใช้ประโยชน์โดยรวม หรืออัตราการติดตั้งใช้งานในแร็ก อยู่ที่ 71.4% 344041

หน่วยวัดนี้ควรระบุให้ชัดเจน ตัวเลขคือ 2,185 EFLOPS ไม่ใช่ 218.5 EFLOPS โดย EFLOPS เป็นตัวชี้วัดประสิทธิภาพการคำนวณเลขทศนิยมเชิงทฤษฎี ยอดรวมระดับประเทศไม่ได้บอกว่าแล็บแห่งใดแห่งหนึ่งเข้าถึงกำลังประมวลผลได้มากเท่าไร การ์ดที่อยู่เบื้องหลังเข้ากันได้ดีเพียงใด หรือการฝึกแบบกระจายจะทำงานได้มีประสิทธิภาพแค่ไหน

ด้วยเหตุนี้ ระยะถัดไปของการขยายโครงสร้างพื้นฐาน AI จีนจึงน่าจะถูกประเมินจาก “คอมพิวติ้งที่ใช้งานได้จริง” มากกว่าตัวเลขรวมเพียงอย่างเดียว ยอดรวมขนาดใหญ่อาจยังเกิดคอขวดได้ หากทรัพยากรถูกแบ่งแยกตามชนิดของตัวเร่งการประมวลผล ซอฟต์แวร์ หรือสิทธิ์การใช้งาน อีกทั้งยังอาจถูกจำกัดด้วยการเคลื่อนย้ายข้อมูล หรือข้อจำกัดด้านไฟฟ้าและระบบระบายความร้อน

ชั้นควบคุมระดับชาติกำลังเริ่มเป็นรูปเป็นร่าง

จีนกำลังสร้างชั้นบริหารจัดการเพื่อประสานทรัพยากรเหล่านี้ด้วย มีรายงานว่าแพลตฟอร์มติดตามและจัดสรรงานแบบรวมศูนย์เข้าสู่การทดลองใช้งานแล้ว โดยมองเห็นทรัพยากรคอมพิวติ้ง AI มากกว่า 60% ของประเทศ การมองเห็นดังกล่าวเป็นก้าวแรกในการจับคู่งานกับทรัพยากรที่พร้อมใช้งานและมีคุณสมบัติทางเทคนิคเหมาะสม 618

กรอบนโยบายนี้เชื่อมโยงกับโครงการ “ข้อมูลตะวันออก ประมวลผลตะวันตก” หรือ East Data, West Compute ซึ่งใช้ศูนย์กลางคอมพิวติ้งและคลัสเตอร์ดาต้าเซ็นเตอร์ระดับชาติ เพื่อวางโครงสร้างพื้นฐานที่ใช้พลังงานและที่ดินมากไว้ในพื้นที่ตะวันตก ขณะที่ยังให้บริการความต้องการซึ่งกระจุกตัวอยู่ทางตะวันออก

แผนระดับชาติของจีนกำหนดให้มีโครงสร้างพื้นฐานคอมพิวติ้งหลายระดับและเครือข่ายประมวลผลแบบบูรณาการทั่วประเทศ 485356

ในทางปฏิบัติ ชั้นควบคุมดังกล่าวต้องแก้โจทย์สำคัญหลายด้าน ได้แก่

• การจับคู่ทรัพยากร: จัดสรรงานให้กับตัวเร่งการประมวลผลภายในประเทศและชุดซอฟต์แวร์ที่เข้ากันได้
• การเลือกตำแหน่งประมวลผล: ตัดสินใจว่างานควรรันในพื้นที่เดียว ข้ามเมือง หรือข้ามศูนย์กลางระยะไกล
• การเคลื่อนย้ายข้อมูล: ลดต้นทุนและความล่าช้าในการส่งข้อมูลฝึกโมเดลและจุดบันทึกสถานะ
• การรองรับความขัดข้อง: ทำให้งานขนาดใหญ่ยังเดินหน้าต่อได้เมื่อเส้นทางเครือข่าย แร็ก หรือการ์ดบางใบเสียหาย
• การประสานงานด้านพลังงาน: จัดสมดุลความต้องการประมวลผลกับไฟฟ้าที่มีอยู่และข้อจำกัดการดำเนินงานในแต่ละภูมิภาค

ยิ่งระบบเหล่านี้ทำงานได้ดีเท่าไร กำลังการประมวลผลระดับประเทศก็ยิ่งถูกใช้งานในลักษณะ “บริการร่วม” มากกว่าจะเป็นเพียงเครื่องจักรจำนวนมากที่แยกขาดจากกัน

เงินลงทุนยืนยันว่า นี่คือโครงการเครือข่าย ไม่ใช่แค่โครงการสร้างคลัสเตอร์

คณะกรรมการพัฒนาและปฏิรูปแห่งชาติของจีน หรือ NDRC ระบุว่า เครือข่ายกำลังการประมวลผลอาจได้รับเงินลงทุนโดยตรงใหม่ประมาณ 4 ล้านล้านหยวน ในช่วงปี 2026–2030 ซึ่งเป็นกรอบเวลาของแผนพัฒนาเศรษฐกิจและสังคมฉบับที่ 15 ของจีน

ตัวเลขดังกล่าวครอบคลุมการก่อสร้างเครือข่ายคอมพิวติ้งและโครงสร้างพื้นฐานที่เกี่ยวข้อง โดยรายงานระบุว่าเงินลงทุนจำนวนมากคาดว่าจะมาจากภาคส่วนที่ไม่ใช่รัฐบาล 4754

ขนาดของการลงทุนที่วางแผนไว้ช่วยย้ำความหมายสำคัญของการเปิดใช้งานคลัสเตอร์ที่เจิ้งโจว จีนไม่ได้ขยายเพียงปริมาณตัวเร่งการประมวลผล แต่กำลังลงทุนในระบบส่งข้อมูล ศูนย์กลาง การจัดสรรงาน การติดตาม และโครงสร้างพื้นฐานสนับสนุนที่จำเป็นต่อการเปลี่ยนคอมพิวติ้งให้กลายเป็นโครงสร้างพื้นฐานระดับชาติ

สิ่งที่โครงการนี้สะท้อน และสิ่งที่ยังพิสูจน์ไม่ได้

รูปแบบที่กำลังก่อตัวมี 3 ชั้นหลัก

1. ฮาร์ดแวร์ภายในประเทศ: คลัสเตอร์ขนาดใหญ่ที่สร้างจากการ์ดประมวลผลของจีน
2. การเชื่อมต่อระหว่างภูมิภาค: ระบบไฟเบอร์ออปติกและการส่งข้อมูลที่ออกแบบมาเพื่อเชื่อมแหล่งคอมพิวติ้งหลายแห่ง
3. การประสานงาน: ระบบติดตามและจัดสรรงานระดับชาติที่มีเป้าหมายแบ่งทรัพยากรระหว่างคลัสเตอร์เหล่านั้น

สถาปัตยกรรมนี้อาจลดความสำคัญของการเข้าถึงซูเปอร์คลัสเตอร์แห่งใดแห่งหนึ่ง โดยเปิดทางให้กำลังการประมวลผลของจีนถูกเรียกใช้งานผ่านระบบร่วม นอกจากนี้ยังอาจช่วยให้จีนใช้ประโยชน์จากพลังงานและพื้นที่ในภูมิภาคตะวันตก ขณะยังรองรับความต้องการจากศูนย์กลางทางตะวันออก 4856

แต่หลักฐานที่มีอยู่ยังไม่เพียงพอที่จะสรุปว่าเครือข่ายนี้เป็นซูเปอร์คอมพิวเตอร์สากลที่การ์ดทุกใบสามารถทดแทนกันได้ ฮาร์ดแวร์ภายในประเทศ การเชื่อมต่อระหว่างตัวเร่งการประมวลผล ความพร้อมของซอฟต์แวร์ พลังงาน ความเสถียร และการจัดสรรงาน ล้วนยังเป็นข้อจำกัด

ข้ออ้างว่าระยะเวลาฝึกโมเดลแนวหน้าจะลดจากประมาณ 1 ปีเหลือ 6 เดือน จึงควรถูกมองว่าเป็นผลประโยชน์ที่คาดการณ์ไว้และขึ้นอยู่กับประเภทของเวิร์กโหลด เว้นแต่จะมีการพิสูจน์โดยอิสระ 58

คอขวดเชิงยุทธศาสตร์กำลังเปลี่ยนรูป แต่ยังไม่ได้หายไป จีนกำลังขยับจากคำถามว่า “จะสร้างฮาร์ดแวร์ AI ภายในประเทศได้มากพอหรือไม่” ไปสู่คำถามที่ยากกว่า นั่นคือ “จะประสานฮาร์ดแวร์ทั้งหมดให้ทำงานได้อย่างมีประสิทธิภาพหรือไม่”

หากระบบจัดสรรงานระดับชาติประสบความสำเร็จ การขยายกำลังคอมพิวติ้งของจีนอาจกลายเป็นแพลตฟอร์มระดับประเทศที่ยืดหยุ่นและเรียกใช้งานได้จริง แต่หากไม่สำเร็จ จีนก็อาจยังมีตัวเลข EFLOPS รวมที่น่าประทับใจ ขณะที่ห้องทดลอง AI แต่ละแห่งยังเผชิญกับการเข้าถึงทรัพยากรที่กระจัดกระจาย กำลังประมวลผลที่ว่างเปล่า และประสิทธิภาพจริงที่ไม่สม่ำเสมอ