AnswersPublished28 sources
Кластер на 100 000 обчислювальних карт: як Китай будує національну AI-тканину
Кластер Dawning 8000 у Чженчжоу став масштабним доказом переходу Китаю від окремих AI дата центрів до координації обчислювальних ресурсів на національному рівні. Станом на кінець червня 2026 року заявлена потужність інтелектуальних обчислень Китаю сягнула 2 185 EFLOPS — на 177% більше, ніж роком раніше; тестова плат...
ОпублікувавВідредаговано за допомогою GPT-5.6 LunaЗображення створено за допомогою GPT Image 1.5
Research answer
Key takeaways
- Кластер Dawning 8000 у Чженчжоу став масштабним доказом переходу Китаю від окремих AI дата центрів до координації обчислювальних ресурсів на національному рівні.
- Станом на кінець червня 2026 року заявлена потужність інтелектуальних обчислень Китаю сягнула 2 185 EFLOPS — на 177% більше, ніж роком раніше; тестова платформа моніторингу бачить понад 60% AI ресурсів країни.
- Стратегія поєднує великі вітчизняні кластери, оптичне волокно з чотирма каналами, програму «Східні дані — західні обчислення» та близько 4 трлн юанів запланованих інвестицій у 2026–2030 роках.
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
Повідомлення про запуск у Чженчжоу повністю вітчизняного AI-суперкластера на 100 000 обчислювальних карт варто сприймати не просто як рекорд за кількістю прискорювачів. Це демонстрація того, як Китай намагається перетворити розрізнені дата-центри, оптичні лінії, системи моніторингу та планування навантажень на спільну національну обчислювальну інфраструктуру.
Головне стратегічне питання тепер звучить так: чи зможе Китай змусити географічно розподілені й технічно неоднорідні ресурси працювати як надійний спільний суперкомп’ютер?
Чженчжоу став доказом масштабу
Dawning 8000, який також називають Dengfeng, описують як перший у Китаї повністю вітчизняний AI-суперкластер рівня 100 000 карт. Він розташований у Чженчжоу — центральному вузлі Національного суперкомп’ютерного інтернету — і поєднує наукові та AI-обчислення.
За повідомленнями, система підтримує понад 300 типів завдань у 26 сферах, зокрема дослідження нових матеріалів, розробку ліків та навчання моделей штучного інтелекту. 1
5
8
Китайські медіа також порівнюють її пікову продуктивність із безперервними обчисленнями всього людства протягом 200 років. Це образне порівняння пікової пропускної здатності, а не стандартизований показник практичної швидкості навчання AI-моделей. Тому воно не означає, що кожне завдання зі штучного інтелекту автоматично прискориться в такому самому масштабі. 5
8
Стійкіше значення має архітектура: ресурсний пул на 100 000 вітчизняних карт створює платформу, через яку великі обчислювальні потужності можна надавати дослідницьким установам і компаніям, замість того щоб кожна з них окремо будувала власний кластер.
Від окремих дата-центрів — до спільного шару обчислень
Чженчжоуський кластер розгортають не ізольовано. Інша велика система в районі Великої затоки Гуандун — Гонконг — Макао орієнтована на потреби навчання моделей із трильйонами параметрів. Разом ці проєкти вказують на модель, за якої масштабні завдання можуть використовувати узгоджені регіональні ресурси, а не залежати лише від одного локального дата-центру. 3
7
Однак відстань нікуди не зникає. Для розподіленого навчання AI потрібні висока пропускна здатність, передбачувана затримка, синхронізація прискорювачів і швидке відновлення після збоїв мережі чи обладнання.
Тому національна обчислювальна «тканина» — це не просто перелік доступних карт. Вона потребує керувального шару, який розуміє:
- які прискорювачі сумісні між собою;
- де зберігаються дані;
- скільки обчислювальних ресурсів потрібно конкретному завданню;
- чи здатна мережа підтримувати його без тривалих простоїв.
Оптичні мережі мають зменшити ціну відстані
Дослідники лабораторії Пенчен у Шеньчжені розробляють надтонке оптичне волокно з чотирма внутрішніми каналами передавання. Очікується, що така конструкція забезпечить у чотири рази більшу пропускну здатність порівняно зі звичайним аналогом і допоможе подолати мережеве обмеження, яке виникає через розподіл обчислювальних ресурсів між регіонами. 17
18
Ту саму мету має запланована лінія передавання обчислювальних ресурсів і даних між Шеньчженем та Ґуйчжоу, а також використання пряміших маршрутів із урахуванням затримки. Вони мають скоротити втрати продуктивності під час переміщення даних і синхронізації роботи між дата-центрами. 17
19
Це особливо важливо для тісно пов’язаного розподіленого навчання: якщо обмін даними повільний або нестабільний, дорогі прискорювачі простоюють в очікуванні.
Водночас тип навантаження має значення. Віддалені ресурси відносно легко використовувати для пакетних завдань, де окремі операції слабко залежать одна від одної. Значно складніше змусити географічно віддалені майданчики працювати як єдину машину під час великого синхронізованого запуску моделі.
Доступні повідомлення показують напрям інженерних робіт, але ще не доводять, що всі підключені кластери вже забезпечують однакову продуктивність на рівні одного дата-центру.
Потужності зростають швидше, ніж підтвердження їхньої ефективності
За офіційними даними, які наводить Міністерство промисловості та інформаційних технологій Китаю, станом на кінець червня 2026 року національна потужність інтелектуальних обчислень досягла 2 185 EFLOPS — це на 177% більше, ніж роком раніше. Загальний показник використання обчислювальних об’єктів, або коефіцієнт зайнятості стійок, становив 71,4%. 34
40
41
Одиницю вимірювання важливо не плутати: йдеться саме про 2 185 EFLOPS, а не про 218,5 EFLOPS. EFLOPS показує теоретичну продуктивність операцій із числами з рухомою комою. Загальна цифра по країні сама собою не відповідає на питання:
- скільки потужностей доступно конкретній лабораторії;
- наскільки сумісні між собою різні типи прискорювачів;
- наскільки ефективно виконується розподілене навчання моделі.
Саме тому наступний етап китайського розгортання AI-інфраструктури, ймовірно, оцінюватимуть не за сукупними EFLOPS, а за обсягом справді придатних до використання обчислень.
Великий національний показник може приховувати вузькі місця: фрагментацію між різними архітектурами прискорювачів, резервування ресурсів для окремих користувачів, обмеження під час переміщення даних або нестачу електроенергії та потужностей охолодження.
У Китаї формується національна система керування
Паралельно Китай створює програмний шар для координації цієї пропозиції. Повідомлялося, що єдина платформа моніторингу та планування перейшла до тестової експлуатації й отримала видимість понад 60% AI-обчислень країни. Це лише ранній крок, але він дає змогу зіставляти завдання з доступними та технічно придатними ресурсами. 6
18
Передбачувана політична рамка пов’язує цю систему з програмою «Східні дані — західні обчислення». Її ідея полягає в тому, щоб розміщувати енерго- та землемістку інфраструктуру в західних регіонах Китаю, водночас обслуговуючи попит, зосереджений на сході.
Національний план Китаю передбачає багаторівневу систему обчислювальної інфраструктури та інтегровану загальнонаціональну мережу. В її основі — вісім національних вузлів обчислювальної потужності. 48
53
56
На практиці керувальна система має розв’язати кілька складних завдань:
- Підбір ресурсів: призначати завдання сумісним вітчизняним прискорювачам і програмним стекам.
- Розміщення: визначати, чи запускати роботу локально, у межах одного міського регіону або між віддаленими вузлами.
- Переміщення даних: мінімізувати вартість і затримки під час передавання навчальних даних та контрольних копій моделей.
- Відмовостійкість: зберігати продуктивність великих завдань після виходу з ладу ліній, стійок чи окремих карт.
- Координація з енергосистемою: узгоджувати попит на обчислення з доступністю електроенергії та регіональними обмеженнями.
Чим краще працюватимуть ці функції, тим більше національна потужність нагадуватиме сервіс, а не набір роз’єднаних машин.
Обсяг інвестицій підтверджує: це проєкт мережі
Національна комісія з розвитку та реформ Китаю заявила, що впродовж 2026–2030 років — періоду дії 15-го п’ятирічного плану — мережі обчислювальної потужності можуть отримати близько 4 трлн юанів нових прямих інвестицій. Оцінка стосується будівництва обчислювальних мереж і пов’язаної інфраструктури; значну частину коштів, за повідомленнями, мають забезпечити недержавні джерела. 47
54
Такий масштаб планів підсилює головний висновок із запуску в Чженчжоу: Китай розширює не лише пропозицію прискорювачів. Він інвестує у передавання даних, регіональні вузли, планування, моніторинг та інфраструктуру, необхідну для перетворення обчислень на національний ресурс.
Що це показує — і чого ще не доводить
Модель, що формується, має три рівні:
- Вітчизняне обладнання: великі кластери, побудовані на китайських обчислювальних картах.
- Взаємне з’єднання: оптичні та телекомунікаційні системи для об’єднання регіональних пулів.
- Координація: національний моніторинг і планування, покликані розподіляти ресурси між цими пулами.
Така архітектура може зменшити залежність від доступу до одного локального суперкластера, зробивши більшу частину національних потужностей доступною через спільну систему. Вона також може допомогти використовувати енергетичні та земельні ресурси західних провінцій, зберігаючи доступ до обчислень для східних центрів попиту. 48
56
Але наявні дані ще не дають підстав називати цю мережу універсальним взаємозамінним суперкомп’ютером. Обмеженнями залишаються доступність вітчизняного обладнання, взаємодія між прискорювачами, зрілість програмного забезпечення, енергетика, надійність і планування навантажень.
Заявлене скорочення часу навчання передових моделей приблизно з одного року до шести місяців також слід сприймати як прогнозований і залежний від конкретного завдання результат, якщо його не буде незалежно підтверджено. 14
Отже, головне вузьке місце справді зміщується, але не зникає. Китай переходить від питання, чи здатен він виробити достатньо власного AI-обладнання, до складнішої проблеми: чи зможе він ефективно скоординувати це обладнання.
Якщо система планування спрацює, стрімке нарощування обчислювальних ресурсів може перетворитися на гнучку національну платформу. Якщо ні, Китай і далі матиме вражаючі сукупні показники EFLOPS, тоді як окремі AI-лабораторії стикатимуться з фрагментованим доступом, простоями та нерівномірною реальною продуктивністю.
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 "Кластер на 100 000 обчислювальних карт: як Китай будує національну AI-тканину"?
Кластер Dawning 8000 у Чженчжоу став масштабним доказом переходу Китаю від окремих AI дата центрів до координації обчислювальних ресурсів на національному рівні.
What are the key points to validate first?
Кластер Dawning 8000 у Чженчжоу став масштабним доказом переходу Китаю від окремих AI дата центрів до координації обчислювальних ресурсів на національному рівні. Станом на кінець червня 2026 року заявлена потужність інтелектуальних обчислень Китаю сягнула 2 185 EFLOPS — на 177% більше, ніж роком раніше; тестова платформа моніторингу бачить понад 60% AI ресурсів країни.
What should I do next in practice?
Стратегія поєднує великі вітчизняні кластери, оптичне волокно з чотирма каналами, програму «Східні дані — західні обчислення» та близько 4 трлн юанів запланованих інвестицій у 2026–2030 роках.
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