Cụm AI 100.000 card cho thấy Trung Quốc đang chuyển từ cuộc đua chip sang xây “mạng lưới điện toán quốc gia”

Việc Trung Quốc được cho là đã đưa vào vận hành cụm siêu máy tính AI hoàn toàn nội địa quy mô 100.000 card tại nút lõi Trịnh Châu nên được nhìn nhận như một cột mốc về kiến trúc hệ thống, không đơn thuần là thành tích về số lượng chip.

Cụm máy này đang được đặt trong một cấu trúc lớn hơn gồm các trung tâm điện toán khu vực, tuyến truyền dẫn quang, hệ thống giám sát và nền tảng điều phối workload. Bài toán chiến lược hiện nay là liệu Trung Quốc có thể khiến năng lực điện toán phân tán, khác nhau về phần cứng và phần mềm, hoạt động như một siêu máy tính dùng chung đáng tin cậy hay không.

Trịnh Châu là phép thử về quy mô phần cứng nội địa

Dawning 8000, còn được gọi là Dengfeng trong một số bản tin, được mô tả là cụm siêu máy tính AI hoàn toàn nội địa đầu tiên của Trung Quốc ở cấp độ 100.000 card. Hệ thống đặt tại nút lõi Trịnh Châu thuộc Mạng Internet Siêu máy tính Quốc gia, kết hợp năng lực tính toán khoa học với năng lực tính toán cho AI.

Các báo cáo cho biết hệ thống hỗ trợ hơn 300 loại workload trong 26 lĩnh vực, bao gồm nghiên cứu vật liệu, phát triển thuốc và trí tuệ nhân tạo. 158

Truyền thông Trung Quốc cũng so sánh năng lực tính toán đỉnh của hệ thống với khối lượng tính toán liên tục của toàn nhân loại trong 200 năm. Đây là phép so sánh dựa trên thông lượng lý thuyết, chứ không phải thước đo tiêu chuẩn về hiệu quả huấn luyện mô hình AI. Vì vậy, con số này không có nghĩa mọi workload AI đều sẽ được tăng tốc tương ứng. 58

Ý nghĩa bền vững hơn nằm ở việc Trung Quốc đã có một nguồn tài nguyên điện toán nội địa đủ lớn để tổ chức việc tiếp cận năng lực tính toán quy mô lớn, thay vì để từng phòng thí nghiệm hay doanh nghiệp phải tự xây một cụm máy riêng.

Từ các trung tâm dữ liệu riêng lẻ đến một lớp điện toán dùng chung

Cụm Trịnh Châu được triển khai song song với năng lực điện toán ở các khu vực khác. Một cụm nội địa tại khu vực Vịnh Lớn Quảng Đông–Hồng Kông–Ma Cao được đưa vào quy hoạch nhằm phục vụ nhu cầu huấn luyện các mô hình thế hệ mới với quy mô hàng nghìn tỷ tham số. Hai hướng triển khai này cho thấy các workload lớn có thể được phân bổ giữa nhiều khu vực, thay vì chỉ phụ thuộc vào một cơ sở tại chỗ. 37

Tuy nhiên, điều đó không có nghĩa khoảng cách địa lý đã trở thành vấn đề không đáng kể. Huấn luyện AI phân tán đòi hỏi băng thông lớn, độ trễ ổn định, các bộ tăng tốc được đồng bộ và khả năng phục hồi nhanh khi đường truyền hoặc máy chủ gặp lỗi.

Vì vậy, một “mạng lưới điện toán quốc gia” cần nhiều hơn danh sách các card đang sẵn có. Nó cần một lớp điều khiển có thể xác định:

• Bộ tăng tốc nào tương thích với workload và hệ sinh thái phần mềm tương ứng;
• Dữ liệu đang nằm ở đâu;
• Một tác vụ cần bao nhiêu năng lực tính toán liên tục;
• Mạng lưới có đủ ổn định để duy trì workload hay không;
• Khi xảy ra lỗi, hệ thống có thể chuyển hướng và tiếp tục công việc như thế nào.

Cáp quang là cầu nối giữa các cụm điện toán khu vực

Các nhà nghiên cứu tại Phòng thí nghiệm Bằng Thành ở Thâm Quyến đang phát triển một loại cáp quang mảnh như sợi tóc nhưng có bốn kênh truyền bên trong. Thiết kế này được kỳ vọng cung cấp dung lượng truyền dẫn gấp bốn lần cáp quang thông thường tương đương, qua đó giải quyết một phần nút thắt mạng khi tài nguyên điện toán nằm rải rác ở nhiều vùng. 1718

Tuyến truyền dẫn điện toán và dữ liệu Thâm Quyến–Quý Châu, cùng việc ưu tiên các đường truyền trực tiếp có nhận biết độ trễ, cũng phục vụ mục tiêu giảm chi phí hiệu năng khi dữ liệu phải di chuyển và công việc phải được đồng bộ giữa các trung tâm. Đây là yếu tố đặc biệt quan trọng với huấn luyện phân tán có liên kết chặt, bởi đường truyền chậm hoặc thiếu ổn định có thể khiến các bộ tăng tốc đắt tiền phải chờ đợi. 1719

Dù vậy, cần phân biệt các loại workload. Năng lực điện toán từ xa có thể tương đối dễ sử dụng cho những tác vụ xử lý theo lô ít phụ thuộc lẫn nhau. Nhưng để biến các cơ sở cách xa nhau thành một “cỗ máy duy nhất” phục vụ một lần huấn luyện lớn và đồng bộ là bài toán khó hơn nhiều.

Các thông tin hiện có mới cho thấy hướng nghiên cứu và xây dựng hạ tầng, chưa chứng minh rằng mọi cụm được kết nối đều đã đạt hiệu năng đồng nhất như một trung tâm dữ liệu cục bộ.

Năng lực tăng nhanh hơn bằng chứng về hiệu quả sử dụng

Dữ liệu chính thức do Bộ Công nghiệp và Công nghệ thông tin Trung Quốc được dẫn lại cho biết năng lực điện toán thông minh quốc gia đạt 2.185 EFLOPS vào cuối tháng 6/2026, tăng 177% so với một năm trước. Tỷ lệ sử dụng hoặc tỷ lệ lắp đầy rack của các cơ sở điện toán trên cả nước được báo cáo ở mức 71,4%. 344041

Đơn vị này rất đáng chú ý: con số được báo cáo là 2.185 EFLOPS, không phải 218,5 EFLOPS. EFLOPS đo năng lực thực hiện phép tính dấu phẩy động trên lý thuyết. Tổng năng lực cấp quốc gia không tự động cho biết một phòng thí nghiệm cụ thể có thể tiếp cận bao nhiêu tài nguyên, các bộ tăng tốc có tương thích với nhau hay không, hoặc một workload huấn luyện phân tán vận hành hiệu quả đến mức nào.

Đó là lý do giai đoạn tiếp theo của quá trình mở rộng hạ tầng AI Trung Quốc có thể sẽ được đánh giá ít hơn bằng tổng EFLOPS, và nhiều hơn bằng năng lực điện toán có thể sử dụng thực tế.

Một tổng số rất lớn vẫn có thể đi kèm các nút thắt nếu tài nguyên bị phân mảnh giữa nhiều loại bộ tăng tốc, bị đặt trước cho các nhóm người dùng khác nhau, bị giới hạn bởi việc di chuyển dữ liệu hoặc không thể khai thác hết do thiếu điện và năng lực làm mát.

Lớp điều phối cấp quốc gia đang hình thành

Trung Quốc cũng đang xây dựng lớp quản lý cần thiết để điều phối nguồn cung này. Một nền tảng giám sát và lập lịch thống nhất được cho là đã bước vào giai đoạn vận hành thử, với khả năng quan sát hơn 60% năng lực điện toán AI của cả nước. Đây là bước đầu để ghép workload với những tài nguyên vừa còn trống vừa phù hợp về kỹ thuật. 618

Mục tiêu chính sách này gắn với chương trình “Đông số Tây tính” — sáng kiến phân bổ một phần hạ tầng tiêu tốn nhiều năng lượng và đất đai ở các khu vực phía tây, đồng thời phục vụ nhu cầu dữ liệu và điện toán tập trung ở phía đông.

Kế hoạch quốc gia của Trung Quốc hướng tới một hệ thống hạ tầng điện toán nhiều tầng và một mạng lưới điện toán tích hợp trên toàn quốc. Cấu trúc này dựa trên tám nút trung tâm điện toán quốc gia cùng các cụm trung tâm dữ liệu tương ứng. 485356

Trong thực tế, lớp điều phối sẽ phải xử lý ít nhất năm bài toán lớn:

• Ghép tài nguyên: phân công workload cho các bộ tăng tốc và nền tảng phần mềm tương thích.
• Đặt workload: quyết định tác vụ nên chạy tại chỗ, trong cùng vùng đô thị hay giữa các trung tâm cách xa nhau.
• Di chuyển dữ liệu: giảm chi phí và độ trễ khi truyền dữ liệu huấn luyện, checkpoint và kết quả trung gian.
• Khả năng chịu lỗi: duy trì tiến độ khi đường truyền, rack hoặc từng card riêng lẻ gặp sự cố.
• Phối hợp với nguồn điện: điều chỉnh nhu cầu tính toán theo khả năng cung cấp điện và các giới hạn vận hành của từng khu vực.

Lớp điều phối càng hoạt động hiệu quả, năng lực điện toán quốc gia càng có thể được cung cấp như một dịch vụ thống nhất, thay vì chỉ là tập hợp các cỗ máy rời rạc.

Quy mô đầu tư cho thấy đây là một dự án mạng lưới

Ủy ban Cải cách và Phát triển Quốc gia Trung Quốc cho biết các mạng lưới năng lực điện toán dự kiến nhận khoảng 4.000 tỷ nhân dân tệ vốn đầu tư trực tiếp mới trong giai đoạn 2026–2030, tương ứng thời kỳ Kế hoạch 5 năm lần thứ 15.

Ước tính này liên quan đến việc xây dựng mạng lưới điện toán và hạ tầng đi kèm; các bản tin cho biết phần đáng kể nguồn vốn dự kiến đến từ khu vực ngoài nhà nước. 4754

Quy mô đầu tư củng cố cách hiểu rằng cột mốc Trịnh Châu không chỉ là câu chuyện mở rộng nguồn cung bộ tăng tốc. Trung Quốc còn đang đầu tư vào đường truyền, các trung tâm nút, hệ thống lập lịch, giám sát và những hạ tầng phụ trợ cần thiết để biến năng lực tính toán thành một dạng hạ tầng quốc gia.

Điều cột mốc này cho thấy — và chưa chứng minh

Mô hình đang hình thành có thể được nhìn qua ba lớp:

1. Phần cứng nội địa: các cụm lớn được xây dựng từ card tính toán do Trung Quốc sản xuất.
2. Kết nối liên vùng: hệ thống cáp quang và truyền dẫn dữ liệu liên kết các nguồn năng lực ở nhiều khu vực.
3. Điều phối: nền tảng giám sát và lập lịch cấp quốc gia phân bổ tài nguyên giữa các cụm.

Nếu vận hành hiệu quả, kiến trúc này có thể làm giảm tầm quan trọng của việc phải tiếp cận một siêu cụm duy nhất tại địa phương. Nó cũng có thể giúp Trung Quốc tận dụng đất đai và năng lượng ở phía tây, trong khi vẫn cung cấp năng lực điện toán cho các trung tâm nhu cầu ở phía đông. 4856

Nhưng các dữ liệu hiện có chưa đủ để kết luận mạng lưới này đã trở thành một siêu máy tính phổ quát, trong đó mọi tài nguyên đều có thể thay thế lẫn nhau. Phần cứng nội địa, kết nối giữa các bộ tăng tốc, độ trưởng thành của phần mềm, năng lượng, độ tin cậy và khả năng lập lịch workload vẫn là những giới hạn thực tế.

Các tuyên bố cho rằng thời gian huấn luyện mô hình tiên phong có thể giảm từ khoảng một năm xuống còn sáu tháng cũng nên được hiểu là lợi ích dự kiến và phụ thuộc vào từng workload, trừ khi có kiểm chứng độc lập. Tương tự, phép so sánh với 200 năm tính toán của nhân loại chỉ phản ánh thông lượng đỉnh, không phải thước đo tiêu chuẩn về hiệu quả huấn luyện AI có thể khai thác. 58

Nút thắt chiến lược đang dịch chuyển, nhưng chưa biến mất. Trung Quốc đang đi từ câu hỏi liệu có thể sản xuất đủ phần cứng AI nội địa hay không sang bài toán khó hơn: liệu có thể phối hợp phần cứng đó một cách hiệu quả hay không.

Nếu nền tảng lập lịch và điều phối thành công, tốc độ mở rộng điện toán của Trung Quốc có thể chuyển hóa thành một nền tảng quốc gia linh hoạt. Nếu không, nước này vẫn có thể công bố những con số EFLOPS ấn tượng trong khi các phòng thí nghiệm AI phải đối mặt với quyền truy cập phân mảnh, công suất nhàn rỗi và hiệu năng thực tế không đồng đều.