中國十萬卡 AI 集群登場：競爭焦點由晶片轉向全國算力網絡

中國據報在鄭州啟用全國首個全國產、十萬張運算卡級別的 AI 超級集群。真正值得關注的，未必只是「十萬張卡」這個數字，而是背後一套更大的系統工程：區域算力中心、光纖傳輸、網絡監測，以及按工作需要分配資源的調度平台。

換句話說，中國正由「有沒有足夠晶片」這條戰線，逐步走向另一個更棘手的問題：能否令分布各地、規格各異的算力，表現得像一部穩定而可靠的共享超級電腦？

鄭州十萬卡集群，是國產規模的一次驗證

曙光 8000，又被報道稱為「登峰」，被形容為中國首個全國產十萬卡 AI 超級集群。系統位於國家超算互聯網鄭州核心節點，將科學計算與智能計算結合，據報可支援新材料、創新藥及人工智能等 26 個領域、超過 300 種計算任務。 158

中國報道亦以「相當於全人類連續計算 200 年」形容系統的峰值計算能力。不過，這是以峰值吞吐量作出的比喻，並非衡量實際 AI 模型訓練效能的標準指標，因此不能據此推論所有 AI 工作都會獲得相同比例的加速。 58

較具持續性的意義在於架構。擁有十萬張國產運算卡，讓中國可以圍繞一個大型資源池組織算力服務，而不是由每間研究機構或企業各自搭建互不相通的集群。

由單一數據中心，走向共享算力層

鄭州的部署並非孤立存在。粵港澳大灣區亦有國產化集群投入使用，目標之一是支援新一代萬億參數模型的訓練。兩者合計顯示出一種方向：大型工作負載日後可以調用不同地區協調運作的算力，而不必完全依賴一個本地數據中心。 37

但這不代表距離已經不再重要。分布式 AI 訓練需要高頻寬、穩定延遲、同步運作的加速器，以及在網絡或機器故障時快速復原。全國算力網絡不能只列出「有多少張卡」，還要知道哪些加速器互相兼容、數據放在哪裏、工作需要多少連續算力，以及網絡能否承受整個工作負載。

光網絡，是連接各地集群的橋樑

深圳鵬城實驗室研究人員正在開發一種頭髮般幼細、內含四條傳輸通道的光纖。設計目標是提供相當於傳統光纖約四倍的傳輸容量，以紓緩算力分散在不同地區後產生的網絡瓶頸。 1718

規劃中的深圳至貴州算力及數據傳輸路線，以及更直接、兼顧延遲的傳輸路徑，都是為了減少數據在不同計算中心之間轉移和同步時的性能損耗。對於高度同步的分布式訓練，這一點尤其關鍵，因為通信速度慢或不穩，會令昂貴的運算卡停下來等候。 1719

不同工作類型對網絡的要求也不一樣。鬆散耦合的批次工作，或許較容易使用遠程算力；但要令相距甚遠的設施像同一部機器般，協同訓練大型模型，難度就高得多。現有報道反映的是工程發展方向，並未證明所有已連接集群都已經達到本地數據中心一致的性能。

算力增長很快，但實際可用程度仍要觀察

中國工業和信息化部公布的官方數據顯示，截至 2026 年 6 月底，全國智能算力規模達 2,185 EFLOPS，按年增長 177%；全國計算設施的整體上架率則為 71.4%。 344041

單位必須說清楚：數字是 2,185 EFLOPS，而不是 218.5 EFLOPS。EFLOPS 反映的是理論浮點運算能力；全國總量本身，並不能說明某間實驗室實際可取得多少算力、底層加速器是否兼容，或者一項分布式訓練工作能以多高效率運行。

所以，下一階段中國 AI 基建的成績，或許不應只看總 EFLOPS，而要看「可用算力」。即使全國總量龐大，只要算力分散在不同卡種、被不同用戶預留、受數據傳輸限制，或受到電力及散熱上限影響，研究機構仍可能遇到瓶頸。

全國級「控制平面」開始成形

中國亦正建立協調這批算力的管理層。據報，一個統一監測及調度平台已進入試行階段，可以掌握全國超過 60% 的 AI 算力。這是將工作負載配對至合適資源的第一步。 618

這套構想與「東數西算」政策相連：利用全國算力樞紐及數據中心集群，將部分耗能及佔地較大的基建放在西部地區，同時服務需求較集中的東部。中國的國家規劃亦提出建立多層次算力基礎設施，以及全國一體化算力網絡。 485356

實際運作時，控制平面至少要處理幾項難題：

• 資源配對： 將工作分配到兼容的國產加速器及軟件環境。
• 部署位置： 判斷工作應在本地、城市群內，還是跨越較遠的國家樞紐運行。
• 數據搬運： 減低訓練數據及模型檢查點轉移的時間和成本。
• 容錯能力： 當網絡、機櫃或個別運算卡出現故障時，仍讓大型工作維持生產力。
• 電力協調： 將算力需求與電力供應及各地營運限制配合起來。

這些功能做得越好，全國算力就越像一項服務，而不是一堆互不相干的機器。

投資規模顯示，這是一項網絡工程

國家發展和改革委員會表示，在 2026 至 2030 年、即中國「十五五」規劃期間，算力網絡預計會獲得約 4 萬億元人民幣新增直接投資。這項估算涵蓋算力網絡建設及相關基礎設施，報道指大部分預期投資來自非政府來源。 4754

如此規模的投資，正好支持對鄭州啟用事件的核心解讀：中國不只是增加 AI 加速器供應，也在投資傳輸線路、算力樞紐、調度、監測，以及把計算能力變成國家級基建所需的配套設施。

這次啟用說明了甚麼，又未能證明甚麼？

目前浮現的模式大致分為三層：

1. 國產硬件： 由中國製運算卡組成的大型集群。
2. 互聯網絡： 連接不同地區算力池的光纖及數據傳輸系統。
3. 協調機制： 將各地資源統一監測及調度的全國平台。

如果這套架構運作順利，單一超級集群的重要性可能降低，因為更多全國算力都能透過共同系統被調用；同時亦有助於利用西部的土地及能源資源，服務東部需求中心。 4856

但現有證據仍不足以將這個網絡視為一部所有資源都可互換的全國超級電腦。國產硬件的實際供應、加速器互聯能力、軟件成熟度、能源、可靠性及工作調度，仍然是限制。至於將前沿模型訓練時間由約一年縮短至半年，應視為有條件、取決於工作類型的預測，除非日後有獨立證據證實，否則不能當作普遍結果。

中國 AI 的策略瓶頸正在轉移，但並未消失。問題已由「能否造出足夠國產 AI 硬件」，逐步轉向更難回答的「能否有效協調這些硬件」。如果全國調度網絡成功，中國不斷增加的算力，可能變成一個靈活的國家級平台；如果未能成功，市場仍可能看到亮眼的總 EFLOPS，但 AI 實驗室面對的卻是算力分散、閒置及實際性能參差不齊。