据彭博社报道，中国领先的AI实验室智谱AI（Zhipu AI）已完成一个完全采用中国国产芯片的 1吉瓦（GW） 级数据中心的建设，并已部分投入运行。该设施将专门用于训练其核心的 GLM 系列大模型。这一举措标志着中国在应对美国出口管制、构建独立AI算力基础设施方面取得了重大进展，同时也揭示了在硬件性能与供应链产能上的现实挑战。
核心突破：全栈国产化与万卡集群
- 🚫 零英伟达依赖：该数据中心完全不使用英伟达（NVIDIA）芯片。鉴于智谱AI自2025年1月起被列入美国商务部实体清单，无法合法获取先进制程的英伟达GPU，这一成就证明了其已建立起基于国产硬件的完整训练流水线。
- 🏗️ 万卡集群规模：智谱AI目前已建成或运营着数个各拥有超过 10,000 个芯片 的计算集群。这种规模的集群对于训练千亿甚至万亿参数的大模型至关重要。
- 🔋 1吉瓦电力容量：1GW的电力足以供应约75万户家庭，使其成为中国AI实验室中规模最大的站点之一。这为未来更大规模模型的训练预留了充足的能源空间。
技术底座：华为昇腾与GLM-5.2的成功验证
虽然官方未明确披露芯片供应商，但多方证据指向华为（Huawei）：
- GLM-5.2 的训练背景：智谱于6月发布的开放权重模型 GLM-5.2，据称完全在**华为昇腾（Ascend）**加速器上训练，未涉及任何英伟达硬件，并在一周内登顶开放权重排行榜。
- 生态协同：华为昇腾系列芯片是目前中国唯一能在大规模集群中替代英伟达A100/H100的选项，其与智谱的深度合作已成为行业标杆。
现实挑战：能效差距与供应链瓶颈
尽管实现了“从无到有”的突破，但与全球最先进水平相比，仍面临显著的技术与产能制约：
1. ⚡ 能效比劣势
- 每瓦性能较低：华为昇腾等国产加速器在每瓦特性能（Performance per Watt）上仍落后于英伟达最新的 Blackwell 架构。这意味着，消耗同样的1吉瓦电力，国产集群提供的有效训练算力（FLOPS）低于同等功耗的英伟达系统。
- 散热与成本压力：较低的能效比意味着更高的散热需求和运营成本，对数据中心的工程能力提出了更高要求。
2. 🏭 产能与良率瓶颈
- 中芯国际满载：作为国产芯片的主要代工方，中芯国际最先进的稳定节点（大致为7nm级的 N+2/N+3 工艺）利用率已超过 93%，产能极度紧张。
- HBM 内存短缺：高带宽内存（HBM）是AI芯片的关键组件，国内产能稀缺限制了华为昇腾加速器的组装速度。据悉，华为去年出货了约81.2万颗AI芯片，但仍难以满足爆发式的需求。
- “壳”快于“芯”：中国建造数据中心基础设施（外壳、电力、冷却）的速度远快于生产能够填满这些设施的先进芯片的速度。
宏观背景：国家意志与资本助力
- 国家战略支持：北京正起草一项计划，拟在五年内花费约 2万亿元人民币 在全国建设AI数据中心网络，其中至少 80% 的底层技术将来自中国供应商。智谱的1GW数据中心正是这一战略的缩影。
- 资本充裕：智谱AI近期通过香港IPO和后续股票出售筹集了数十亿美元，并在7月提前达到2026年销售目标，有望实现10亿美元的年度经常性收入（ARR）。充足的资金为其持续投入昂贵的国产算力基础设施提供了保障。
- 行业连锁反应：竞争对手月之暗面（Moonshot AI）在发布Kimi K3后暂停新订阅，以优先保障现有用户的计算资源，反映出整个行业对算力资源的极度渴求。
© 版权声明
文章版权归作者所有，未经允许请勿转载。
