Tiotusen chip, inte ett enda amerikanskt

Z.ai, det kinesiska labbet som tidigare hette Zhipu och som utvecklar modellfamiljen GLM, har byggt färdigt ett datacenter i gigawattklass och slagit på en del av det. Anläggningen drivs av mer än tiotusen inhemskt tillverkade halvledare och, enligt rapporteringen, inte en enda Nvidia-krets. Den beskrivs som den största serveranläggning ett kinesiskt AI-bolag har byggt, och Z.ai driver i dag flera kluster med över tiotusen chip vardera.

Det som betyder något är att ingenting är amerikanskt, inte att anläggningen är stor. Kinesiska bolag har satt upp stora kluster i åratal, i regel med en blandning av lagrad Nvidia-hårdvara, exportanpassade varianter och inhemska acceleratorer. Ett bygge helt utan amerikanskt kisel är ett annat slags påstående. Det säger att den inhemska försörjningskedjan, från accelerator via sammankoppling till mjukvaran som styr dem, är komplett nog att resa en träningsanläggning i spjutspetsklass utan licens från Washington.

Bakom det ligger ett sammanhang. Kina har utfäst omkring 2 biljoner yuan, ungefär 295 miljarder dollar eller 273 miljarder euro, till nationell datacenterutbyggnad under fem år. Den här anläggningen är ett av de fall där programmet når driftstatus i stället för att stanna vid tillkännagivandestatus, och det är bara driftstatus som ändrar någon annans handlingsutrymme.

Förvärvet som betyder mer än byggnaden

Samma dag slutförde Z.ai köpet av Zhongke Jiahe, ett mjukvarubolag inom AI-infrastruktur grundat av forskare från Kinesiska vetenskapsakademien. Tekniken gör något smalt och bärande: den kör en och samma modell effektivt på olika kinesiskt tillverkade acceleratorer, bland dem konstruktioner från Huawei och Cambricon.

Det är den verkliga flaskhalsen, och den är inte ett hårdvaruproblem. Att ett decennium av Nvidia-alternativ aldrig trängde undan någonting berodde sällan på kislets råa prestanda. Det berodde på att varje arbetslast måste portas, trimmas och underhållas per arkitektur, och att portningskostnaden översteg hårdvarubesparingen. Ett inhemskt bygge med två eller tre olika acceleratorfamiljer mångdubblar det problemet i stället för att slippa det.

Z.ai försökte inte lösa det på egen hand. Bolaget köpte en grupp från vetenskapsakademien som redan hade löst det, och affären slöts samma dag som anläggningen tillkännagavs. Läs ordningsföljden som ett besked om avsikt. Ett bolag som är säkert på att kunna överbrygga heterogen hårdvara med egen utveckling förvärvar inte den förmågan i just det ögonblick det behöver den. Köpet är ett erkännande av hur svårt det lagret är, och samtidigt skälet till att gigawattet alls går att använda.

Ett gigawatt köper mindre än det låter som, och det är poängen

Ett gigawatt motsvarar ungefär det momentana effektuttaget från 750 000 hushåll. Uttryckt så låter det avgörande, och för en europeisk läsare är det värt att räkna om till den valuta som faktiskt begränsar oss. Den heter inte chip. Den heter nätanslutning.

Inhemska kinesiska acceleratorer ger som regel mindre beräkning per watt än de Nvidia-kretsar de ersätter. Ett gigawatt kisel från Huawei och Cambricon köper alltså inte ett gigawatt träningskapacitet i Nvidia-klass. Det köper påtagligt mindre. Strategin fungerar bara om man kan sätta mer effekt bakom samma resultat, och det kan Peking, eftersom nätkapacitet och utbyggd elproduktion är de insatsvaror Kina har i överskott.

Europa står på andra sidan den bytesaffären. Anslutningsköerna i Nederländerna, Tyskland, Irland och Storbritannien mäts i år, inte i månader, och den bindande begränsningen för europeisk AI-kapacitet har inte varit chip på länge. Därför bör beskedet läsas som en energinyhet i halvledarkostym. En konkurrent som kan betala för ineffektivitet med el spelar ett spel som en europeisk operatör inte kan kopiera, oavsett vilken hårdvara som blir tillgänglig.

Vad det här gör med en modell ni redan har i drift

GLM-modellerna har öppna vikter, och ett betydande antal europeiska bolag kör dem i produktion, ofta som det kostnadsstyrda lagret under en frontmodell. För dem har den praktiska frågan alltid varit hur uthållig försörjningen är: om exportkontrollen skärps, slutar då det jag byggt på att underhållas?

Svaret har bytt form, inte blivit bättre. En inhemsk beräkningsbas gör den fortsatta utvecklingen av modellerna långt mindre beroende av amerikanska licensbeslut, och därmed faller ett felläge bort. Men det är just självförsörjningen som gör modellerna värda att kontrollera från andra hållet. Kinesiska myndigheter samråder med inhemska AI- och chipbolag om strängare exportregler för avancerade modeller och tekniken bakom dem, en riktning som rapporterats den här veckan och ännu inte är beslutad.

Risken försvann alltså inte. Den flyttade, och den blev dubbel. En modell som tidigare hade en exportkontrollregim att förhålla sig till ligger nu mellan två, och de två är inte samordnade. För ett arkitekturbeslut med femårshorisont är det en väsentligt annan bild än den de flesta europeiska riskregister innehåller i dag.

Spegla vikterna, skriv sedan ned vilken regim som gäller

Två åtgärder, båda billiga, båda under det här kvartalet. För det första: spegla vikterna för varje kinesisk öppen modell ni kör i produktion till lagring ni själva kontrollerar, i er egen jurisdiktion, med noterad hash. Öppna vikter ni redan har laddat ned är beständiga oavsett vad någon regering beslutar senare. Öppna vikter ni hämtar vid behov från ett arkiv någon annan driver är ett beroende utklätt till tillgång.

För det andra: lägg till ett fält i modellförteckningen för vilken exportkontrollregim som styr modellen. De flesta förteckningar noterar licens, parameterantal och driftplats. Nästan ingen noterar kontrolljurisdiktion, eftersom det fram till helt nyligen bara fanns ett rimligt svar. Nu finns det två, de kan skärpas oberoende av varandra, och en modell kan bli otillgänglig genom den ena utan att den andra gör någonting.

Inget av detta kräver leverantörsbyte eller att ni överger kinesiska öppna vikter. Kostnadsfördelen som förde in dem i er stack är verklig och den försvinner inte, en inhemsk beräkningsbas gör den snarare mer uthållig. Poängen är smalare än så. Ni är numera beroende av en artefakt vars fortsatta tillgänglighet avgörs av politiska beslut i två huvudstäder, och åtgärden kostar ett lagringsutrymme och en kolumn i ett kalkylblad.

Läs vidare: Även ett biljonlaboratorium måste hyra beräkningskraft  |  Nvidia-skatten har nu en andra källa