SetupAI
EN
來源較早收集於 15h

中國設定 9,800 EFLOPS 智慧運算目標

閱讀原文： TechNode
#compute-capacity#data-centers#ai-infrastructure

中國的基礎設施目標預示 AI 運算能力與供應鏈需求下一步可能激增的方向。

30 秒速覽

有什麼變化

目標是在 2030 年前達到 9,800 EFLOPS 的智慧運算能力。

為什麼重要

這項投資可能大幅擴大中國訓練與部署大型 AI 模型的本土能力，也可能加劇全球對 GPU、網路設備、電力與資料中心建設資源的競爭。

下一步行動

在拓展中國或其他 AI 高成長地區前，先將模型工作負載對應到預期的 GPU、網路與電力需求。

誰應關注：Enterprise & Security Teams

關鍵要點

  • •目標是在 2030 年前達到 9,800 EFLOPS 的智慧運算能力。
  • •中國計畫在 2026 至 2030 年投入 3.8 兆人民幣於資訊基礎設施。
  • •計畫要求建設容量達 10,000 以上的大型運算集群。
關鍵數字177%10 萬

深度解析

背景與延伸：來自公開資料，非原文內容。引用 9 個來源。

增強重點摘要

  • •截至 2026 年 6 月底，中國智慧運算能力已達 2,185 EFLOPS（年增 177%），並於 7 月下旬進一步增長至約 2,450 EFLOPS。
  • •政策藍圖明確提出推進建構達 10 萬張以上加速卡規模的超大型智算集群，突破既有萬卡集群規模。
  • •截至 2026 年中，中國已具備 52 個規模在 10,000 張加速卡以上且已投入營運的智算中心設施。
  • •規劃要求先進儲存容量在 2030 年達到 1,700 EB（相較 2025 年的 540 EB 大幅成長），且新建超大型設施的 PUE 需低於 1.2。
  • •為應對供應鏈限制，政策推動本土晶片適配，京東雲已宣布部署採用摩爾線程（Moore Threads）GPU 的 10 萬卡級別智算集群。

技術深入

  • 運算精度與規模：目標 9,800 EFLOPS 以 FP16 半精度浮點運算為基準，相較 2025 年底的 1,590 EFLOPS 實現約 6.2 倍的增長。
  • 集群架構升級：要求有序部署萬卡以上級別智算集群，並啟動 100,000 卡級別超大規模集群的建設規範，以支援超大模型並行訓練。
  • 儲存與吞吐指標：先進儲存容量目標由 2025 年的 540 EB 擴大至 2030 年的 1,700 EB，以配合高密度計算節點的 I/O 需求。
  • 能耗效率限制：新建大型與超大型數據中心之電能利用效率（PUE）標準自 2025 年的 1.25 收緊至 1.2 以下。
  • 算網調度架構：結合「東數西算」國家戰略，將高能耗之模型訓練負載遷移至貴州、寧夏、內蒙古等西部清潔能源樞紐，緩解東部電網壓力。

前景展望基於引用來源的 AI 分析

國產 AI 晶片在超大規模資料中心的裝機佔比將快速提升
政策強制推動國產軟硬體適配與 10 萬卡集群部署，促使雲端服務商加速將算力架構轉移至本土晶片方案。
中國大型模型訓練負載將全面向西部綠能節點集中
嚴格的 PUE 1.2 門檻及電力供應限制，將迫使耗能巨大的預訓練叢集加速落戶西部算力樞紐。

時間線

2022-02
中國正式全面啟動「東數西算」工程，規劃建設 8 個國家算力樞紐節點
2025-12
全國智慧運算規模達到 1,590 EFLOPS 基準，先進儲存規模達 540 EB
2026-06
智慧運算規模突破 2,185 EFLOPS，累計建成 52 個萬卡級別營運中算力設施
2026-07
國家數據局公布全國智慧運算總規模擴充至約 2,450 EFLOPS
2026-09
工信部發布「十五五」資訊通信業發展規劃，正式確立 2030 年 9,800 EFLOPS 目標
閱讀原文： TechNode

AI 週報

閱讀本週精選 AI 大事摘要 →

PostLinkedIn

AI 策展新聞聚合。所有內容版權歸原始發布者所有。
原始來源： TechNode ↗

這是摘要，不是原文。去看原站，或訂閱每週簡報。

每週電子報

每週一封，可隨時退訂。