Ang mga sentro ng data ng AI ng China ay umuunlad patungo sa mga rehiyon ng Hilagaat Hilagang-Kanluran

Ang geograpikong sentro ng Chinese AI computing power ay nagpapalit mula sa “pagkakalapit sa mga user” patungo sa “pagkakalapit sa kuryente, lupa, at mga kondisyon ng pagpapalamig”.

May-akda ng artikulo, pinagkukunan: ME News



• Ang geograpikong sentro ng Chinese AI computing power ay umuunlad mula sa “pagkakalapit sa mga user” patungo sa “pagkakalapit sa kuryente, lupa, at mga kondisyon ng pagpapalamig.” Ayon sa pinakabagong estadistika ng BloombergNEF, higit sa kalahati ng mga proyektong data center na nasa pagbuo at plano ay nasa hilaga at kanlurang bahagi ng bansa; hanggang 2028, inaasahan na ang mga rehiyong ito ay lalampas sa mga tradisyonal na sentro tulad ng Beijing at Shanghai, at maging ang pinakamalaking rehiyon ng supply ng computing power sa bansa.
• Hindi ito simpleng “paglipat ng mga data center patungo sa kanluran,” kundi ang AI ay nagpapalapit pa higit sa mga data center sa mga pasilidad ng enerhiya. Pagkatapos ng pag-train ng mga modelo at malawakang offline inference, ang presyo ng kuryente, katatagan ng suplay, kakayahang makakuha ng green energy, at espasyo para sa pagpapalawak, ay nagsisimula nang mas mahalaga kaysa sa lokasyon sa lungsod.
• Ang opisyal na data ay nagpatotoo sa trend ng pagkolekta. Hanggang sa dulo ng 2025, higit sa 13.73 milyon na standard na rack ang ginagamit sa buong bansa, at ang smart computing power ay umabot sa 1.59 milyong PFLOPS (FP16); higit sa 80% ng smart computing capacity sa mga national computing hubs ay nasa walong national computing hubs, at higit sa 80% ng bagong computing capacity sa mga hub areas ay nasa mga lugar ng hubs.
• Hindi ngalngal ng hilaga at hilagang-kanluran ang computing power ng silangan. Mas angkop ang paglipat sa malayo para sa mga mababang pagkakasunod-sunod na aplikasyon tulad ng pagtuturo, cloud storage, at offline analysis, habang ang autonomous driving, industrial control, online trading, at real-time inference para sa mga user ay kailangan pa ring malapit sa mga lugar na may mataas na populasyon at industriya. Mas malamang na magiging dalawang-antas na istruktura ang hinaharap: “mabigat na computing infrastructure sa kanluran + mababang latency service nodes sa silangan.”
• Ang totoong panganib ay hindi ang paglipat sa kanluranin mismo, kundi kung babalik ba ang bagong serye ng pag-invest sa “pagsasagawa ng mga proyekto, hindi pagpapahalaga sa paggamit.” Kapag tumataas ang pagpapakilala ng server, chip, at kuryente sa antas ng GW, ang desisyon sa antas ng return ay magiging batay sa rate ng pagpapakilala, paggamit, epektibong pag-schedule ng network, at kung kayang makakuha ng patuloy na AI workload.

Sa nakaraang sampung taon, ang pinakamalikhaing lokasyon para sa mga data center sa Tsina ay ang Beijing, Shanghai, Shenzhen, Hangzhou, at iba pang mga rehiyon na may malakas na industriya ng internet at finansyal, dahil ang tradisyonal na mga data center ay una-unang naglilingkod sa mga user at negosyo, kung saan mas mahalaga ang network latency, distansya sa customer, at ang cloud service ecosystem kaysa sa gastos sa enerhiya. Ngunit ang generative AI ay nagbabago sa logika na ito sa pagpili ng lokasyon, dahil iba ang pangunahing istruktura ng gastos para sa AI training kumpara sa tradisyonal na internet business.

Ipinakita ng pinakabagong pag-aaral ng BloombergNEF noong Setyembre 8 na higit sa kalahati ng mga proyektong data center sa China ay nasa hilagaan at kanlurang rehiyon, kabilang ang Inner Mongolia. Ayon sa kanilang paghuhula, hanggang 2028, ang mga rehiyong ito ay lalampas sa mga matatag na merkado tulad ng Beijing at Shanghai at magiging pinakamalaking rehiyon ng supply ng computing power sa bansa; hanggang 2030, ang IT capacity ng mga data center na nasa operasyon sa hilagaan at kanlurang rehiyon ay maaaring umabot sa halos isang kapat ng kabuuang bansa. Samantala, inaasahan na magdudoble ang aktwal na IT capacity ng mga data center sa China sa susunod na limang taon, at ang kabuuang pangangailangan sa enerhiya ay maaaring tumataas ng 151% hanggang 2030, umabot sa 329 terawatt-hours, o humigit-kumulang 2.4% ng pangangailangan sa kuryente ng bansa.

Hindi lamang ibig sabihin ng pagbabagong ito na nagsisimula na ang "Eastern Data, Western Computing". Mas mahalaga pa na pinapalapit ng AI ang lohika ng pagpili ng lokasyon ng data center sa industriya ng enerhiya. Kapag lumalaki ang isang training cluster mula sa ilang sampu ng megawatt patungo sa mga daan-daang megawatt o kaya'y hanggang sa antas ng 1GW, ang unang tanong na dapat sagutin ng mga kumpanya ay hindi na kung gaano kalayo ang server room mula sa mga user, kundi kung saan maaaring makuha nang tiyak ang sapat na kuryente, kung saan maaaring palawakin nang mababa ang gastos sa habang panahon, at kung saan mas madaling matutugunan ang mga pamantayan sa proporsyon ng green energy at paggamit ng enerhiya. Sa ganitong paraan, ang computing power ay unang nahaharap sa mga pagkakabawas sa enerhiya na katulad ng mabigat na industriya, bagaman ito ay nagpaprodukto ng model parameters, inference results, at digital services.

Hindi pangyayari na ang Inner Mongolia ay naging pinakamalaking sample na pinapansin. Ang lupa nito ay relatibong sapat, ang klima ay malamig, at mayaman ito sa enerhiya mula sa hangin at solar, habang malapit din ito sa Beijing. Ang malamig na kapaligiran ay nakakatulong sa pagbawas ng load sa pagpapalamig, ngunit mas mahalaga pa, kapag pumasok ang AI clusters sa antas ng mga daan-daang megawatt hanggang sa GW, ang kakayahan na sagutin ang malaking supply ng kuryente at ang patuloy na pagpapalawak nito nang isang beses ay naging isang mahigpit na kondisyon sa pagpili ng lokasyon.

Ipinakikita ng Report sa Pag-unlad ng Digital China (2025) na inilabas ng National Data Administration na hanggang sa dulo ng 2025, ang kabuuang bilang ng mga rack na ginagamit sa mga pasilidad ng computing sa buong bansa ay higit sa 13.73 milyon na standard rack, at mayroon nang 42 na mga smart computing cluster na may 10,000+ GPUs, na nagtataglay ng 1.59 milyong PFLOPS (FP16) na smart computing capacity. Mas mahalaga pa, ang lahat ng bagong computing capacity sa walong pambansang hub ng computing ay kumakatawan sa higit sa 80% ng kabuuang bagong computing capacity sa bansa; samantala, ipinakikita ng National Survey Report on Data Resources (2025) na ang smart computing capacity sa walong hub at sampung cluster ay kumakatawan din sa higit sa 80% ng kabuuang smart computing capacity sa bansa. Ito ay nagpapakita na ang pagkonsentrasyon ng computing capacity ay hindi na isang layunin sa plano, kundi isang realidad na istruktura.

Ang mga patakaran ay nagpapalakas pa sa trend na ito. Ang opisyales na rekomendasyon para sa pambansang isinama na network ng computing power na ipinakalabas noong huling bahagi ng 2023 ay malinaw na nagpapahayag na hindi dapat magtatayo ng malalaking at sobrang malalaking data center sa labas ng mga pambansang hub, samantalang pinopromote ang paglipat ng mga serbisyo tulad ng model training, machine learning, video rendering, offline analysis, at data storage at backup patungo sa kanluran. Sa ibang salita, ang pamahalaan at ang merkado ay kasabay na binabago ang kahalagahan ng mga salik ng produksyon: dati, ang pinakamahal na bagay sa data center ay ang “pagkakalapit sa mga customer,” ngayon naman, ang lalong mahal ay ang “pagkuha ng sapat at matatag na kuryente.”

Mas nagpapakita ng mga hakbang ng negosyo. Sa huling bahagi ng Hulyo 2026, iba’t ibang media ay sumipi sa Bloomberg na ang DeepSeek ay planong itayo ang isang AI data center na may kapasidad na halos 1GW sa Ulanqab, at magpapakita ng kapasidad mula sa iba pang mga operator sa lugar, na may layunin na gawing aktibo ang kahit anumang bahagi ng produksyon noong huling bahagi ng 2027 o unang bahagi ng 2028. Para sa isang kumpanya na kilala sa kanyang efisiyensiya ng modelo, ang direkta pagpaplano ng infrastruktura sa antas ng GW ay isang malaking indikasyon: ang pagpapabuti ng efisiyensiya ay hindi nag-alis ng pangangailangan sa computing power, kundi posibleng nagpalabas ng higit pang pangkabuuang pangangailangan dahil sa pagdami ng mga round ng pagtatrabaho, pagpapalawak ng pagtawag sa inference, at pagpapalit ng mga modelo.

Ang kaso ng Zhipu ay nagpapakita ng isa pang pagbabago. Ayon sa mga pampublikong ulat, ang Z.AI na kabilang sa Zhipu ay nagsagawa na ng isang AI data center na may kapasidad na halos 1GW at nagsisimula na sa ilang bahagi nito, at gumagamit ng lokal na AI chip. Gayunpaman, ang mga kasalukuyang ulat ay hindi naglalathala ng eksaktong lokasyon ng proyektong ito, kaya hindi ito maaaring madaling isama sa Inner Mongolia o kanlurang rehiyon. Ang tunay na dapat pagtuunan ng pansin ay ang mga independiyenteng kompanya ng malalaking modelo ay naglalakbay mula sa “pagbili ng cloud computing power” patungo sa “direktang pagkontrol sa infrastruktura,” at ang computing power ay naging isang strategic na isyu sa balance sheet ng kompanya, hindi na lamang isang pagsasapilitan ng teknikal na departamento.

Magkakaroon din ng pagbabago sa estruktura ng mga kliyente sa industriya ng data center. Sa hinaharap, ang mga malalaking AI project ay mas malamang na maging kasali ng mga kompanya ng model, cloud provider, mga kumpanya ng enerhiya, at lokal na platform; sasali lamang sa susunod na ronda ng kompetisyon sa infrastruktura ang makakasolve ng chip, kuryente, network, liquid cooling, at matagalang pondo.

Kung isasabing ang pag-usbong ng Hilaga at Hilagang-kanluran ay nangangahulugan na sisirain ng sistemang pagtanggal ang mga data center sa Silangan, mali ang pag-unawa sa susunod na yugto ng格局. Ayon sa kasalukuyang pagtataya ng kakayahang umangkop ng BloombergNEF, ang Yangtze River Delta ay nananatili sa unang pwesto dahil ang mga koneksyon sa network, mga kliyente sa industriya, talento, at ekosistema ng digital na serbisyo ay patuloy na nakatuon sa Silangan. Ang kanilang problema ay hindi karamihan ang kakulangan sa demand, kundi mas mataas na presyo ng kuryente, mas limitadong lupa, at mas malakas na paghihigpit sa paggamit ng enerhiya, kaya hindi ito angkop para sa walang hanggang pagpapalawak ng malalaking training clusters.

Ang totoong malinaw na paghahati ng mga gawain ay magkakaroon sa “antas ng pagkakaroon ng pagkakaintindihan sa latency.” Ang mga gawain tulad ng pre-training ng malalaking modelo, ilang bahagi ng post-training, cloud storage, backup, at offline analysis ay maaaring tanggapin ang mas mataas na network latency at mas madaling ilipat sa mga rehiyon na may malawak na yaman; samantala, ang autonomous driving, industrial control, online trading, at real-time inference para sa mga konsyumer ay patuloy na kailangang malapit sa lugar kung saan nabubuo ang data at sa mga user. Kahit ang AI inference ay hindi lahat ay lilipat sa kanluran, dahil ang inference mismo ay nagsisilbing iba’t ibang antas ng load mula sa real-time interaction hanggang sa batch processing.

Kaya ang mga pasilidad ng computing power ng China sa hinaharap ay mas katulad ng “malaking pwersang planta + urban distribution grid”: ang hilaga at kanlurang rehiyon ang magtatanggol ng mataas na kapangyarihan, mabigat na ari-arian, at centralized na base computing power, habang ang silangan ay nananatiling may mga node na may mataas na halaga, mababang latency, at malapit sa aplikasyon, at ang gitna ay konektado sa pamamagitan ng mabilis na network at isang unified scheduling platform. Ang hangganan ng “East Data, West Computing” ay hindi ang paglipat ng mga server mula sa lugar A patungo sa lugar B, kundi ang pagpapalit muli ng iba’t ibang computing tasks sa pinakaeconomic na posisyon.

Ito rin ay ang pinakamalaking panganib na madalas na nakakalimutan sa pag-invest sa kasalukuyan. Ipinahayag ng National Data Administration na hanggang sa Marso 2024, ang pangkabuuang paggamit ng sampung cluster ng data center ay 62.72%, na tumataas ng halos apat na puntos porsyento mula sa 2022. Patuloy na lumalawak ang sukat ng pagtatayo, at ang industriya ay hindi na maaaring tanging tingnan ang “ilang rack ang itinayo,” kundi kailangang tingnan kung ang mga rack na ito ay tunay na nagdadala ng patuloy na AI tasks.

Ang kapital expenditure para sa AI data center ay napakataas, at ang pagkabulok ng mga chip ay mabilis na mas mababa kaysa sa tradisyonal na imprastruktura. Kung ang isang malaking AI computing center ay walang matatag na mga kliyente, kahit na mura ang presyo ng kuryente at mababa ang PUE, maaari itong maging asset na may mababang paggamit. Lalo na sa panahon na ang bawat lugar ay nagsisikap na makakuha ng mga proyekto tulad ng “AI computing center” at “computing hub,” ang pinakamahalagang iwasan ay ang pagtakda ng kapasidad sa plano bilang totoong pangangailangan at ang pagkumpleto ng pagbuo ng data center bilang pagtatapos ng isang komersyal na siklo.

Mas mahalaga ang network at scheduling. Naipahayag ng National Data Administration na ang network latency sa pagitan ng mga hub node sa silangan at kanluran ay nasa pamantayan ng 20 millisecond, at pinapabilis ang pagpapalawak ng 400G at 800G high-bandwidth full-optical connections. Hanggang 2026, patuloy na ipinapagpatuloy ang trial network ng computing power internet, national nodes para sa computing power interconnectivity, at ang national integrated computing power network trial and verification platform. Totoo lamang na maging mura at magamit na computing power para sa mga negosyo sa silangan ang murang kuryente sa kanluran kung ang remote computing power ay maaaring mabilis na makita, i-call, i-bill, at i-migrate tulad ng cloud service.

Ang susunod na pagkakataon ay hindi na lamang tungkol sa “sino ang may higit pang GPU”, kundi “sino ang makakapagpapalit ng GPU sa mas mataas na paggamit na Token at kita mula sa negosyo”. Ang lokasyon ng data center ay maaaring ilipat pakanluran, ngunit ang mga modelo, algoritmo, customer, at ecosystem ng aplikasyon ang patuloy na magdedesisyon sa huling kapangyarihan sa pagtatakda ng presyo.

Sa mas mahabang panahon, ang pinakamahalagang kahulugan ng paggalaw patungo sa hilaga at kanluran ay ang pagpapalakas ng kahusayan ng China sa infrastruktura ng enerhiya sa pamamagitan ng malaking pagkakabisa sa pangangailangan sa AI. Noong nakaraan, ang pagbuo ng ultra-high-voltage transmission lines ay naglalayong dalhin ang kuryente mula sa kanluran patungo sa silangan; ang alternatibong ideya ng “East Data, West Computing” naman ay sa ilang sitwasyon ay dalhin ang mga kalkulasyon na maaaring ilipat patungo sa mga lugar kung saan matatagpuan ang enerhiya. Ang una ay nagdadala ng kuryente, samantalang ang pangalawa ay nagdadala ng data—parehong nagmumula sa pagpapalit ng mga yaman sa bawat rehiyon.

Ito ang nagpapaliwanag kung bakit ang hilaga at hilagang-kanluran ay naging pangunahing sentro ng paglago sa bagong computing power, ngunit hindi naman siguradong maging kabuuang sentro ng lahat ng digital ekonomiya aktibidad. Ang computing power ay batayan ng AI, ngunit ang computing power mismo ay hindi katumbas ng industriya. Ang pagbuo ng mga modelong may mataas na halaga, ang software ecosystem, ang mga kliyente sa industriya, at ang mga komersyalisasyong escena ay patuloy na nakadepende sa mga lungsod tulad ng Beijing, Shanghai, Shenzhen, at Hangzhou. Mas madaling makakuha ng mga imprastruktura na may malaking kapital at halaga ng pagkonsumo ng enerhiya sa kanluran, habang ang silangan ay maaaring manatiling may mas mataas na bahagdan ng kita mula sa software at aplikasyon.

Hindi makakasabi kung matagumpay ang pagbabago ng mapa na ito batay lamang sa bilang ng racks at GW na kinuha ng Hilaga at Hilagat-kanluran noong 2030, kundi batay sa tatlong resulta: may sapat ba ang matagalang paggamit ng karagdagang computing power sa Kanluran, nakakabuo ba ang green energy at computing power ng matatag na kahusayan sa gastos, at nakakapagpapagana ba ang panlabas na network at调度 ng mga kumpanya na gamitin ang malayong computing power tulad ng paggamit ng lokal na cloud resources. Kung tama ang tatlong puntos na ito, totoong magkakaroon ang China ng isang AI infrastructure system na “ang mga rehiyon na may malaking yaman sa enerhiya ang responsable sa malalaking computing, habang ang mga rehiyon na may malaking industriya ang responsable sa mga mataas na halagang aplikasyon.”

Ang Chinese AI computing power ay nakatuon sa hilaga at kanlurang rehiyon, hindi isang tradisyonal na paglipat ng industriya, kundi resulta ng pagbabago sa presyo ng mga produksyon factor sa panahon ng AI. Kahit mahalaga ang lupa, klima, at patakaran, ang tunay na nagbabago sa mapa ay ang kuryente: kapag ang pag-train at pag-reason ng model ay nagpapadala ng data center patungo sa GW level, ang murang, matatag, at mapagpapatuloy na pagpapalawak ng kuryente ay natural na magiging pinakakakulang na yaman.

Ngunit hindi ito magpapalabas ng silangan. Mas malamang, magkakaroon ng pagkakahati-hati na “pagsasanay patungo sa enerhiya, pag-iisip patungo sa user; mabigat na ari-arian ay nakokusenta sa kanluran, habang ang mga mataas na halagang aplikasyon ay nananatiling nakapokus sa silangan.” Ang mga pagkakataon sa hilaga at hilagang-kanluran ay maging batayan ng computing sa panahon ng AI ng China; ang kanilang hamon naman ay kaya nilang i-convert ang mura na eletrisidad sa mataas na paggamit na computing, at hindi lamang gawing mga bagong parke at data center na susunod na sobrang ari-arian.

Kung ang mga nakaraang taon ay tinugon ng “Eastern Data, Western Computing” kung saan dapat itayo ang computing power, mula sa 2026 ay naging mas mahalaga ang tanong: kaya ba talaga ng mga computing power na ito na gamitin nang patuloy at epektibo? Ang tanong na ito ang hihigit na magpapasya kung ang pagbabago sa mapa ng Chinese AI computing power ay isang tunay na pagpapabuti ng efficiency, o isang bagong siklo ng kompetisyon sa infrastructure.

[1] Bloomberg News. China Is Building an AI Future Far From Its Biggest Cities. 2026-09-08.

[2] National Data Bureau: "Digital China Development Report (2025)", Mayo 2026.

[3] National Data Bureau: National Data Resources Survey Report (2025), April 2026.

[4] National Development and Reform Commission at al.: "Opinions on Deeply Implementing the 'East Data, West Computing' Project and Accelerating the Construction of a National Integrated Computing Network," December 29, 2023.

[5] National Data Bureau: “Pagsisimula ng Serye ng Mga Paghahayag ng Paghahayag ng Balita tungkol sa Pagpapalago ng Mataas na Kalidad” – Paglalarawan sa Pagpapalago ng Mataas na Kalidad ng Pambansang Data, Agosto 2024.

[6] Data Center Intelligence. DeepSeek ay magtatayo ng AI data center na may kapasidad na 1GW sa Inner Mongolia. 2026-08-03.

[7] South China Morning Post. Sumabog ang mga ahente ng Zhipu ng 37% habang nagtatayo ang kumpanya ng malaking data center na pinapagana ng mga chip mula sa Tsina. 2026-07-21.