Limitasyon sa hashing power
Simula noong huling bahagi ng nakaraang taon, ang mga lokal na GPU tulad ng Moore Threads, Muxi Shares, Biren Technology, at TianShu Intelligent Chip ay nagdulot ng isang malakas na alon ng kapital. Gayunpaman, sa ilalim ng masaganang pagkakaroon ng yaman sa secondary market, isang hindi maiiwasang lihim na trend ay nagsisigla at ang mga isyu na ito ay naging mas urgente.
Sa mga nakaraang taon, ang mga lokal na AI chip ay nakatuon sa mga relatiwong ligtas at mas marginal na “inference side,” tulad ng kamakailang plano ng DouBao na bumili ng 50,000 mga chip mula sa TianShu ZhiXin para sa mga gawain sa inference upang matugunan ang mataas na pagtawag ng pinakamalaking AI app sa China.
Sa pinakadakilang antas ng piramide ng computing power sa pagtratrabaho ng AI, ang mga lokal na chip ay kasalukuyang nakikilahok lamang sa mga gawain sa edge.
Ang mga chip para sa pagtatrain ng AI ay ginagamit pangunahin sa pagtatrain ng mga modelo ng artificial intelligence, kung saan ginagawa ang malaking bilang ng matrix operations at pag-adjust ng mga parameter, kaya kailangan ng malakas na computing power at mataas na efficiency ratio; mas malakas ang performance at sobrang mahal din, tulad ng NVIDIA A100, H100, H200, at ang AMD MI300 series.
Kumpara sa iba, mas madali ang tungkulin ng mga chip para sa pagpapatakbo. Ginagamit ito sa pag-deploy pagkatapos ng pagtatrabaho ng modelo, at pangunahing responsable sa pagpapatakbo ng pagpapalabas ng modelo; nangangailangan ito ng mataas na real-time performance, at kailangan ng mga chip para sa pagpapalabas na may kakayahang mabilis na sumagot at mababang paggamit ng enerhiya habang pinapanatili ang akurasyon.
Isang angkop na paghahambing ay ang pagtuturo ay nagpapagana sa AI model na “matutunan ang kaalaman,” habang ang pag-iisip ay nagpapagana sa malaking model na “gumamit ng kaalaman.” Sa panahon ng pag-aaral, ang mga chip sa pagtuturo ay kailangang gamitin ang malaking dami ng data upang “pagsilangan” ang dinamikong pag-update ng mga parameter na milyon, trilyon, o kahit sampung trilyon, at kailangan ito ng malakas na computing power, epektibong bandwidth at communication capability, at tiyak na seguridad sa stability sa ilalim ng mga cluster na libo-libo ng GPU.
Ang pangunahing pinagmulan ng pagkakaiba sa pagitan ng mga modelo ng Tsina at Estados Unidos ay nasa mga “nakakatagong lugar” na ito, lalo na ang kakulangan sa mga mataas na antas na chip para sa pagtuturo.
Sa ilalim ng mga batas ng Scaling Law ng malalaking modelo, ang mas malaki ang mga parametrong modelo, mas lalong tumataas nang linyar ang pangangailangan sa computing power, at ang eksponensyal na pagtaas sa gastos sa computing power at hardware ay ginawa ang pag-train ng malalaking modelo bilang “eksklusibong laro” ng kaunting mga malalaking teknolohiya.
Sa mga amerikanong teknolohiyang korporasyon, ang isa lamang na Meta ay plano na i-deploy ang higit sa 1.2 milyong mga high-end GPU hanggang sa dulo ng 2026, na may taunang pag-invest na higit sa $145 bilyon; ayon sa pagtataya, ang kabuuang AI computing power ng Google ay katumbas ng 5 milyong mga NVIDIA H100, na kumakatawan sa isang-kapat ng kabuuang global na dami.
Ang apat na kumpanya—Amazon, Microsoft, Alphabet, at Meta—ay naglabas ng $725 bilyon sa kanilang kapital expenditure taong ito, isang pagtaas ng 77% kumpara sa nakaraang taon, na katumbas ng 13% ng kabuuang pribadong pagsisikap sa loob ng bansa ng Estados Unidos. Hulaan din ng Morgan Stanley na hanggang 2027, ang kapital expenditure ng mga teknolohiya na kumpanya sa Estados Unidos ay maaaring makamit ang rekord na $1.1 trilyon.
Kasalukuyang pinagmamay-ari ng Estados Unidos ang higit sa 70% ng mga高端 GPU sa buong mundo, at matapos ang pagbabawal sa mga chip, ang tanging mga高端 chip na magagamit sa bansa ay lamang ang isang-walong bahagi ng dami sa Estados Unidos. Ayon sa Stanford AI Index Report 2026, ang bilang ng mga data center sa Estados Unidos (5,427) ay higit sa sampung beses ang dami sa China.
Batay sa pagkalkula ng Chinese Academy of Information and Communications Technology (CAICT), hanggang sa unang bahagi ng 2025, ang laki ng computing power ng Estados Unidos ay 2,400 EFLOPS, samantalang ang China ay 1,053 EFLOPS, higit sa dalawang beses ang laki ng Estados Unidos kumpara sa China.
Ang laki ng computing power na may-ari ng apat na malalaking teknolohiyang kompanya na nabanggit, bawat isa sa kanila ay hihigit pa sa kabuuang computing power ng lahat ng mga Chinese AI company.
Ang ganitong malaking kapangyarihan sa computing power ay nagpapahintulot sa mga amerikanong kumpanya na matapos ang mahigit sa sampung pagsusuri ng pag-update ng malalaking modelo sa loob ng isang taon.
Mas higit pa sa pagkamalikhain ni Musk, ang kanyang xAI ay may Colossus 2, na itinuturing na ang "unang GW-level AI cluster" sa mundo. Kaya may pagkakataon siyang ipahayag na kasalukuyang tinuturuan niya ang 7 na modelo — dalawang 1 trilyon, dalawang 1.5 trilyon, isang 6 trilyon, at isang 10 trilyon parameter model. Ang "brutal aesthetics" na ito ay maaari lamang gawin kung ang computing power ay lubos na sapat.
Samantala, dahil sa pagpapahigpit ng Estados Unidos sa pag-export ng mga chip, patuloy ang pagbaba ng bahagi ng mga Chinese company sa mga mataas-antas na AI chip na ipinadala noong nakaraang mga taon (ayon sa epoch.AI).
Maaaring sabihin nang walang pagpapalaki na ang malaking pagkakaiba sa computing power ay magdudulot ng pangmatagalang pagkakaligtaan ng China sa AI, at gagawing mas mahirap para sa mga lokal na malalaking model na makasabay sa kanilang mga katumbas sa Amerika.
Generation gap
Hindi matitigil ang pag-unlad ng China, “Sino man ang naniniwala na hindi kayang gawin ng China (ang chip), talagang mali ang pagtingin niya. Ang pagkakaiba sa pagitan ng US at China ay nasa antas ng nanosecond lamang.”
Hindi isang beses lamang sinasabing pinapuri ni Jensen Huang, ang tagapagtatag ng NVIDIA, ang pag-unlad ng semiconductor sa China.
Madalas rin ni Musk ipahayag ang katulad na pananaw sa X: “Sisirain ng China ang problema ng pagkakabukod sa mga chip, at sa larangan ng computing power para sa artificial intelligence, lalampas nila ang lahat ng ibang bansa sa mundo,” “Sisirain ng China ang AI competition sa mundo.”
Ang mga kilalang eksperto sa teknolohiya ay nagbibigay ng maraming pagsasalang sa pag-unlad ng AI sa China, na madaling magpapaniwala sa mga tao. Ang mga pahayag na ito ay may malaking posibilidad na isang uri ng “paggalang na nagtatapon.” Ang ilang amerikanong media ay patuloy na ipinapalaganap ang ideya na ang pagkakaiba sa pagitan ng mga modelo ng China at Estados Unidos ay maliit lamang, upang magkamali ng katotohanan at itago ang ilang obhetibong katotohanan.
Dapat mag-ingat at manatiling malinaw ang lahat ng mga lokal na larangan na may kaugnayan sa AI.
Kung ang mga advanced na malalaking modelo ng China ay may kaunting pagkakaiba sa kanilang mga kalaban sa Estados Unidos sa paglutas ng mga standardisadong problema, mas malinaw ang pagkakaiba sa mga kumplikadong industriyal at korporatibong kapaligiran.
Kumpara sa mga modernong modelo ng mga kumpanya sa Estados Unidos tulad ng Anthropic, ang China ay patuloy na nagsisikap na makasama. Ayon sa pagtataya ng CAISI ng Estados Unidos, ang pinakamalakas na lokal na modelo, ang DeepSeek V4 Pro, ay naiiwan ng humigit-kumulang 8 buwan sa mga modernong modelo ng Estados Unidos.
Si Li Kaifu ay nagpaalala sa isang panayam sa The Wall Street Journal na kasalukuyang nangunguna ang Estados Unidos sa China ng halos 15 buwan batay sa mga pinakamataas na modelo tulad ng Claude Fable 5 na inilabas ni Anthropic.
Ang mga malalaking modelo ay sumusunod sa batas ng pag-scalla: mas malaki ang bilang ng mga parameter ng modelo, mas marami ang training data, at mas malaki ang paggamit ng computing power, mas maganda ang performance ng modelo. Ngayon, ang mga pinakamoderno na malalaking modelo sa Estados Unidos ay nasa era ng sampung trilyon na parameter, at patuloy na lumalalim ang kanilang bilis ng pag-update.
Ang pinakamalakas na Mythos ni Anthropic ay umabot na sa 10 trilyon na parameter, at ang pag-train nito ay nagkakahalaga ng $10 bilyon; ang Colossus 2 ni xAI ay kasalukuyang nagtutrain ng 7 na modelo, kabilang ang 6 at 10 trilyon na parameter na mga modelo; ang OpenAI ay nakakapag-iterate ng isang 4 trilyon na parameter na modelo sa loob ng isang buwan lamang.
Ang pinakamalakas na modelo sa Tsina, ang DeepSeek V4 Pro, ay may kabuuang parametrong 1.6 trilyon, na humigit-kumulang 6 beses ang pagkakaiba sa mga pinakamoderno na modelo sa Estados Unidos na may sukat na 10 trilyon.
Ang Claude series mula sa Anthropic ay itinuturing na pinakamalakas na AI programming model sa nakalipas na dalawang taon, habang ang Mythos ay muli ring nagbago ng pagkakaunawa ng publiko, dahil mas malakas ang kanyang performance kaysa sa dating flagship na Oups 4.6.
Ang OpenBSD ay kilala sa industriya bilang ang pinakaligtas na sistema, ngunit natagpuan ng Mythos ang isang butas na hindi napapansin sa loob ng 27 taon, at nakahanap din ito ng mga butas sa FFmpeg at Linux kernel na hindi napapansin sa loob ng ilang taon hanggang sa dekada, at lahat ng ito ay sariling pagkakatuklas, nang walang tulong mula sa tao.
Dapat mong maunawaan na ang “pre-training” ng malalaking modelo ang nagtatakda ng hangganan ng kakayahan ng modelo, at hindi maaaring maabot ng “post-training” ang kakayahan ng isang modelo na may trilyon na parametrong i-ayos sa antas ng isang modelo na may 10 trilyon na parametron. Ang mga desisyon sa pre-training ay ang mga mataas na kalidad na chip ng computing, na nagtatakda ng laki ng mga parametron at bilis ng pag-iterasyon sa pagtuturo.
Sinabi ni Liu Qingfeng, pangulo ng iFlytek, na kasalukuyang nagtatayo ang mga pangunahing manufacturer ng malalaking modelo, lalo na ang mga malalaking kumpanya sa Amerika, ng napakalaking platform ng computing power. At ang lokal na computing power ay kasalukuyang nasa panahon ng pagkakaroon ng mga hamon, na nagdudulot ng mga limitasyon sa pag-train sa mga konteksto ng napakahabang teksto.
Nakikita na, ang pagkakaiba sa computing power ay ang ugat ng pagkakaiba sa mga modelo ng China at US.
Pagsikat ng lokal
Isang kumpanya ang may monopoli sa 90% ng global na merkado para sa mga premium AI training chip—nagtutulungan ito upang panatilihin ang NVIDIA sa pwesto bilang pinakamalaking kompanya sa halaga sa buong mundo. Ang kabuuang halaga nito ay nakaabot pa nga ng higit sa GDP ng Germany, ang ikatlong pinakamalaking ekonomiya sa mundo, noong 2025.
Ayon sa data ng TrendForce, sa Q1 ng 2026, kinuha ng NVIDIA ang 68% ng global GPU server market, habang kinuha ng AMD ang 5%-6%, at ang mga lokal na manufacturer ng GPU sa China ay kabuuang mas mababa sa 4%.
Sa pamamagitan ng unang pagkakataon, malakas na teknikal na hadlang, mabilis na koneksyon, software ecosystem, at pagkakabind sa advanced manufacturing process ng TSMC, nakakamit ng NVIDIA ang pangunahing dominasyon. Sa mga mataas na antas ng pagtuturo, mas malakas ang performance ng NVIDIA GB300 kaysa sa AMD MI325, at mas mataas pa kaysa sa Cambricon Siyuan 690 at Moore Threads MTT40, lalo na sa pagtuturo ng malalaking modelo na may trilyon na parameter, mas malakas ito ng higit sa 30% kaysa sa mga kalaban.
Sa ilalim ng ban sa pag-export, ipinahayag na ni Huang Renxun na ang bahagi ng merkado ng NVIDIA sa China (bagong pagkakataon) ay halos nawala na, at natitira na lang ang merkado ng umiiral. Sa ilalim ng patakaran para sa lokal na pagpapalit, lumitaw ang mga kumpanya tulad ng Huawei Ascend 910, Higon DCU Shen Suan 2, Cambricon MLU370/590, at ang mga kumpanya tulad ng Moore at Muxi.
Ang Ascend 910 ay ang pinakamalakas na chip ng Huawei, at ang Ascend 910B ay may computing power na 640 TOPS (INT8), na maaaring makapagkumpetensya sa NVIDIA A100 chip.
Sa absolute na performance, mayroon pa ring pagkakaiba ang mga lokal na GPU, ngunit maaaring magsimula sa inference at edge scenarios. Kasalukuyang sapat na ang mga lokal na GPU para sa pangkabuuang inference na pangangailangan ng pampubliko at pribadong sektor sa bansa, at ang pagkakaiba sa mga mid-range na produkto ng NVIDIA ay nabawasan hanggang 15%-20%, na nagpapakita ng kakayahang palitan.
Dapat tandaan na habang mahalaga ang performance ng computing power, ang teknolohikal na ecosystem sa likod nito ang tunay na kahinaan ng mga lokal na GPU. Tulad ng sinabi ni Academician Zheng Weimin ng Chinese Academy of Engineering, ang pangunahing problema ng mga lokal na AI chip ay ang hindi sapat na ecosystem; kung magandang ecosystem, may magagamit pa rin kahit ang performance ay 60% lang.
Maaaring sabihin na ang software ecosystem ang pinakamalakas na barrier sa GPU赛道, at ang kakayahan ng NVIDIA sa aspetong ito ay hindi madaling palitan.
Ang CUDA ecosystem ay nakapagpapalalim na ng higit sa 10 taon, na may higit sa 4 milyong developer, maraming libo-libong open-source model, at buong hanay ng third-party toolchains, na nakakapalibot sa AI training, inference, graphics rendering, at scientific computing, na may malakas at walang katulad na barrier sa ecosystem.
Ayon sa IDC, kasalukuyan, higit sa 95% ng mga AI model sa buong mundo ay binuo batay sa CUDA ecosystem. Samantala, ang mga lokal na GPU ay nangangailangan ng matagal na koordinasyon kasama ang supply chain, at kailangan ng sapat na pagtitiis mula sa media at kapital na merkado sa ilalim ng suporta ng patakaran.
Noong Enero ng taong ito, ang Zhipu ay nagtatagpo na may Huawei upang buksan ang bagong henerasyon ng image generation model na GLM-Image, na batay sa Huawei Ascend Atlas 800T A2 device at Ascend MindSpore AI framework, na nakumpleto ang buong loop mula sa pagproseso ng data hanggang sa pag-train ng model, at ang unang SOTA multimodal model na nakabatay sa lokal na chip para sa buong proseso ng pag-train;
Ang Moortian ay kasama ang Beijing Academy of Artificial Intelligence, at sa pamamagitan ng MTT S5000 AI computing cluster at FlagOS-Robo framework, natapos nila ang buong proseso ng pagtatrain sa kanilang sariling embodied brain model na RoboBrain 2.5. Ang resultang ito ay unang pinatotohanan ang pagkakaroon ng kakayahan ng lokal na computing cluster sa pagtatrain ng malalaking embodied intelligence models.
Nakikita na ang mga lokal na GPU ay nakakamit na ang pag-unlad sa pagkakatugma at pagbuo ng ekosistema, at patuloy na lumalabas mula sa “isang puntos ng pagbubukas” sa pagpapatakbo hanggang sa “paulit-ulit na pagkakatugma” sa pagtatrabaho, na isang malaking pag-unlad.
Summary
Sa kabuuan, sa ilalim ng konteksto ng pagkakaroon ng mga hadlang sa pag-import ng mga advanced na chip mula sa ibang bansa, maaaring magkaroon ng “pagsasama ng silangan at kanluran” sa pamamagitan ng paggamit ng dalawang paa—sabay-sabay na suportahan ang lokal na mga chip ng computing power upang matugunan ang makabuluhang pangangailangan ng merkado.
Walang pag-aatubili ang katotohanan ng pangangailangan, ang teorya ng “bula” ay nananatili, ngunit hindi ito nagiging mas malakas. Ang pagmamahal ng pandaigdigang merkado sa pagbuo ng AI ay nagsobra sa anumang nakaraang pag-unlad ng anumang industriya.
Sa taong ito, muli'y nagsimula ang super AI cycle sa pandaigdigang merkado ng kapital, kung saan ang mga presyo ng mga kumpanya tulad ng Samsung, SK Hynix, Broadcom, at TSMC ay patuloy na nagtatayo ng bagong tuktok. Sa lokal na merkado, ang mga hardtech na kumpanya tulad ng Cambricon ay nagkakaroon din ng malakas na pagtaas, at ang market value ng lider sa module ng light, InnoLight, ay naging mas mataas kaysa sa Kweichow Moutai.
Sa pagsusuri sa kasaysayan ng semiconductor sa Korea, sinuportahan ng bansa ang industriya ng memorya chip, dinanas ang mga panahong madilim, at sa huli ay nakalaban sa Japan at naging absolute na hari sa pandaigdigang industriya ng memorya.
Kahit sa mga chip ng memorya, chip ng telepono, o kahit sa mga AI chip ngayon, ang China ay patuloy pa ring nasa paghahabol, at hindi ito maaaring gawin sa isang araw o dalawang araw. Ngunit sa pamamagitan ng malaking merkado, patuloy na lumalabas na mga propesyonal sa AI, at malaking kapital, ang mga lokal na GPU ay nagsisimula nang ipakita ang kanilang kakayahang makatugon at makalutas ng maraming tunay na pangangailangan ng mga AI na kumpanya.
Sa larong AI tungkol sa kapalaran ng bansa, ang China at ang United States ay parehong kalaban at mayroon din silang teknolohiya, merkado, at yaman na kailangan ng isa't isa.
Nagmula sa WeChat public account: Juetao WAVE, I-edit ni Yang Xuran, isulat ni Xie Zefeng, orihinal na pamagat: “Ang Problema ng Computing Power sa Ilalim ng Pagkakasundo ng AI ng China at Estados Unidos | Juetao”