«Момент прорыва» отечественных вычислительных мощностей: от чипов до суперузлов, китайская вычислительная база совершает всесторонний скачок

Если резкий рост цен на аренду вычислительных мощностей стал самой обсуждаемой темой в сфере вычислительных мощностей за последнюю неделю среди участников рынка капитала, то коллективный прорыв в отечественной инфраструктуре вычислительных мощностей — это ещё одна главная линия недели, обладающая наибольшей промышленной глубиной. Всего за десять с лишним дней T-Head компании Alibaba выпустила чип Zhenwu V900 с трёхкратным ростом вычислительной мощности, Huawei представила первый в мире суперузел Ascend 960 с технологией NPO, Sugon выпустила полностью самостоятельно контролируемую 100-тысячную AI-суперкомпьютерную систему, а пекинский узел China Mobile развернул тысячекарточный суперузел Ascend 950DT. В то же время 28 сентября SASAC Госсовета КНР чётко заявила, что в период 15-й пятилетки центральные предприятия должны продолжать увеличивать инвестиции в сеть вычислительных мощностей и углублять координацию вычислений и электроэнергии, а также интеграцию вычислений и сети. От чипов до суперузлов, от кластеров до политики — отечественные вычислительные мощности переживают системный прорыв, движимый «корнями». Этот прорыв касается не только догоняющего развития по отдельным показателям производительности, но и всесторонней реконструкции системной архитектуры, программной экосистемы, энергетической координации и промышленной политики. По мере того как глобальная конкуренция в области AI-вычислений вступает в стадию белого каления, китайская индустрия вычислительных мощностей пытается проложить дифференцированный, самостоятельный и системный путь развития.

I. Прорыв чипов: «пробуждение аппаратной силы» Zhenwu V900 и Ascend 950

Конкурентная структура отечественных AI-чипов претерпевает качественные изменения. Долгое время отечественные AI-чипы сталкивались с дилеммой «пригодны к использованию, но недостаточно хороши»: производительность одной карты отставала от международного передового уровня, программная экосистема была неполной, а возможности расширения кластеров ограниченными, из-за чего обучение и инференс больших моделей сильно зависели от импортных GPU. Однако эта ситуация быстро ломается.

22 сентября на конференции Yunqi 2026 в Ханчжоу T-Head компании Alibaba представила Zhenwu V900 — самый мощный на сегодняшний день саморазработанный AI-чип Китая. Его вычислительная мощность в три раза превышает предыдущее поколение Zhenwu M890, один кластер может масштабироваться до 500 тыс. карт, а массовое производство и выход на рынок запланированы на первый квартал 2027 года. Alibaba также объявила, что большая модель Qwen4 на основе архитектуры нового поколения уже проходит обучение, а будущие версии Qwen4.5, Qwen5 и другие расширятся до 5–10 трлн параметров; кроме того, поставлена цель к 2032 году довести глобальную мощность центров обработки данных, эксплуатируемых Alibaba Cloud, до более чем 20 ГВт. Это означает, что Alibaba наращивает усилия не только на стороне чипов, но и сформировала замкнутый контур «чип — модель — облако» на стороне моделей и центров обработки данных. Возможность масштабирования кластера Zhenwu V900 до 500 тыс. карт создаёт аппаратную основу для обучения будущих моделей с десятками триллионов параметров; цель в 20 ГВт демонстрирует стратегическое суждение Alibaba о долгосрочном спросе на AI-вычисления.

Что касается Huawei, сервис интеллектуальных вычислительных кластеров Ascend 950 был коммерциализирован в Китае в конце сентября и 30 ноября будет расширен на зарубежные рынки. На уровне вычислительной мощности этот сервис основан на полностью наблюдаемом пятиуровневом механизме быстрого восстановления, обеспечивающем стабильную работу облачного обучения в течение 40 дней и восстановление после сбоя в течение 10 минут. Для обучения больших моделей стабильность и способность к восстановлению после сбоев имеют решающее значение. Одна задача обучения часто требует непрерывной работы тысяч карт в течение недель или даже месяцев; любой единичный сбой может привести к прерыванию обучения, откату прогресса и резкому росту затрат. Пятиуровневый механизм быстрого восстановления Huawei сокращает время восстановления после сбоя до менее чем 10 минут, значительно повышая доступность кластера и снижая затраты на обучение.

Ещё более примечательно то, что экземпляр суперузла Lingjun Zhenwu M890 GP9A облака Alibaba Cloud уже предоставляет услуги внешним пользователям. Это первые в Китае вычислительные мощности в форме суперузла, способные стабильно запускать большие модели с более чем 2 трлн параметров; один экземпляр узла может поддерживать кластер на 100 тыс. карт и уже стабильно обслуживает передовые большие модели, такие как Qwen3.8-Max и Kimi K3. Это означает, что отечественные суперузлы не только достигли новой высоты по аппаратным характеристикам, но и прошли проверку в реальной эксплуатации больших моделей. Стабильный запуск модели с 2 трлн параметров предъявляет чрезвычайно высокие требования к пропускной способности памяти, задержке межсоединений, системе планирования и системе охлаждения. Достижение этого показывает, что способность отечественных вычислительных систем к интеграции вышла на новый уровень.

Последовательный выход двух флагманских чипов знаменует ключевой скачок отечественных AI-чипов от «пригодных к использованию» к «удобным в использовании». T-Head впервые публично раскрыла план обновления серверных CPU серии Yitian, завершив компоновку полностью самостоятельно разработанных продуктов в области вычислений, хранения и сетей. Такая способность к сквозной оптимизации от чипа до системного уровня значительно повысит эффективность взаимодействия программного и аппаратного обеспечения, снизит затраты на инференс и обеспечит прочную основу для потребностей в вычислительных мощностях эпохи Agent. В прошлом отечественные производители чипов часто предоставляли только чипы, а системную интеграцию, адаптацию ПО и эксплуатацию кластеров приходилось решать downstream-производителям самостоятельно, что приводило к низкой общей эффективности. Теперь ведущие производители начинают предлагать полностепенные решения от чипов, серверов и сетей до облачных сервисов, значительно углубляя программно-аппаратную синергию. Это не только помогает повысить коэффициент использования одной карты, но и снижает совокупную стоимость владения, делая отечественные вычислительные мощности более привлекательными в коммерческой конкуренции.

II. Революция суперузлов: скачок кластеров от тысячи до миллиона карт

Суперузлы — это направление прорыва отечественных вычислительных мощностей с наибольшей технологической ценностью на этой неделе. По мере движения больших моделей к масштабу десятков триллионов параметров традиционная архитектура серверных кластеров уже не может удовлетворять потребности эффективного обучения и инференса. В традиционных кластерах GPU соединяются через PCIe или Ethernet, пропускная способность ограничена, а задержка относительно высока. Когда масштаб модели расширяется до триллионов параметров, коммуникационные узкие места серьёзно тормозят эффективность обучения. Суперузлы за счёт системных архитектурных инноваций соединяют тысячи и даже десятки тысяч ускорительных карт с чрезвычайно низкой задержкой, становясь неизбежным выбором для строительства сверхмасштабной AI-инфраструктуры.

17 сентября на конференции Huawei Connect 2026 компания Huawei представила первый в мире суперузел с технологией NPO (near-packaged optics) — суперузел Ascend 960. Этот суперузел использует ортогональную архитектуру и полностью жидкостное охлаждение, обеспечивает единую адресацию памяти на основе Lingqu, масштабируется в одном узле до 4096 карт и обеспечивает вычислительную мощность 8 EFLOPS FP8 и 16 EFLOPS FP4. Технология NPO приближает оптический движок к подложке корпуса, сокращая расстояние передачи электрических сигналов и снижая энергопотребление и задержку; это ключевое технологическое направление для соединения сверхмасштабных кластеров. Полностью жидкостное охлаждение решает проблему отвода тепла, связанную с высокой плотностью вычислений, позволяя одному узлу на 4096 карт стабильно работать при высокой плотности мощности.

Huawei также представила Hi-ONE — первый в отрасли серийно выпускаемый оптический движок NPO. Его общая пропускная способность достигает 7,2 Тбит/с; 5500 оптических движков Hi-ONE заменяют 48 тыс. 800G-оптических модулей, необходимых традиционному решению, снижая энергопотребление более чем на 550 кВт, вдвое увеличивая время безотказной работы системы и достигая доступности системы 99,8%. Это сравнение впечатляет: традиционному решению требуется 48 тыс. 800G-оптических модулей, а Hi-ONE — лишь 5500. Это не только значительно сокращает количество оптических модулей, но и снижает энергопотребление и число точек отказа. Для кластеров на 10 тыс. карт огромное количество оптических модулей повышает вероятность отказов; сокращение их числа означает более высокую надёжность и меньшие затраты на эксплуатацию. Доступность системы 99,8% означает менее 18 часов простоя в год, что критически важно для обучения больших моделей и инференс-сервисов.

Ещё более стратегически значима способность к расширению кластера. Несколько суперузлов Ascend 960, соединённых через сеть Lingqu или RoCE с использованием двухуровневой четырёхплоскостной топологии CLOS, могут образовать кластер максимальным размером 512 тыс. карт; в сочетании с технологией многодорожечной топологии можно поддерживать кластер Ascend из до 1 млн карт. Это означает, что отечественные суперузлы уже обладают аппаратной основой для обучения больших моделей с десятками триллионов параметров. Что такое кластер на 1 млн карт? Сегодня самые передовые в мире AI-кластеры в основном находятся на уровне от десятков тысяч до сотен тысяч карт. Кластер на 1 млн карт позволит одному обучению охватывать больший масштаб параметров и наборов данных, обеспечивая вычислительную поддержку для базовых моделей следующего поколения. Разумеется, кластер на 1 млн карт создаёт огромные вызовы: сетевая топология, изоляция отказов, планирование задач, электроснабжение и системы охлаждения требуют системных инноваций. Многодорожечная топология Huawei и двухуровневая четырёхплоскостная сеть CLOS как раз направлены на решение проблем коммуникационных узких мест и масштабируемости сверхбольших кластеров.

Развёртывание суперузлов не ограничивается анонсами продуктов. 29 сентября China Mobile Beijing совместно с China Mobile Cloud объявила, что тысячекарточный суперузел Huawei Ascend 950DT официально развёрнут в пекинском узле Mobile Cloud в центре обработки данных Information Port района Чанпин. Этот тысячекарточный суперузел основан на архитектуре суперузла Huawei: вычислительная мощность одного узла на 1024 карты достигает 1 EFLOPS (FP8), поддерживается 256 ТБ унифицированной памяти и микросекундная задержка, что позволяет поддерживать обучение и инференс больших моделей, разработку агентов и другие продвинутые потребности. Это важный признак перехода отечественных суперузлов от анонса продукта к реальному развёртыванию. Операторы обладают огромными ресурсами центров обработки данных, сетей и клиентов; их вход в развёртывание суперузлов означает, что отечественные суперузлы начинают вступать в стадию масштабной коммерциализации. Развёртывание в пекинском узле China Mobile не только подтвердило инженерные возможности Ascend 950DT, но и предоставило справочный пример для последующих закупок отечественных суперузлов другими операторами и отраслевыми заказчиками.

III. Экосистема вычислительных мощностей: «китайский путь» открытого исходного кода и полностековой синергии

Прорыв отечественных вычислительных мощностей — это не только повышение аппаратной производительности, но и реконструкция экосистемы. Долгое время экосистема CUDA NVIDIA создавала чрезвычайно высокий барьер для миграции. Разработчики привыкли к инструментарию CUDA, а код моделей, библиотеки операторов и опыт настройки строились вокруг CUDA. Даже если отечественные чипы приближались по аппаратной производительности, неполная программная экосистема затрудняла привлечение разработчиков к миграции. Поэтому построение экосистемы стало ключом к тому, сможет ли отечественная вычислительная мощность действительно закрепиться.

Вице-председатель и ротационный председатель Huawei Ван Тао на конференции Connect чётко заявил, что ядром AI-стратегии Huawei являются вычислительные мощности; компания настаивает на построении конкурентоспособности вокруг «суперузел + кластер» через системные архитектурные инновации, создании прочной вычислительной основы для Китая, построении открытой экосистемы вычислительных мощностей и создании новых возможностей для мира. Это заявление ясно передаёт стратегический путь Huawei: не стремиться к простому превосходству по производительности одной карты, а формировать дифференцированные конкурентные преимущества за счёт системных инноваций в суперузлах и кластерах в сочетании с открытой экосистемой.

Ключевой прогресс в построении экосистемы заключается во всестороннем открытии исходного кода вычислительной платформы CANN. CANN перешла к регулярной работе в сообществе открытого исходного кода; от «пригодности к использованию» к «удобству использования» Ascend перешагнула точку перелома экосистемы. Значение этого сдвига в том, что открытый исходный код снижает затраты разработчиков на миграцию, позволяя большему числу主流 больших моделей проходить нативное обучение на Ascend, формируя положительный цикл от чипа к платформе и модели. Раньше разработчикам для миграции на Ascend требовался большой объём адаптационной работы; теперь, с открытием CANN и регулярной работой сообщества, поддержка Ascend в таких主流 платформах, как PyTorch и TensorFlow, стала более полной, а затраты на миграцию моделей значительно снизились. По мере того как всё больше моделей обучаются нативно на Ascend, библиотеки операторов, инструменты настройки и лучшие практики экосистемы Ascend также становятся всё богаче, формируя положительный цикл.

На системном уровне Huawei внедрила архитектуру суперузла в системы общего назначения, полностью модернизировав суперузел Kunpeng. На основе полностью оптической сети Lingqu он поддерживает до 4096 узлов и формирует унифицированный пул памяти объёмом 256 ТБ, что позволяет значительно повысить плотность песочниц Agent, скорость запуска и производительность векторного поиска. Одновременно был выпущен кластер OceanStor M900 — решение PB-уровня кэша KV уровня L3.5 на основе шины Lingqu UnifiedBus, поддерживающее технологию «прямого соединения в один переход» для оптимизации эффективности доступа к данным. Эти системные инновации нацелены на особые потребности сценариев AI Agent и инференса. Песочницы Agent требуют быстрого запуска, изолированного выполнения и эффективного поиска; унифицированный пул памяти и полностью оптическая сеть суперузла Kunpeng позволяют значительно повысить эффективность этих операций. PB-уровень кэша KV и технология прямого соединения в один переход кластера OceanStor M900 нацелены на узкое место доступа к KV Cache при инференсе больших моделей, повышая пропускную способность инференса и скорость отклика.

Что касается Alibaba, на основе пионерной полностью модульной архитектуры CUBE 5.0 стоимость строительства снижена более чем на 10%, а плотность вычислительной мощности на единицу площади достигает 5–10 раз по сравнению с предыдущим поколением. Пять основных систем параллельно производятся на заводах и предварительно настраиваются в контейнеры, обеспечивая модульную поставку инфраструктуры вычислительных мощностей. Значение модульной поставки заключается в сокращении сроков строительства, снижении сложности монтажа на месте и повышении согласованности развёртывания. Традиционное строительство центров обработки данных имеет длительные сроки и сложные полевые работы, тогда как контейнерная модульная поставка позволяет выполнить большую часть производства и предварительной настройки на заводе, а на месте требуется лишь подъём, подключение воды, электричества и сети. Это критически важно для быстрого расширения масштабов вычислительных мощностей и реагирования на взрывной спрос на AI.

IV. Координация вычислений и электроэнергии: базовое ограничение расширения вычислительных мощностей и поддержка политики

Масштабное расширение отечественных вычислительных мощностей невозможно без двойной поддержки электроэнергии и политики. Инфраструктура вычислительных мощностей — типичная энергоёмкая отрасль; AI-кластер на 100 тыс. карт может потреблять десятки и даже сотни мегаватт, что эквивалентно энергетической нагрузке малого или среднего города. Если электроснабжение нестабильно, а цены на электроэнергию слишком высоки, затраты на эксплуатацию вычислительных мощностей будет трудно контролировать. Поэтому координация вычислений и электроэнергии стала ключом к устойчивому развитию индустрии вычислительных мощностей.

28 сентября директор департамента планирования и развития SASAC Дай Си на пресс-конференции Госсовета заявил, что в период 15-й пятилетки центральные предприятия должны продолжать увеличивать инвестиции в сеть вычислительных мощностей, рационально размещать и упорядоченно строить экологичные вычислительные центры; углублять координацию вычислений и электроэнергии, интеграцию вычислений и сети, ускорять реализацию большего числа проектов прямого подключения зелёной электроэнергии и продвигать двустороннее взаимное усиление AI и энергетики. Это политическое заявление передаёт два ключевых сигнала. Во-первых, «сеть вычислительных мощностей» поднята до уровня инфраструктуры наравне с энергосетями и транспортными сетями, и центральные предприятия станут главной силой в её строительстве. Во-вторых, «координация вычислений и электроэнергии» чётко определена как ключевое направление следующего этапа, что означает, что расширение вычислительных мощностей перестанет быть простым наращиванием GPU и потребует системной координации с энергоснабжением.

Постоянное усиление политической поддержки обеспечивает институциональные гарантии долгосрочного расширения отечественных вычислительных мощностей. В то же время первый в Китае проект интеграции хранения энергии и вычислений официально начал строительство в Баотоу, Внутренняя Монголия. За счёт совместного строительства накопителей энергии и распределённых центров интеллектуальных вычислений создаётся замкнутый цикл зелёной промышленности «вход — электроэнергия, выход — токены». Инфраструктура вычислительных мощностей эволюционирует от отдельного вычислительного центра к комплексной системе «вычислительные мощности + энергия + сеть». Значение проекта интеграции хранения и вычислений в том, что он пытается решить проблему пространственно-временного несоответствия между вычислительными мощностями и электроэнергией. Ветровая, солнечная и другая новая энергетика имеет изменчивый характер, тогда как обучение и инференс AI требуют стабильной электроэнергии. Через накопители энергии можно запасать электроэнергию в периоды низких тарифов или пиков выработки новой энергии и отдавать её в пики вычислений; через распределённые центры интеллектуальных вычислений можно потреблять зелёную энергию на месте, снижая потери при передаче. Если эту модель удастся масштабировать и тиражировать, она значительно улучшит энергетическую структуру вычислительных центров, сократит выбросы углерода и затраты на электроэнергию.

V. Резонанс промышленной цепочки: всесторонние выгоды от чипов до жидкостного охлаждения

Прорыв отечественных вычислительных мощностей вызывает резонанс во всей промышленной цепочке. В области жидкостного охлаждения CICC оценивает, что мировой рынок жидкостного охлаждения центров интеллектуальных вычислений в 2026 году составит около 114,7 млрд юаней, увеличившись на 273% год к году. По мере роста плотности мощности GPU традиционное воздушное охлаждение уже не может удовлетворить потребности в отводе тепла, и жидкостное охлаждение становится неизбежным выбором для высокоплотных вычислительных центров. Жидкостное охлаждение не только повышает эффективность отвода тепла, но и снижает PUE и энергопотребление. Кластер Sugon 8000 Dengfeng, выпущенный Sugon, — это первая в Китае полностью самостоятельно контролируемая AI-суперкомпьютерная система на 100 тыс. карт, использующая иммерсионное фазопереходное жидкостное охлаждение, что представляет передовой поиск отечественных суперкомпьютеров в области охлаждения. Высокоэффективная серия жидкостного охлаждения Nanwang Digital: PUE иммерсионной жидкостной системы охлаждения центра обработки данных снижен до 1,086, PUE системы охлаждения с холодными пластинами достигает 1,133, что на 30% и более снижает энергопотребление по сравнению с водяным/воздушным охлаждением. Чем ниже PUE, тем меньше доля электроэнергии, используемой для охлаждения, и тем выше энергоэффективность вычислительного центра. PUE иммерсионного жидкостного охлаждения 1,086 уже близок к теоретическому пределу, демонстрируя зрелость отечественной технологии жидкостного охлаждения.

В области суперкомпьютеров «Bagua Furnace 2» Института высокопроизводительных вычислений факультета компьютерных наук Университета Цинхуа был удостоен награды за лучшую академическую работу на Китайской конференции по вычислительным мощностям 2026, демонстрируя продолжающееся исследование отечественных суперкомпьютеров на академическом переднем крае. Академические исследования — источник промышленных инноваций; прорывы отечественных суперкомпьютеров в академической области обеспечат теоретическую поддержку в области алгоритмов, планирования и отказоустойчивости для промышленных вычислительных систем.

Со стороны инвестиций крупные заказы в цепочке вычислительных мощностей появляются часто. Дочерняя компания Xingyun Technology подписала 5-летний контракт на услуги аренды ресурсов интеллектуальных вычислений на общую сумму 872 млн юаней с учётом налогов; Sinnet планирует дополнительно инвестировать 1,265 млрд юаней в проект центра интеллектуальных вычислений Horinger, увеличив общий объём инвестиций до 2,5 млрд юаней; собрание акционеров Xunce Technology одобрило предложение о строительстве центра AI-инференса и вычислений на сумму не более 12 млрд юаней. Эти крупные заказы и инвестиционные планы показывают, что промышленный капитал сохраняет оптимизм в отношении долгосрочного спроса на инфраструктуру вычислительных мощностей. Аренда вычислительных мощностей, строительство центров обработки данных, центры AI-инференса и другие звенья привлекают большие объёмы капитала. В то же время upstream-звенья, такие как серверы, оптические модули, сетевое оборудование, источники питания и системы терморегулирования, также выиграют от роста капитальных затрат на вычислительные мощности.

Заключение: «системный прорыв» отечественных вычислительных мощностей

От Zhenwu V900 до Ascend 960, от тысячекарточных суперузлов до миллионокарточных кластеров, от собственных чипов до открытой экосистемы — отечественные вычислительные мощности переживают системный прорыв от точки к поверхности. Ядро этого прорыва не в преодолении отдельных показателей производительности, а в инновации системной архитектуры: через соединение суперузлов, полностековую синергию и интеграцию вычислений и электроэнергии проложен дифференцированный технологический путь в условиях ограничений по техпроцессу.

Как оценил Xinhua, отечественные вычислительные мощности переходят от догоняющего развития на уровне приложений к глубокому прорыву в технологиях, стандартах и моделях; преобразование, движимое «корнями», уже началось. По мере включения сети вычислительных мощностей в национальную систему новой инфраструктуры, превращения центральных предприятий в главную силу инвестиций в вычислительные мощности и перехода открытой экосистемы от «пригодности к использованию» к «удобству использования» потолок отечественных вычислительных мощностей постоянно повышается. Это не только технический прогресс, но и существенное усиление голоса Китая в глобальной конкурентной структуре AI-вычислений. В будущем по мере реализации всё большего числа отечественных чипов, суперузлов, кластеров и экосистемных достижений китайская индустрия вычислительных мощностей сможет превратиться из «догоняющего» в «идущего параллельно», а в некоторых областях — в «лидирующего». И всё это только начинается.