Čína dohání výpočetní propast: Huawei proti Nvidii rychle

Na setkání s investory Liang Wenfeng nechodil kolem horké kaše. Generální ředitel DeepSeek vykreslil syrový, téměř filmový obraz: Čína spěchá, aby zacelila výpočetní propast, která dříve vypadala nepřekročitelně, a starý lídr může být překvapen, jak rychle se oblast posouvá.

DeepSeek v současnosti provozuje ekvivalent přibližně 20 000 čipů Nvidia H100, z nichž většina dorazila během posledního měsíce nebo dvou. Ta kapacita zní obrovsky. Je. Ale stále jim to umožňuje aktivovat přibližně jen 10 miliard parametrů najednou. Ve srovnání s dnešními špičkovými modely, které mohou mít souběžně aktivních asi 800 miliard parametrů, je rozdíl zásadní. Není malý. Je strukturální.

Jak do rovnice zapadá Huawei

Liang vyzdvihl uzly Huawei Atlas 950, poháněné procesory Ascend 950, jako skutečnou alternativu. Jeho tvrzení bylo provokativní: i když jeden Ascend 950 je méně efektivní než jeden Nvidia H100, v praxi může cluster těchto uzlů Huawei dorovnat koncovou výkonnost beden Nvidia GB200 a GB300. Podle jeho propočtů to vychází přibližně na čtyři Ascendy na jeden čip od Nvidie, přičemž celková propustnost a latence se mohou srovnat natolik, že náhrada je možná.

Varoval, že Nvidia si rýpe vlastní hrob. Cenové rozdíly podle Lianga hrají menší roli, protože i kdyby byl hardware Huawei o 50, 100 nebo 200 procent dražší, možnost nasazení v měřítku a politické výhody domácí dodavatelské sítě by mohly převážit nad pouhými porovnáními nákladů.

Je tu háček. Trénování nejmodernějších velkých modelů je nesmírně náročné. Aby bylo možné trénovat model v měřítku současných AI gigantů, Liang odhaduje, že byste potřebovali asi 50 000 procesorů třídy GB300 od Nvidie nebo zhruba 200 000 čipů Ascend 950. To jsou čísla týkající se pouze tréninku; výzkum a experimentování si navíc přidávají vlastní požadavky na výpočetní kapacitu. To pomáhá vysvětlit, proč rozdíl ve výpočetních zdrojích mezi Čínou a Spojenými státy zůstává největší jednotlivou překážkou.

Co s tím DeepSeek dělá? Zatím firma agresivně rozšiřuje svou infrastrukturu. Liang ale zdůraznil také jiné bojiště: data. Kvalitní označování, řekl, je pomalý škrtící bod. Můžete házet čipy na problém, ale pokud zaostávají vaše štítky a kurátorské datasetu, pokrok se zastaví. Společnosti jako OpenAI a Anthropic mají v tomto náskok, protože se do toho pustily dříve a vložily více prostředků do vysoce kvalitní anotace.

Poučení není jen o čipech nebo národní hrdosti. Jde o soustavu hardwaru, softwaru, talentu a času. Čína buduje výpočetní kapacitu. Investuje také do časově náročné, méně atraktivní práce na hygieně datasetů a označování. Pokud se oba směry rozvinou, mapa konkurenceschopnosti v AI může za pár let vypadat zcela jinak.

Liangova zpráva byla upřímná, ale strategická: nejde o jednu bitvu kvůli jednomu čipu. Je to dlouhá kampaň, kde alternativy, jež dříve vypadaly druhořadě, mohou po škálování a integrování do plného stacku získat rozhodující váhu. Právě tenhle posun může být okamžikem, na který se Nvidia ohlédne jako na klíčový.