Ipinagbabawal ng China ang mga Dayuhang AI Chip sa mga Data Center na Pinopondohan ng Estado

Ano ang Nagbago at Bakit Ito Mahalaga

Naglabas ang China ng bagong patnubay na nag-uutos sa lahat ng bagong proyekto ng data center na tumatanggap ng pondo ng estado na gumamit lamang ng mga artificial intelligence chip na gawa sa bansa. Inatasan ng mga regulator ang mga operator ng mga proyektong wala pang 30 porsiyento ang natatapos na alisin ang mga dayuhang accelerator na naikabit na o kanselahin ang mga planong pagbili. Susuriin naman ang mga data center na mas malayo na ang narating nang paisa-isa. Nagmamarka ito ng pagbabago mula sa mga naunang patakarang hindi naghihikayat sa pagbili ng dayuhang chip, at pormal nitong itinutulak ang pagbuo ng imprastraktura ng AI gamit ang mga chip na gawa sa China.

Malawak ang saklaw ng patakaran at sumasaklaw ito maging sa mga nauna nang proyekto. Kabilang dito ang Nvidia H20, ang pinakamalakas na AI accelerator na pinahintulutang ibenta ng kumpanya sa China. Tinatarget din nito ang mas matataas na processor gaya ng H200 at B200, na pinaghigpitan ng mga patakaran sa pag-export ng US ngunit nakarating pa rin sa mga mamimiling Tsino sa pamamagitan ng mga impormal na daluyan ng kalakalan. Hihigpitan ang pagsubaybay sa mga ito habang sinusuri ng mga inspektor ang mga rekord ng pagbili at imbentaryo.

Malaki ang nakataya. Mula 2021, nakahikayat ang mga proyekto ng AI data center sa China ng mahigit 100 bilyong dolyar na pondong pampubliko na nakaugnay sa mga layunin ng pambansa at panlalawigang soberanya sa datos. Nangibabaw ang mga dayuhang supplier sa unang bugso ng mga proyekto. Dati, mahigit 90 porsiyento ng lokal na merkado ng accelerator ang kontrolado ng Nvidia. Bumagsak na sa zero ang bahagi nito, kaya nagsara ang pagkakataon nitong makabalik gamit ang mga pasadyang piyesa. Nakatakdang punan ng mga lokal na chip mula sa Huawei, Cambricon, Enflame, MetaX, Moore Threads, at Biren ang kakulangan.

Paano Ipatutupad ang mga Patakaran

Saklaw ng patnubay ang anumang pasilidad na tumatanggap ng pondo ng pamahalaan sa anumang anyo, kabilang ang mga grant, insentibo sa buwis, lupang may diskuwento, suporta sa presyo ng kuryente, o direktang pamumuhunan kapalit ng equity. Inatasan ang mga operator na siyasatin ang kanilang mga plano sa pagbili at muling magpa-bid para sa mga lokal na chip kung dayuhang piyesa ang naiplano. Ina-update ng mga katuwang sa integrasyon ang listahan ng mga piyesa upang umayon sa mga bagong patakaran.

Prayoridad ang mga data center na nasa maagang yugto ng konstruksyon. May ilang proyekto nang nahinto bago pa man simulan ang pagtatayo, kabilang ang isang pasilidad sa hilagang-kanlurang lalawigan na nagplanong maglagay ng mga Nvidia chip. Hindi inilathala ng mga opisyal ang direktiba, at hindi pa malinaw kung ipatutupad ito sa buong bansa o sa piling mga lalawigan lamang. Kabilang sa mga nagsasagawa ng pagsusuri ang mga regulator sa cybersecurity at pagpaplanong pang-ekonomiya. Para sa mga proyektong malapit nang matapos, ibabatay ang mga pasya sa iskedyul, mga gawain ng system, at pagkakaroon ng lokal na hardware.

Pag-aalis ng mga chip na nauna nang naikabit at mga takdang panahon

Maraming hakbang ang kailangang gawin ng mga operator na inutusang mag-alis ng mga dayuhang accelerator. Kailangang isara at imbentaryuhin ng mga team ang mga server, kanselahin ang mga hindi pa natutupad na order, at muling tiyakin ang pagiging angkop ng mga bagong board at rack na gagamit ng mga lokal na chipset. Bihirang simpleng salpak at gamit lang ang pagpapalit ng mga accelerator. Dinisenyo ang suplay ng kuryente, mga cooling loop, at network fabric para sa partikular na mga piyesa, kaya kailangang muling sertipikahin ng mga vendor ang mga rack at kung minsan ay buuing muli ang mga hanay ng server.

Nagiging sanhi ng kawalang-katiyakan ang pagsusuri nang paisa-isa para sa mga pasilidad na malapit nang matapos. Maaaring payagan ang ilan na panatilihin ang dati nang dayuhang hardware upang masunod ang petsa ng pagsisimula ng serbisyo, saka unti-unting lumipat sa mga lokal na chip. Maaaring iatas naman sa iba na ihiwalay ang mga dayuhang chip at gamitin lamang ang mga ito sa mga gawaing hindi kritikal, o limitahan ang paggamit sa mga ito. Sa lahat ng sitwasyon, kailangang patunayan ng mga operator na gagamit ng lokal na chip ang bagong kapasidad.

Mga Panalo at Talo sa Merkado ng Chip

Pinakamalinaw na maaapektuhan ang Nvidia, AMD, at Intel. Inaalis ng pagbabawal ang kanilang mga accelerator sa pinakamalaking pinagmumulan ng paglago sa China: ang pampublikong sektor at mga cloud service na sinusuportahan ng pamahalaan. Dinisenyo ng Nvidia ang H20 upang sumunod sa mga patakaran ng US. Hindi na ito pinapayagan sa mga proyektong pinopondohan ng estado. Susuriing mabuti ang mga high-end na piyesa gaya ng B200 at H200, na limitado na rin ng mga kontrol sa pag-export ng US, kung makita ang mga ito sa mga sensitibong proyekto.

Mas malaki ang puwang para lumago ng mga lokal na vendor. Pinakamatatag na linya ang Huawei Ascend, na may mga device para sa pagsasanay at pagpapatakbo ng AI. Gumagawa ang Cambricon ng mga yunit para sa machine learning na maaaring ikabit sa mga karaniwang server. Nagdidisenyo ang Enflame ng mga accelerator na para sa mga data center. Nagpakilala naman ang MetaX at Moore Threads ng mga pamilya ng GPU, habang nakatuon ang Biren sa mga processor para sa malakihang pagsasanay. Nag-aalok ang mga gumagawa ng server gaya ng Inspur at Sugon ng mga sistemang gumagamit ng mga chip na ito. Ipinakita rin ng mga cloud platform, kabilang ang Alibaba Cloud, Tencent Cloud, at Baidu AI Cloud, ang mga cluster na tumatakbo sa lokal na chip.

Kailangang mamili ang mga developer sa pagitan ng mga opsyon. Mas gusto ng maraming team ang Nvidia dahil sa software stack nitong CUDA, na may libu-libong kernel na na-optimize at mga gamit na matagal nang nahasa. Mabilis ang pag-unlad ng mga lokal na chip, pero magtatagal bago nila maabot ang kapantay na performance, lawak ng ecosystem, at kahinugan ng mga driver. Dahil sa bagong patakaran, mapipilitan ang mas maraming team na ilipat ang kanilang code, tiyakin ang katumpakan ng mga modelo gamit ang mga bagong kernel, at i-optimize ang mga proseso ng pagsasanay para sa iba't ibang compiler stack.

Agwat sa Teknolohiya at mga Software Ecosystem

Pinabibilis ng mga AI accelerator ang mga kalkulasyong nasa ubod ng deep learning. Sabay-sabay na ginagamit ang maraming chip sa mga makabagong proseso ng pagsasanay, kaya tatlong salik ang pinakamahalaga: bilis ng pagproseso, bandwidth ng memorya para matustusan ang pagpoproseso, at mabilis na koneksiyon para pag-ugnayin ang mga chip bilang iisang maayos na cluster. Malakas ang Nvidia sa bawat larangang ito, dahil sa makabagong pag-iimpake ng chip, pinagsasalansang memorya, at mga high-speed na link na nagpapanatiling sabay-sabay ang malalaking cluster.

Isa pang haligi ang software. Mahigpit ang hawak ng Nvidia sa interes ng mga developer dahil sa CUDA. Hindi awtomatikong gagana sa ibang platform ang code na isinulat at inayos para sa CUDA. Kailangang muling isulat ang mga kernel o lumipat sa ibang library, at pagkatapos ay muling tiyakin ang katumpakan at performance. May sarili ring mga toolchain at tulay patungo sa PyTorch at TensorFlow ang mga vendor na Tsino. Bumuti na ang compatibility at performance, pero may mga kakulangan pa rin sa ilang modelo, lalo na sa mga gumagamit ng pasadyang CUDA extension.

May epekto rin sa resulta ang suplay ng hardware. Umaasa ang mga nangungunang AI processor sa makabagong paggawa ng chip at high-bandwidth na memorya. Nililimitahan ng mga kontrol sa pag-export ng kagamitan para sa chip ang access sa ilang tool at materyales. Kayang gumawa ng mga lokal na pabrika ng chip ng mga mahusay na device, pero madalas na mas mababa ang ani ng maayos na chip at episyensiya sa enerhiya kumpara sa pinakabagong mga piyesa mula sa ibang bansa. Maaari nitong dagdagan ang kuryente at lawak ng pasilidad na kailangan upang matugunan ang mga takdang panahon ng pagsasanay, at pataasin ang gastos sa bawat yunit ng pagpoproseso.

Ano ang Kahulugan ng Pagbabawal para sa mga Kasalukuyang Proyekto ng AI

Sa malapit na panahon, maaantala ang iskedyul ng maraming proyekto. Kailangang muling makipag-usap ng mga team sa pagbili tungkol sa mga kontrata, at muling tiyakin ng mga integrator na tugma sa mga bagong chip ang software sa pamamahala, mga driver, at mga layer para sa orkestrasyon. Susuriin muli ang mga limitasyon sa init at kuryente dahil magkakaiba ang pangangailangan sa pagpapalamig at enerhiya ng bawat accelerator.

Gagamit ng halo-halong mga chip ang ilang operator sa panahon ng paglipat. Maaari nilang panatilihin ang dati nang mga dayuhang accelerator para sa mga lumang sistema ng inference o pananaliksik, habang itatalaga ang mga bagong gawain sa pagsasanay sa mga lokal na chip. Mas kumplikado ang pamamahala sa halo-halong mga chip. Umaasa ang distributed training sa mabilis na komunikasyon sa pagitan ng maraming node. Maaaring bumaba ang episyensiya kapag gumagamit ang mga gawain ng hardware mula sa iba't ibang vendor dahil sa pagkakaiba ng mga interconnect at compiler stack.

Magiging hamon ang pagkuha ng mga piyesa. Mahahaba pa rin ang panahon ng paghihintay para sa mga lokal na accelerator, at kailangang palakihin ang kapasidad upang matugunan ang demand na dating napupunta sa mga dayuhang supplier. Pinahihirapan ng mas mahigpit na inspeksiyon at pagsubaybay sa mga serial number ang mga impormal na daluyan ng kalakalan na dating tumutugon sa kakulangan. Kailangang pag-ibayuhin ng mga vendor ng system ang pagsusuri sa pagiging angkop at suporta upang mapanatili sa iskedyul ang malalaking proyekto.

Epekto sa Buong Mundo

Binabago ng direktiba ang mga plano sa paglago ng malalaking gumagawa ng chip at provider ng cloud service. Mas tututok ang mga supplier sa US sa demand sa Estados Unidos, Europa, Gitnang Silangan, at Timog-Silangang Asya. Namumuhunan ang ilan sa India at iba pang merkado upang mabawi ang pagkawala ng benta sa mga proyektong pampubliko sa China. Titingnan ng mga investor kung kayang tanggapin ng mga rehiyong ito ang kapasidad na dating nakalaan para sa mga data center sa China.

Magkakaroon ng protektadong lokal na merkado ang mga vendor na Tsino, pero kailangan nilang mabilis na palakihin ang produksyon at punan ang mga kakulangan sa software upang makapaghatid ng kompetitibong kabuuang gastos sa pagmamay-ari. Kapag mas mabagal ang performance, mas maraming rack at mas malaking suplay ng kuryente ang kailangan para matapos ang parehong gawain. Tataas ang gastos sa pagpapatakbo nito at maaaring bumagal ang pagpapalaki ng mga lokal na mananaliksik sa laki ng modelo at dami ng pagsasanay, kung ihahambing sa mga katunggaling gumagamit ng mga nangungunang GPU sa ibang bansa.

Lalong pinatitibay ng patakaran ang ugnayan ng geopolitika at pagtatayo ng imprastraktura ng datos. Maaaring baguhin ng pasya tungkol sa pagsunod sa patakaran para sa iisang accelerator ang iskedyul ng mga pambansang programa sa AI at mga alok na cloud service. Muling pagbubuuin ang mga estratehiya sa pagbili, plano sa colocation, at pakikipagtuwang sa iba't ibang bansa upang umayon sa mga patakaran sa hardware na ngayo'y umaabot na sa loob mismo ng mga server room ng mga estratehikong proyektong pangkompyutasyon.

Mahahalagang Punto

• Inaatasan ng bagong patnubay ang mga data center sa China na pinopondohan ng estado na gumamit lamang ng mga lokal na AI chip.
• Kailangang alisin o kanselahin ng mga proyektong wala pang 30 porsiyento ang natatapos ang mga dayuhang accelerator.
• Saklaw ng patakaran ang Nvidia H20 at tinatarget din ang mas matataas na piyesang H200 at B200.
• Mahigit 100 bilyong dolyar na pondong pampubliko ang napunta sa mga proyekto ng AI data center mula 2021.
• Bumagsak sa zero ang bahagi ng Nvidia sa merkado ng China mula sa humigit-kumulang 95 porsiyento noong 2022.
• Hindi inilathala ng mga opisyal ang direktiba, at hindi pa malinaw kung sasaklaw ito sa buong bansa.
• Kabilang sa mga nagsusuri ang mga regulator sa cybersecurity at pagpaplanong pang-ekonomiya; paisa-isang pagpapasyahan ang mga proyektong nasa mas abanteng yugto.
• Kabilang sa mga lokal na kumpanyang makikinabang ang Huawei, Cambricon, Enflame, MetaX, Moore Threads, at Biren.
• Kakailanganin sa paglipat ang paglilipat ng code at muling pagsusuri sa mga system, kaya madaragdagan ang gastos at tagal ng mga kasalukuyang proyekto.
• Maaaring palawakin sa malapit na panahon ng hindi pa ganap na nahihinog na software at mga limitasyon sa pagmamanupaktura ang agwat sa pagpoproseso kumpara sa mga katunggali sa ibang bansa.