Chinesische KI-Rechenleistung ändert ihre Organisationsform

Im vergangenen Jahr tauchte in globalen Tech-Nachrichten immer wieder ein vertrauter Satz auf: Ein Unternehmen will wieder einen Cluster mit Zehntausenden von Karten bauen, und die Investitionssumme bricht erneut Rekorde.

Die Zahlen werden immer größer. So groß, dass man am Ende das konkrete Gefühl für sie verliert.

100.000 Karten, Hunderttausende Karten, Billionen Dollar – diese Begriffe stehen natürlich für Stärke. Aber nach einer Runde immer größerer Zahlen ist die wirklich berechtigte Frage vielleicht nicht „Wer baut größer?“, sondern eine grundlegendere Frage: Wem gehört diese Rechenleistung am Ende und wer wird sie nutzen?

Aufgrund dieser Frage bewegt sich die Welt auf zwei unterschiedliche Organisationsmodelle zu.

01. Ein Schutzgraben oder ein öffentliches Netzwerk

Der erste Weg besteht darin, Rechenleistung zu einem Schutzgraben zu machen.

Tech-Giganten bauen mit riesigen Kapitalmengen eigene Cluster, betreiben sie selbst und halten sie auch unter Kontrolle. Je größer der Cluster, desto leistungsfähiger das Modell, desto höher die kommerziellen Einnahmen und desto sicherer die Investitionen für die nächste Runde. Sobald dieser Kreislauf in Gang kommt, können Nachzügler kaum noch aufholen. In diesem Modell ist Rechenleistung keine gewöhnliche Ressource, sondern eine Hürde. Einer der Werte seiner Existenz besteht darin, andere auszuschließen.

Diese Logik ist nicht schwer zu verstehen und tatsächlich wirksam. Große Unternehmen verfügen über Kapital, Daten und Ingenieurteams – wenn sie die Rechenleistung bündeln, um ihre eigenen Modelle und Produkte zu bedienen, ist die Effizienz oft sehr hoch. Aber der Preis dafür ist ebenfalls klar: Die Rechenleistung konzentriert sich weiter auf wenige Akteure. Universitäten, Forschungseinrichtungen, kleine und mittlere Teams sowie Entwickler können nur innerhalb der von den Giganten geöffneten Schnittstellen, Preise und Regeln agieren.

Das ist keine einfache moralische Frage. Wirtschaftsunternehmen werden natürlicherweise knappe Ressourcen zu Wettbewerbsvorteilen machen. Das eigentliche Problem liegt darin: Wenn Rechenleistung zunehmend wie die Infrastruktur des AI-Zeitalters aussieht, wird die Eintrittskarte für Innovationen immer teurer, wenn sie nur auf private Weise organisiert wird.

Der zweite Weg besteht darin, Rechenleistung zu einem öffentlichen Netzwerk zu organisieren.

Dabei geht es nicht nur darum, wem jeder einzelne Cluster gehört, sondern darum, ob diese Cluster verbunden, verwaltet und von mehr Menschen genutzt werden können. Das nationale Hochleistungsrechen-Internet geht genau diesen Weg. Über 3,5 Millionen CPU-Kerne, 250.000 GPU-Karten und 1,4 Millionen registrierte Nutzer – diese Zahlen für sich genommen beschreiben nur die Größe, aber zusammen ergeben sie ein neues Modell zur Ressourcenorganisation. Rechenleistung ist nicht mehr nur ein Anlagevermögen in den Büchern einer Institution, sondern hat die Chance, zu einer fließenden, abrufbaren öffentlichen Fähigkeit zu werden.

In der Geschichte gab es ähnliche Veränderungen. In den 1950er Jahren war es nicht ein noch größeres Frachtschiff, das den Welthandel wirklich veränderte, sondern standardisierte Container. Erst wenn Waren in Kisten gleicher Größe verpackt sind, können sie reibungslos zwischen Schiffen, Zügen und Lastwagen umgeschlagen werden. Schiffe bleiben Schiffe, Häfen bleiben Häfen – aber die Organisationsweise ändert sich, und damit auch die Kosten des globalen Handels.

Was das Hochleistungsrechen-Internet macht, ähnelt einer „Containerisierung“ der Rechenleistung. Wissenschaftliches Rechnen, Modelltraining und Inferenzdienste liefen früher oft auf unterschiedlichen Systemen mit jeweils eigenen Schnittstellen, Regeln und Warteschlangen. Jetzt geht es darum, diese Aufgaben in einem einzigen Netzwerk fließen zu lassen. Was das Bild wirklich verändert, ist nicht unbedingt, dass ein einzelner Punkt größer wird, sondern ob diese Punkte miteinander kommunizieren können.

02. Auf welche Koordinaten man 100.000 Karten bezieht

Wenn man dies als Koordinate nimmt, wird die Bedeutung von Sugon 8000 klarer.

Als Chinas erstes vollständig inländisches AI-Supercluster mit 100.000 Karten ist Sugon 8000 natürlich eine technische Errungenschaft. Es ist groß genug und hat genug Nachrichtenwert. Aber eine technische Errungenschaft allein ist keine dauerhafte Erzählung. Rekorde werden immer gebrochen, und Parameter werden früher oder später von Nachfolgern überholt.

Wichtiger ist, auf welchem Weg es positioniert ist.

Bei einem privaten Cluster muss es normalerweise nur einem Besitzer, einer Reihe von Geschäftszielen und einer Art von Kernaufgabe dienen. Das Ziel ist klar: Das eigene Modell soll schneller trainiert, schneller iteriert und schneller kommerzialisiert werden.

Aber ein AI-Supercluster mit 100.000 Karten, der an den Kernknoten des nationalen Hochleistungsrechen-Internets angeschlossen ist, steht vor anderen Problemen. Er dient nicht nur einem einzelnen Modell, sondern übernimmt gleichzeitig wissenschaftliches Rechnen, Modelltraining, Inferenzdienste und Branchenanwendungen. Wissenschaftliches Rechnen erfordert hohe Präzision, Modelltraining erfordert hohen Durchsatz, und Inferenzdienste erfordern niedrige Latenz. Die Anforderungen verschiedener Aufgaben sind unterschiedlich und stehen manchmal sogar im Widerspruch zueinander.

Das ist genau die Frage, die die „Integration von Hochleistungsrechnen und künstlicher Intelligenz“ wirklich beantworten soll.

Es ist kein Konzept, das sich gut auf Plakate kleben lässt, sondern ein konkretes Systemproblem: Kann man wissenschaftliches Rechnen und KI-Rechenleistung auf einer einzigen Plattform organisieren? Können verschiedene Arten von Aufgaben nicht mehr getrennt voneinander laufen? Kann große Rechenleistung zu einem stabilen, abrufbaren Service werden?

Was Sugon 8000 beweisen soll, ist nicht nur, ob ein inländisches Cluster mit 100.000 Karten gebaut werden kann – diese Frage ist bereits beantwortet. Schwieriger ist der zweite Teil: Kann die Effizienz der auf öffentlichen Wegen organisierten Rechenleistung mit der des privaten Weges mithalten? Kann sie unter dem echten Druck von mehreren Nutzern, mehreren Aufgaben und mehreren Szenarien stabil laufen, verwaltet werden und nutzbar sein?

Die Antwort wird nicht auf einer Pressekonferenz erscheinen. Der wahre Maßstab für die Bewertung könnte ein Indikator sein, der selten öffentlich diskutiert wird: die gesellschaftliche Auslastung der Rechenleistung. Es geht nicht darum, wie hoch der Spitzenwert eines einzelnen Clusters ist, sondern wie viel der bereits aufgebauten fortschrittlichen Rechenleistung eines Landes wirklich von Wissenschaft und Industrie genutzt wird. Es geht nicht darum, wie viele Ressourcen im Rechenzentrum vorhanden sind, sondern ob diese Ressourcen am Ende tatsächlich zu Papieren, Modellen, Simulationsergebnissen, industriellen Anwendungen und Unternehmensdiensten werden.

Private Modelle können die Effizienz einzelner Punkte sehr hoch machen, aber sie hinterlassen natürlicherweise Hürden. Das Problem des öffentlichen Modells ist genau umgekehrt: Der Zugang ist einfach, aber die Nutzung ist schwierig; die Vernetzung ist einfach, aber die Verwaltung ist schwierig; der Aufbau eines Systems ist einfach, aber der langfristige stabile Betrieb ist schwierig.

Dass 100.000 Karten ins Netz gehen, ist erst der Anfang. Was danach wirklich zählt, ist die Verwaltung bei gemischten Lasten, die Stabilität bei Langzeitbetrieb, die Zuweisung von Ressourcen zwischen verschiedenen Nutzern und ob die Servicequalität durch die wachsende Nutzerzahl nicht beeinträchtigt wird.

Daher ist Sugon 8000 nicht nur eine große Maschine, sondern eher ein Belastungstest für Chinas Weg der öffentlichen Rechenleistung.

03. Der schwierigere Weg

Ehrlich gesagt ist der Weg der öffentlichen Rechenleistung schwieriger.

Die Logik des privaten Modells ist viel einfacher: Kapital investieren, klare Ziele verfolgen, sich selbst bedienen. Solange die kommerzielle Rendite groß genug ist, ist die weitere Expansion eine vernünftige Wahl.

Das öffentliche Modell ist viel komplexer. Es erfordert Standards, Koordination, die Anpassung von Software- und Hardware-Ökosystemen sowie Geduld für langfristigen Betrieb. Seine Ergebnisse werden nicht unbedingt in einem spektakulären Veröffentlichungsmoment präsentiert. Oft zeigen sie sich nur in wenig auffälligen Veränderungen: Die Wartezeit in der Aufgabenwarteschlange wird kürzer, Forschungsteams können mehr Experimente durchführen, die Kosten für Unternehmen zur Modellvalidierung sinken, und mehr Entwickler erhalten Zugang zu groß angelegten Rechenumgebungen, die früher schwer erreichbar waren.

Umgekehrt wird es nicht sofort zu einem spektakulären Misserfolg kommen, wenn dieser Weg nicht erfolgreich ist. Wahrscheinlicher ist: Das System wird aufgebaut, aber nicht ausreichend genutzt; Ressourcen werden angeschlossen, aber nicht reibungslos verwaltet; die Plattform existiert, aber die Nutzer finden sie nicht praktikabel. Am Ende spiegelt sich das stillschweigend in einer Bilanz wider: Hohe Investitionen, unzureichende Ergebnisse.

Das ist die wahre Prüfung für den Weg der öffentlichen Rechenleistung. Rechenleistung zu einem Netzwerk zu verbinden, bedeutet nicht, dass sie automatisch fließt. Einen Cluster mit 100.000 Karten zu bauen, bedeutet nicht, dass Wissenschaft und Industrie sofort Ergebnisse erzielen. Dazwischen liegen Verwaltungssysteme, Software-Ökosysteme, Aufgabenanpassung, Preismechanismen, Datensicherheit und Betriebsfähigkeiten.

Aber wenn dieser Weg erfolgreich beschritten wird, wird er tiefere Veränderungen herbeiführen als jedes einzelne Modell.

Die Hürden für Innovationen werden neu definiert. Ein Labor, ein Startup, ein Entwickler muss nicht zuerst ein eigenes Rechenzentrum besitzen, um an der Konkurrenz um KI und wissenschaftliche Intelligenz teilzunehmen. Sie können Rechenleistung je nach Aufgabe abrufen und ihr Geld und ihre Energie mehr auf das eigentliche Problem verwenden, anstatt sie in die Infrastruktur vor dem Einstieg zu stecken.

Als Container aufkamen, jubilierten nicht viele Menschen über eine eiserne Kiste. Die Menschen verstanden ihren Wert erst viele Jahre später, als sie sahen, wie die Kosten des Welthandels sanken, Waren schneller von einem Hafen zum anderen flossen und die Weltwirtschaft neu vernetzt wurde.

Die Rechenleistung ist jetzt an einem ähnlichen Punkt angekommen.

100.000 Karten sind natürlich wichtig. Aber wichtiger ist, wie diese 100.000 Karten organisiert werden. Sie können zu einer hohen Mauer für wenige werden oder zu einem Netzwerk, das mehr Menschen den Zugang zu Innovationen ermöglicht. Sie können in der Erzählung über die Größe in Rechenzentren verharren oder zu einer Fähigkeit werden, die Wissenschaft, Industrie und Entwickler wirklich nutzen können.

Dieses Zeitalter der Rechenleistung hat gerade erst begonnen.

Dieser Artikel stammt aus dem WeChat-Offiziellen Konto „Bohu Caijing“ und wird von 36kr mit Genehmigung veröffentlicht.