「算力即國力」說法失效？大陸 AI 算力過剩 卻苦無高品質運算資源

圖／Pixabay

作者／林 妤柔

中國 2024 年在 AI 晶片市場陷入複雜局面，有些領域產能過剩，但先進 AI 開發所需的高品質運算資源卻面臨短缺狀況。

據《富比士》報導，中國各地都有大量閒置的資料中心，內部裝滿全球最先進 GPU，等着被使用，但同時中國 AI 新創 DeepSeek 卻稱其運算受限，缺乏建立下一代人工智慧模型所需的能力，爲什麼會有這些差異呢？

在面臨美國出口管制時，中國企業、地方政府及中國科技巨頭能做的就是「囤貨」，他們瘋狂採購 NVIDIA 晶片，興建 AI 資料中心，組建龐大的算力集羣，以應對未來可能的需求。同時，中國買家試圖繞過美國管制，透過第三方管道訂購 NVIDIA 最新 AI 晶片，包括全新 Blackwell 系列。然而，在這場對 AI 未來的狂熱準備中，許多人都忘記最基礎問題：如何運用這些算力？

中國 AI 基礎設施困境：算力過剩、效率低落、需求轉變

報導指出，中國 2024 年至少增加 100 萬顆 AI 晶片的運算能力，但這些部署卻沒考慮效率，因此被分散在不同品質的資料中心，導致高算力晶片被放在需求很低的地方，且政府在沒明確策略下一窩蜂建立基礎設施，導致大量的「低品質運算」資料中心出現。

此外，時機也是一個問題。2023 年各界掀起開發 AI 基礎模型的熱潮，但到 2024 年，許多計劃陷入停滯。一些公司意識到自己缺乏足夠資源來競爭，選擇放棄；另一些則轉向 AI 應用開發，而非繼續專注於基礎 AI 研究。結果，對於 AI 模型訓練的需求（這個最消耗算力）開始下滑。

同時，AI 推理需求則大幅上升，而且是與 AI 訓練不同的基礎架構。也因此，中國在 2023 年所建設的基礎設施主要是爲訓練而打造，而 2024 年市場需求轉變，導致 AI 訓練算力過剩，而 AI 推理算力卻嚴重短缺。

報導指出，第三個問題在於數與量的評估錯誤，雖然有些公司購買足夠的 GPU，理當可以組建大型 AI 運算中心，但實際上卻將這些晶片部署在多個小型、彼此獨立的資料中心。由於缺乏高速網路連接和合適的軟體架構，這些 GPU 無法發揮真正的大規模運算能力，無法形成一個完整、統一的 AI 訓練系統。對於中國許多 AI 叢集來說，這些 GPU 的存在更像是「金融資產」，而非真正能推動技術進步的研究工具，這也是典型的「將數量誤認爲能力」的案例。

中國如何從低效建設走向技術突破？

雖然中國政府並未對這些低效現象視而不見，並開始限制新資料中心的建設，除非這些設施符合特定的地理位置與基礎設施標準，並積極推動雲端運算、鼓勵企業共享算力，而非各自囤積 GPU 叢集。

報導認爲，美國 19 世紀迎來鐵路熱潮，各家公司爭相鋪設鐵軌但有些鐵路最終淪爲無用的投機產物，同樣的情況也可能發生在中國的 AI 基礎設施上。不過，今日的產能過剩或許正是未來技術突破的基礎，雖然目前許多GPU 閒置未被有效利用，但仍代表一種對 AI 普及化的投資。

也因此，報導認爲，只有能適應變化的企業，可整合運算資源、轉向推理應用、優化部署策略才能在市場脫穎而出；無法調整的企業則可能淪爲中國 AI 崛起歷程中的註腳。

．The Curious Case Of China’s Chip Surplus

本文由《科技新報》授權轉載，原文請點此