Благодаря стремительному прогрессу в области искусственного интеллекта (ИИ), вычислительная мощность превратилась в незаменимую цифровую инфраструктуру. Эта инфраструктура позволяет реализовывать множество практических задач: системы ИИ способны определять калорийность по фотографии, огромные массивы данных о трафике обрабатываются в реальном времени для оптимизации городской мобильности, производственные процессы динамически планируются для повышения эффективности фабрик, а также генерируются высокореалистичные визуальные образы для медиапроизводства.
Согласно данным Министерства промышленности и информационных технологий Китая, к концу июня 2026 года национальная мощность интеллектуальных вычислений достигла 2 185 экзафлопс (EFLOPS). Для поддержки этого роста было создано более 70 крупных вычислительных коридоров, связывающих ключевые национальные центры обработки данных по всей стране.
В августе 2026 года Китай представил свой план развития сектора информационных и коммуникационных технологий, охватывающий период пятнадцатого пятилетнего плана (2026–2030 гг.). Этот план ставит амбициозные цели: к 2030 году ожидается, что мощность интеллектуальных вычислений достигнет 9 800 EFLOPS, а мощность передового хранения данных — 1 700 экзабайт (EB). Это означает увеличение более чем в пять раз для вычислений и в два раза для хранения по сравнению с базовыми показателями 2025 года.
Эксперты, опрошенные изданием People's Daily, объяснили взаимосвязь между вычислительной мощностью и хранением. Гуо Лян, ведущий инженер Института исследований облачных вычислений и больших данных при Китайской академии информационных и коммуникационных технологий, отметил, что «вычислительная мощность в первую очередь занимается обработкой данных, обучением моделей и инференсом, тогда как мощность хранения управляет сбором, управлением, хостингом и распределением данных».
На практике, контрольные точки обучения ИИ, промежуточные состояния при инференсе агентов ИИ и буферы контекстной памяти распределяются по многоуровневым высокопроизводительным системам хранения. Синхронизация ресурсов вычислений и хранения позволяет разработчикам значительно ускорить обучение моделей ИИ, повысить скорость инференса и улучшить качество результатов.
По состоянию на июнь 2026 года, общенациональный коэффициент использования вычислительных мощностей составлял 71,4%, а общий объем хранения данных достиг примерно 2 021 EB, при этом передовое хранение составляло около 32%.
Поскольку большие языковые модели быстро масштабируются от сотен миллиардов до триллионов параметров, вычислительная мощность отдельных кластеров становится решающим фактором для эффективности обучения. Чтобы решить эту проблему, новый план требует создания многоуровневой инфраструктуры, включающей национальные узлы, региональные центры и периферийные узлы. Он предусматривает поэтапное внедрение кластеров интеллектуальных вычислений мощностью от 10 000 до более чем 100 000 графических процессоров (GPU), что лучше соответствует растущему спросу на ультрамасштабное параллельное обучение по мере усложнения моделей.
Согласно плану, Китай будет внедрять технологии высокоскоростной передачи данных со скоростью 400G и выше, стремясь улучшить основные вычислительные коридоры, соединяющие национальные центры обработки данных, и обеспечить качественную сетевую поддержку для межрегиональной координации вычислительных ресурсов. Одновременно с этим, план поощряет комплексное развитие систем вычислений и энергетики с целью создания зеленой, низкоуглеродной инфраструктуры, которая снижает эксплуатационные расходы и поддерживает национальные цели по декарбонизации.
«Эффективная координация» является ключевым направлением в развитии вычислительной инфраструктуры Китая в рамках пятнадцатого пятилетнего плана. Анализ китайского ландшафта вычислительной мощности за 2026 год показал, что провинции Хэбэй, Цзянсу, Гуандун, а также Шанхай и Пекин входят в число ведущих регионов по общей вычислительной мощности.
В целом, региональное развитие остается неравномерным, и все еще необходима более глубокая интеграция вычислительной мощности с отраслевыми приложениями. Кроме того, на практике существуют различные ограничения для межрегионального распределения вычислительных ресурсов.
В течение следующих пяти лет Китай построит многоуровневую систему вычислительной инфраструктуры, охватывающую узлы, регионы и периферию; улучшит взаимосвязанную сетевую архитектуру, соединяющую вычислительные мощности; повысит эффективность бесперебойной передачи данных на большие расстояния между узлами и полностью свяжет вычислительные платформы по всей стране. Эксперты отмечают, что эти усилия существенно повысят эффективность использования ресурсов данных.
Гуо подчеркнул, что основная цель постановки таких амбициозных целей роста — удовлетворение среднесрочных и долгосрочных потребностей моделей ИИ и цифровых отраслей Китая, принимая во внимание такие факторы, как промышленное развитие, технологическая конкуренция и безопасность.
По состоянию на июнь текущего года, Китай завершил процесс регистрации 988 сервисов генеративного ИИ, что на 686 больше, чем к концу 2024 года, и на 240 больше, чем к концу 2025 года. По мере роста числа больших ИИ-моделей ежегодно возрастает спрос на вычислительную мощность, что создает потребность в достаточно надежном вычислительном фундаменте для поддержки разработки и промышленного применения различных моделей.
В то же время объемы данных в различных отраслях продолжают расти, что стимулирует повышенный спрос на хранение, управление и оборот данных. Интеллектуальные приложения предъявляют более высокие требования к поставке, обработке, управлению и безопасности данных, что диктует необходимость скоординированного подхода к масштабу, структуре и производительности передового хранения данных.
Гуо заключил, что «глобальное расширение интеллектуальных вычислений происходит быстро, и высококлассные интеллектуальные вычисления стали критической основой для конкуренции в цифровом секторе. Установка относительно высокой цели поможет стимулировать инновации по всей промышленной цепочке, способствовать скоординированным прорывам в таких областях, как кластеры интеллектуальных вычислений, чипы и интерконнективность, устранить недостатки в вычислительной инфраструктуре и постепенно сократить отставание от международного передового уровня».
