Kina påskyndar övergången till egenutvecklade AI-chips under USA:s påtryckningar

Kinas största teknikföretag arbetar snabbt för att ersätta Amerikanskt kisel, men de omedelbara fördelarna ligger i att driva AI, inte att utbilda den. Exportbegränsningar på avancerade Nvidia-delar har drivit lokala designers att bygga "tillräckligt bra" chips som håller tjänster online medan längre investeringar i tillverkning mognar.

Alibaba är det ledande exemplet. Företaget var tidigare en stor kund till Nvidia, men testar nu en ny intern processor som är inriktad på en bred uppsättning inferensuppgifter, inte bara smala jobb med ett enda syfte. Chipet tillverkas i ett kinesiskt gjuteri i stället för hos TSMC, ett skifte som tvingats fram av amerikanska restriktioner. För att underlätta införandet behöll Alibaba kompatibiliteten med Nvidias mjukvaruekosystem, så att teamen kan återanvända befintlig kod.

Rivaler närmar sig från olika perspektiv. Shanghai-start MetaX rullade ut en GPU med mer minne än Nvidias H20, den mest avancerade Nvidia-modellen Washington släppte kort tillbaka till Kina innan Peking sa till köpare att hålla sig borta, och bytte högre strömuttag för kapacitet på vissa arbetsbelastningar. MetaX planerar att skala med hjälp av äldre processteknik och en multi-die-metod för att kringgå kapacitetsgränser vid inhemska fabriker. Under tiden bokade Cambricon cirka 247 miljoner dollar i kvartalsintäkter på starka order för sitt Siyuan 590-chip och varnade investerare efter en kraftig aktieökning; dess marknadsvärde ligger fortfarande långt över tidigare nivåer.

Statligt stöd förlänger tidslinjen. Peking lanserade en fond på 8,4 miljarder dollar för att minska utlandsberoendet, och Huawei visade upp ett system som syr ihop 384 Ascend-chip. Vissa utvärderingar säger att det kan toppa ledande amerikanska redskap på utvalda mätvärden, men energikostnaden är brant. Trots detta har stora offentliga molnleverantörer varit försiktiga med Ascend-inköp i bulk, delvis för att de ser Huawei som en direkt molnkonkurrent.

Verktyg och leveranskedjor är fortfarande flaskhalsarna. Många ingenjörer föredrar fortfarande Nvidias mogna mjukvarustack; inhemska chips kan vara svårare att integrera, och rapporter om överhettning eller systemfel under långa träningskörningar kvarstår. Kinesiska fabriker, som begränsas av begränsad tillgång till avancerad utrustning, har svårt att lägga till den kapacitet som konstruktörerna vill ha, vilket tvingar vissa leverantörer att kombinera mindre chip eller luta sig mot äldre noder. Alibabas nya chip hjälper till på kompatibilitetsfronten, men det löser inte flaskhalsen för träning.

Denna uppdelning, smidig inferens kontra svår träning, definierar det nuvarande gapet. Amerikanska kontroller blockerar de mest avancerade träningsprocessorerna, och Alibabas senaste del fokuserar på att betjäna förutbildade modeller snarare än att skapa dem. Fram till dess att lokal hårdvara på ett tillförlitligt sätt kan hantera långa, heta träningscykler i stor skala kommer Kinas stora framsteg att inriktas på att hålla AI-tjänsterna responsiva istället för att bygga större grundmodeller.

Ändå fortsätter framstegen. DeepSeek antydde att programvarulösningar plus förbättrad inhemsk kisel kan föra träningen framåt, och vissa investerare hävdar att en fullständig AI-stack "made-in-China" kan nå skala tidigare än väntat, vilket pressar Nvidia hemma och utomlands.