跳到正文
aihot(aihot.news)· noreply@aihot.news (Epoch AI:Gradient Updates)·· 10 天前精選品質評分76

Epoch AI 分析華為和林格爾資料中心,估算中美算力差距

Epoch AI 分析華為和林格爾資料中心,揭示中美算力差距

重點導讀

Epoch AI 根據衛星影像、冷卻裝置模型與晶片銷量,估算華為和林格爾資料中心目前約有 105,000 顆 Ascend 910C 與 8,000 顆 Ascend 910B 運作,合計約 81,000 H100e。

AI 伴隨問答

自備 Key 深度分析

針對這篇報導有疑問?可直接點選快捷問題或向 AI 追問背景脈絡與技術細節:

推薦理由

文章以衛星影像、冷卻裝置與晶片銷量推算園區算力,呈現量化資料中心規模與比較中美算力的方法。

正文

Epoch AI:Gradient Updates· Ben Cottier·2026-11-13 00:03· 1 小時前精選AI 評分64

What Huawei’s Horinger data center reveals about China’s compute gap

AI 導讀

Epoch AI 通過衛星影像和冷卻裝置模型估算,華為和林格爾資料中心已投運約 105,000 顆 Ascend 910C 和 8,000 顆 Ascend 910B 晶片,對應約 81,000 H100 等效算力,為全球最大 AI 資料中心 SpaceX Colossus 2 的約 7%。

推薦理由

Epoch AI 用衛星影像和冷卻模型測算華為和林格爾資料中心的算力規模,讀者可以看到中美算力差距的具體量化方法。

本文是我們網站上長篇報道的精簡版


華為是中國最大的 AI 晶片開發商,它正依託中國充沛的能源建設資料中心。然而,受美國出口管制影響,它在晶片效能和能效上都落後於美國競爭對手輝達。

以華為位於內蒙古和林格爾的 AI 資料中心為例,按 AI 算力規模計算,它是中國最大的資料中心之一,但容量不到全球最大的 AI 資料中心——田納西州的 Colossus 2——的十分之一。從未來的建設規劃看,至少到 2028 年,它仍將遠遠落後於 Colossus。

本文藉助衛星影像和公開資料,考察和林格爾園區以及華為更廣泛的 AI 基礎設施計劃,說明我們是如何得出上述結論的。

和林格爾園區:AI 用 IT 電力容量最高可達 286 兆瓦

華為和林格爾園區位於和林格爾新區,由西、南、北三個區域組成。衛星影像顯示,當地村莊已被拆除,為資料中心騰出土地。

該園區很可能服務多種終端使用者和應用,但華為的檔案顯示,園區配備的是主要面向大模型訓練和推理的“超節點”伺服器,這意味著園區很大一部分是專門用於 AI 的。

我們購買了這些區域的商業高解析度衛星影像,用來估算建築的電力容量。主要方法是冷卻裝置模型:根據可見冷卻機組的型別、尺寸和數量,估算其排熱能力,進而推算建築的 IT 電力容量。

衛星影像顯示,每個區域都包含幾乎相同的三層建築。但北區的冷卻塔數量遠少於西區和南區,說明北區的建築不太可能容納高效能 AI 晶片——現代 AI 伺服器的功率密度往往是行業平均水平的 10 倍以上。

左圖:北區的兩棟資料中心建築,屋頂上可見三座冷卻塔和若干小型風冷冷水機組,其中左下建築屋頂有冷卻裝置,右上建築則看不到明顯的冷卻裝置。右圖:南區的兩棟資料中心建築,屋頂上可見多得多的冷卻塔和風冷冷水機組。冷卻裝置用藍色標出。兩處地點的冷卻機組至少 6 個月沒有變化。影像 © 2026 Vantor,拍攝於 8 月 18 日。

排除低密度的北區後,剩下四棟看起來已經完工、冷卻設施密集的建築:南區和西區各兩棟。我們的冷卻模型估算,這四棟建築合計 IT 電力容量為 286 兆瓦(MW)。

我們觀察到若干線索,表明這些建築已在執行。首先,從外觀上看,這些建築基本完工,包括冷卻裝置、備用發電機和停車場,沒有仍在施工的跡象。其次,一張衛星影像顯示,至少一棟建築的蒸發冷卻塔上方似乎有凝結水汽,說明該建築正在執行。第三,在另一張影像中,多臺冷卻塔風扇帶有彩色的“殘影”,表明風扇正在轉動。1

四棟建築中只有西區的一棟尚未出現任何執行跡象。一份公開披露檔案暗示,該建築已於2026年9月完工,但當時尚未投入運營。我們估計它將在12月前投入運營,而另外三棟已經在執行。

估算和林格爾的算力

華為和林格爾園區的物理規模令人印象深刻,但評估中國AI能力時,其算力更為重要。

根據對該站點高功耗建築何時投入運營的估算,我們利用華為晶片銷量隨時間的變化,推算這些機架會裝入哪些晶片,並假設從銷售到部署有4個月的滯後期。由此得出,第一棟建築中為昇騰910C與910B的混合配置(以910C為主),另外三棟則100%為910C。鑑於仍有一棟尚未投入運營,我們發現,截至目前約有105,000顆昇騰910C晶片和8,000顆昇騰910B晶片處於執行狀態。

要比較中美晶片,常用的基準是“H100等效”(H100e),即把效能與一顆H100晶片的產出進行對比。華為披露的資訊顯示,910C的效能約為0.76 H100e。與此同時,輝達的B200和B300晶片效能約為2.5 H100e。

因此,對已執行昇騰晶片的估算相當於81,000 H100等效(90%置信區間:36,000至141,000)。完整計算見這份電子表格。

結合我們對晶片總產量及其他資料中心部署情況的瞭解,我們認為這一估算合理。根據晶片銷量估算,截至2026年3月底,昇騰910C和昇騰910B晶片的銷量分別為907,000顆和600,000顆。衛星影像顯示,和林格爾的第三棟AI建築到2026年8月已投入運營。按銷售到部署4個月的滯後期推算,我們的估算表明,截至8月,華為和林格爾已用掉910C總庫存的11%。

和林格爾的AI算力相當於全球領先者的7%

以81,000 H100等效計算,按當今標準,華為和林格爾是一大型AI資料中心,也很可能是中國最大的之一。我們廣泛檢索了主要樞紐的中國AI資料中心,並深入評估了幾個頂尖候選專案。其中,只有VNET烏蘭察布和華為蕪湖可能匹敵或略超華為和林格爾。

然而,華為和林格爾與全球最大的AI資料中心仍有很大差距。這一頭銜屬於SpaceX位於田納西州的Colossus 2。Colossus 2的算力約為華為和林格爾的14倍。

資料中心的AI算力通常被劃分為多個高密度互聯的叢集,總容量未必能合併用於訓練同一個AI模型。不過,即便華為和林格爾的算力被拆分為多個叢集,仍可執行大規模研發實驗。僅華為和林格爾估算AI算力的10%(即8,100 H100e),就足以在一個月內訓練一個DeepSeek-V4-Pro規模的模型。在最樂觀的情況下,若將華為和林格爾當前全部算力合併用於單次訓練,訓練一個GPT-6 Astra規模的模型需要一年。

下一階段:到2028年初算力再增70%

華為和林格爾資料中心的建設遠未完成。如上所述,四棟建築中還有一棟尚未投入運營;而且根據衛星影像中的效果圖和施工現場來看,在已建成的六棟之外,至少還規劃了三棟新建築。

其中一棟新建築已在南區開工,從施工進度判斷,我們預計它將在2028年2月投入運營。假設這棟新建築與現有建築一樣以AI為核心,那麼到2028年初,該園區的AI算力總規模有望增長70%以上。

華為和林格爾園區南區一座正在建設中的資料中心(圖片 © 2026 Vantor,攝於8月18日)。

如果到2028年初算力再增加70%以上,華為和林格爾的算力將達到約141,000 H100e(90%置信區間:65,000至227,000)。但即便如此,它在Colossus 2容量中所佔的份額仍大致持平,甚至更小——我們預計Colossus 2到2028年至少達到180萬H100e。這並不一定意味著中國資料中心的整體前沿水平會進一步落後。例如,華為位於蕪湖的姊妹園區增長速度會略快一些,預計到2027年12月達到151,000 H100e。

這對中國AI意味著什麼

中國似乎擁有充足的能源來支撐資料中心。許多針對AI最佳化的設施正以數百兆瓦的容量建設,並搭載國產晶片。然而,美國AI資料中心每單位電力所支撐的AI算力是中國的2.5倍,其中最大的已經達到1,000 MW。華為和林格爾資料中心就是這一差距的典型例子,其算力僅為田納西州Colossus 2的7%。正因如此,中國在過去兩年能做出如此出色的AI模型就更令人印象深刻。但中國的算力約束在未來兩年內不太可能緩解,這意味著其AI能力和部署規模將繼續落後於美國。

感謝閱讀!免費訂閱即可接收新文章。

1

其原理是:風扇有時會將眩光反射到衛星影像感測器中,而感測器在略微不同的時間點分別捕捉紅、綠、藍三種波長。當風扇轉動時,眩光可能恰好只在捕捉其中一種波長時出現,從而使眩光呈現出某種明亮的顏色。

來源:Epoch AI:Gradient Updates · epochai.substack.com

來源: aihot (aihot.news)
開啟原文

讀者討論

理性交流 · 即時討論