China Bangun Jaringan Pusat Data AI Stargate Senilai US$37 Miliar untuk Memusatkan Komputasi

Pusat utama di Sungai Yangtze

China mengubah sebuah pulau seluas 760 acre di Kota Wuhu menjadi kompleks pusat data yang luas, sebagai inti dari rencana nasional untuk memusatkan komputasi kecerdasan buatan. Proyek yang banyak disebut sebagai Stargate-nya China ini menghubungkan server dari Huawei, China Mobile, China Telecom, dan China Unicom. Tujuannya adalah menggabungkan fasilitas yang tersebar menjadi jaringan terpadu yang dapat dijadwalkan dan digunakan bersama dalam skala besar, sebagai respons atas melonjaknya permintaan AI dan terbatasnya akses ke prosesor tercanggih. Pemerintah setempat menyebut investasi terkait proyek ini telah mencapai 270 miliar yuan, atau sekitar 37 miliar dolar.

Lokasi di Wuhu, yang dikenal warga setempat sebagai Data Island, berada tak jauh dari Shanghai, Hangzhou, dan Nanjing. Kedekatan dengan pasar perkotaan yang padat itu penting untuk inferensi AI, yakni tahap ketika model yang telah dilatih menjawab pertanyaan atau menghasilkan konten bagi pengguna. Jarak yang lebih pendek mengurangi latensi, sehingga asisten suara, pencarian, pemeriksaan risiko keuangan, rekomendasi ritel, dan layanan perkotaan terasa lebih responsif. China juga memperluas atau mengalihfungsikan fasilitas di Ulanqab, Guizhou, dan Qingyang untuk melayani wilayah lain. Pusat-pusat data terpencil itu, yang banyak berada di kawasan dengan harga lahan lebih murah dan pasokan listrik melimpah, diarahkan untuk berfokus pada pelatihan model, tahap pengembangan AI yang paling membutuhkan komputasi.

Apa yang akan ada di Data Island seluas 760 acre

Operator membangun aula-aula besar yang dipenuhi akselerator, CPU, memori, penyimpanan, dan perangkat switching berkecepatan tinggi. Operator telekomunikasi telah memasang dan mengelola jalur serat optik di seluruh kawasan, sehingga lokasi tersebut dapat terhubung dengan kapasitas tinggi ke kota-kota terdekat dan klaster-klaster lain di pedalaman. Visi proyek ini adalah memungkinkan beban kerja berpindah melintasi jaringan sesuai tingkat urgensi, biaya, dan ketersediaan, dengan sumber daya yang menganggur di satu lokasi dialihkan untuk membantu tugas di lokasi lain. Huawei mempromosikan UB Mesh, teknologi yang diklaim dapat menghubungkan prosesor di banyak aula atau bahkan kota, dengan perangkat lunak yang memperlakukannya sebagai satu kumpulan untuk pelatihan dan inferensi.

Mengapa komputasi AI dipusatkan sekarang

Beijing ingin meningkatkan manfaat dari setiap chip di dalam negeri. Dalam beberapa tahun terakhir, banyak akselerator di provinsi-provinsi terpencil kurang dimanfaatkan karena permintaan setempat terbatas, sementara perusahaan pesisir yang membutuhkan komputasi kesulitan mengakses kapasitas tersebut. Jaringan nasional diharapkan dapat mengatasi masalah ini. Dengan menghubungkan berbagai klaster, para perencana berharap dapat meningkatkan redundansi saat terjadi gangguan, memaksimalkan pemanfaatan seluruh infrastruktur, dan menciptakan pasar tempat kelebihan kapasitas komputasi di satu wilayah dapat dijual kepada pembeli di wilayah lain.

Langkah ini juga dibentuk oleh geopolitik. Para analis memperkirakan laboratorium AS menguasai sekitar tiga perempat kapasitas komputasi AI global, sedangkan China menguasai sekitar 15 persen. Kontrol ekspor AS membatasi akses China terhadap GPU Nvidia tercanggih dan melarang produsen chip kontrak terkemuka membuat chip tersebut untuk klien China. Karena itu, koordinasi perangkat keras dalam negeri yang lebih baik menjadi prioritas. Pemusatan adalah kebijakan yang tersedia saat ini, sementara proyek chip domestik berupaya mengejar ketertinggalan.

Cara kerja jaringan ini

Rencana tersebut membedakan dengan jelas dua jenis pekerjaan AI. Pelatihan adalah tahap berat ketika model belajar dari data. Tahap ini cocok dilakukan di lokasi terpencil yang dapat memanfaatkan listrik dan lahan lebih murah, serta memungkinkan pekerjaan berdurasi panjang menggunakan ribuan akselerator selama berhari-hari atau berminggu-minggu. Inferensi adalah tahap respons ketika model yang telah dilatih melayani pengguna. Proses ini dilakukan lebih dekat dengan pengguna akhir di kota-kota besar, tempat kecepatan dan keandalan lebih penting daripada biaya listrik serendah mungkin.

Pelatihan di barat, inferensi dekat pesisir

Wilayah terpencil seperti Mongolia Dalam dan Gansu telah memiliki kompleks server raksasa yang dibangun untuk layanan cloud atau internet. Dengan pendekatan baru ini, aula-aula tersebut dialihfungsikan untuk melatih model, termasuk model bahasa besar (LLM). Fasilitas itu terhubung ke kota-kota pesisir melalui serat optik berkapasitas tinggi, sehingga model yang telah disimpan pada titik pemeriksaan dapat segera disalin ke klaster inferensi dekat Shanghai, Hangzhou, Guangzhou, dan kota-kota besar lainnya.

Huawei UB Mesh dan penjadwalan tingkat klaster

Agar sistem ini berfungsi, operator membutuhkan interkoneksi cepat dan perangkat lunak yang dapat mengoordinasikan ribuan prosesor. UB Mesh diposisikan sebagai jaringan penghubung yang mengurangi beban komunikasi antarakselerator di berbagai ruangan atau lokasi. Dalam praktiknya, ini berarti penggunaan teknik serupa dengan yang dipakai dalam komputasi berkinerja tinggi, seperti akses memori langsung jarak jauh dan pustaka komunikasi kolektif yang menjaga banyak chip tetap selaras saat melatih jaringan saraf berukuran sangat besar. Di atas jaringan penghubung ini, penjadwal dapat menempatkan tugas di lokasi yang memiliki pasokan listrik, tempat chip yang sesuai sedang menganggur, atau lokasi dengan latensi terendah ke pelanggan akhir.

Subsidi dan keterbatasan pasokan chip

Wuhu menawarkan subsidi yang dapat menanggung hingga 30 persen biaya pengadaan chip AI. Hibah setempat seperti ini mengurangi biaya awal untuk mengisi rak server, mempercepat penerapan, dan membantu operator mencapai target kepadatan lebih cepat. Subsidi tersebut juga membantu menjembatani kesenjangan antara akselerator domestik dan komponen asing terbaru yang terkena kontrol ekspor.

Vendor domestik seperti Huawei dan Cambricon berupaya mengatasi kesenjangan itu dengan akselerator dan perangkat lunak kompilator. Operator masih menghadapi beragam generasi perangkat keras yang dapat mempersulit proses pelatihan, terutama ketika model berkembang hingga triliunan parameter. Tekanan ini mendorong munculnya pasar gelap. Para penjual kembali berupaya mendapatkan sistem Nvidia yang dibatasi dan memasukkannya ke China meski ada kontrol ekspor. Salah satu perantara yang berbasis di Wuhu dikaitkan dengan pesanan server generasi Blackwell. Nvidia menolak anggapan bahwa peralatan semacam itu dapat digunakan di China dalam skala besar di bawah aturan saat ini, dengan alasan bahwa rantai pasokan, lisensi, dan persyaratan dukungan membuat klaim tersebut tidak realistis.

Pihak yang diuntungkan

Tujuan jangka pendeknya adalah memberi bisnis di kota-kota besar akses lebih cepat ke inferensi AI. Bank dapat menjalankan pemeriksaan risiko dan mendeteksi penipuan dengan latensi lebih rendah. Peritel dapat menggunakan model rekomendasi yang diperbarui hampir secara waktu nyata. Instansi kota dapat memanfaatkan visi komputer untuk mengatur lalu lintas dan memantau banjir. Perusahaan media dan desain dapat merender gambar dan video dengan lebih sedikit jeda. Perusahaan rintisan dapat menyewa komputasi per jam tanpa harus membeli perangkat keras di muka. Dengan menghubungkan pusat pelatihan di pedalaman ke klaster inferensi di pesisir, jaringan ini berupaya melayani kebutuhan eksperimen sekaligus operasional sehari-hari.

Operator telekomunikasi juga memperoleh peran yang melampaui konektivitas. Pusat data mereka menjadi penyewa utama di era AI, menjual komputasi dan penyimpanan kepada pelanggan cloud sekaligus menyediakan bandwidth antarkota yang menjaga sinkronisasi model. Bagi pemerintah daerah, pembangunan ini menjanjikan lapangan kerja selama konstruksi dan fondasi bagi layanan digital yang dapat menarik bisnis teknologi baru ke kawasan tersebut.

Perbandingan dengan pembangunan Stargate di AS

China mendorong jaringan bertahap yang menggabungkan banyak aula yang sudah ada, sementara Amerika Serikat mendukung pembangunan sejumlah kampus baru berskala sangat besar dalam proyek bernama Stargate. Investor dan operator berencana menggelontorkan hingga 500 miliar dolar di seluruh negeri. Peta jalan proyek ini menargetkan kapasitas pusat data hampir 7 gigawatt, setara dengan keluaran sekitar tujuh reaktor nuklir besar. Salah satu kampus utama di Abilene, Texas, dirancang untuk menampung lebih dari 400.000 GPU. Mitra proyek menyatakan pembangunan ini akan menciptakan sekitar 25.000 lapangan kerja di lokasi saat puncak konstruksi.

CEO OpenAI Sam Altman menguraikan taruhannya dengan sederhana, dengan menyoroti kaitan antara kemajuan AI di masa depan dan perangkat keras yang dibutuhkan untuk mendukungnya. Sebelum mengumumkan lokasi baru bersama para mitra, ia mengungkapkan secara terus terang skala yang diperlukan.

AI hanya dapat memenuhi janjinya jika daya komputasi yang diperlukan dibangun.

Kedua strategi ini berbeda dalam pendekatannya. AS bertaruh pada kampus-kampus baru berskala sangat besar yang menempatkan ratusan ribu akselerator di balik satu kompleks. China merangkai banyak klaster lama dan baru, lalu menggunakan perangkat lunak penjadwalan dan interkoneksi baru agar semuanya berfungsi sebagai satu kesatuan yang lebih besar. Pendekatan AS menguji batas pasokan listrik, lahan, dan air di beberapa lokasi. Rencana China menyebar risiko dan biaya, sembari menerima beban tambahan untuk menjalankan banyak lokasi sebagai satu sistem.

Listrik, pendinginan, dan jaringan

Klaster AI modern menyerap listrik dalam jumlah besar dan menghasilkan panas yang harus dibuang sepanjang waktu. Lokasi pulau di Wuhu membutuhkan gardu induk, jalur transmisi, dan kapasitas cadangan baru agar sistem penting tetap beroperasi saat terjadi gangguan. Sebagian besar aula pelatihan mengandalkan pendinginan cair untuk membuang panas langsung dari chip dan memori, beralih dari pendinginan udara yang umum digunakan di ruang server lama. Operator akan mencari sumber air terdekat atau sistem sirkulasi tertutup yang mengurangi pengambilan air, serta menuntut vendor meningkatkan efisiensi di tingkat rak.

Jaringan sama pentingnya. Menghubungkan pusat pelatihan terpencil dengan klaster inferensi di pesisir membutuhkan jalur serat optik berkapasitas beberapa terabit, transponder optik yang mampu mengirim data hingga ratusan kilometer, dan switch yang dapat menangani lalu lintas timur-barat di dalam pusat data tanpa hambatan. Operator dengan jaringan tulang punggung nasional memiliki keunggulan. Mereka dapat menyediakan jalur redundan dan mengelola rekayasa lalu lintas agar pembaruan model dan titik pemeriksaan tiba tepat waktu, termasuk saat pemeliharaan atau cuaca buruk.

Risiko, keamanan, dan tata kelola

Pemusatan meningkatkan kendali dan visibilitas, tetapi juga memusatkan risiko. Jika terlalu banyak kapasitas bergantung pada beberapa koridor jaringan, gangguan atau serangan siber dapat berdampak ke berbagai wilayah. Para perencana menyatakan redundansi telah disiapkan dengan menghubungkan banyak lokasi dan merancang jalur pengalihan. Tim keamanan siber perlu melindungi bobot model, data pelanggan, dan lapisan penjadwalan itu sendiri, yang akan menjadi sasaran utama setelah mengendalikan kumpulan komputasi berskala besar.

Ada sejumlah kendala praktis. Penggunaan banyak aula yang lebih kecil atau lebih tua dapat mengurangi efisiensi pelatihan dibandingkan satu kampus baru yang dirancang untuk satu generasi perangkat keras. Kontrak pasokan listrik dan stabilitas jaringan harus mengikuti laju pertumbuhan. Keputusan penggunaan lahan, termasuk alih fungsi lahan pertanian, dapat menuai sorotan jika masyarakat setempat merasa tergusur atau produksi pangan berkurang. Transparansi mengenai kompensasi, dampak lingkungan, dan perencanaan jaringan listrik akan memengaruhi penerimaan publik.

Langkah selanjutnya

Saat ini, pekerjaan berfokus pada perluasan aula pertama di Wuhu, menghubungkannya dengan pusat pelatihan di pedalaman, dan memperkuat perangkat lunak yang menjadwalkan pekerjaan lintas lokasi. Pemerintah daerah menyelaraskan siklus pengadaan dengan periode pemberian subsidi untuk mendorong calon penyewa awal berkomitmen menggunakan kapasitas. Operator telekomunikasi mengaktifkan jalur serat optik baru dan meningkatkan jaringan tulang punggung agar titik pemeriksaan model dapat berpindah cepat dari lokasi pelatihan ke klaster inferensi dekat kota-kota pesisir.

Para insinyur akan mengamati tiga hal dengan saksama. Pertama, apakah UB Mesh dan jaringan sejenis benar-benar memberikan peningkatan yang diklaim saat digunakan di banyak aula. Kedua, apakah akselerator, kompilator, dan kerangka kerja domestik dapat melatih dan menjalankan model-model terbaru dengan efisiensi yang memadai. Ketiga, apakah pasokan listrik dan pendinginan dapat mengimbangi peningkatan kepadatan rak tanpa menyebabkan pemadaman bergilir atau tekanan terhadap sumber air. Kemajuan dalam hal-hal tersebut akan menentukan seberapa cepat jaringan nasional berkembang dan seberapa besar kontribusinya terhadap pertumbuhan layanan AI di seluruh negeri.

Poin-Poin Utama

• China membangun jaringan komputasi AI terpusat yang berpusat di Data Island seluas 760 acre di Wuhu, dengan investasi sekitar 37 miliar dolar.
• Jaringan ini menghubungkan fasilitas di Wuhu dengan klaster pedalaman di tempat-tempat seperti Ulanqab, Guizhou, dan Qingyang untuk memisahkan pelatihan dan inferensi.
• Huawei, China Mobile, China Telecom, dan China Unicom merupakan operator utama, dengan Huawei mempromosikan UB Mesh untuk konektivitas antarklaster.
• Wuhu menawarkan subsidi hingga 30 persen untuk pembelian chip AI guna mempercepat penerapan di tengah kontrol ekspor atas GPU asing tercanggih.
• China berupaya meningkatkan pemanfaatan akselerator yang sudah ada dan menjual kelebihan kapasitas komputasi lintas wilayah melalui lapisan penjadwalan terpadu.
• Para analis memperkirakan AS menguasai sekitar 75 persen kapasitas komputasi AI global, sementara China memiliki sekitar 15 persen.
• Program Stargate AS menargetkan kapasitas hampir 7 gigawatt dan belanja hingga 500 miliar dolar, termasuk kampus di Texas yang dirancang untuk 400.000 GPU.
• CEO OpenAI Sam Altman mengatakan pembangunan kapasitas komputasi yang memadai sangat penting agar AI dapat memenuhi harapan.
• Pemusatan menjanjikan latensi lebih rendah bagi pengguna di kota-kota pesisir besar dan redundansi di berbagai lokasi yang saling terhubung.
• Tantangannya mencakup pasokan listrik dan pendinginan, keamanan siber, keragaman perangkat keras di berbagai lokasi, serta sorotan publik terhadap penggunaan lahan dan air.