Shanghai construit une stratégie IA full-stack autour du calcul, des puces et des applications

Shanghai a transformé un titre de Google News en un test bien plus vaste : déterminer si la Chine peut bâtir une chaîne technologique de l’IA malgré des contraintes croissantes sur les puces. La ville relie capacités de calcul, processeurs nationaux, modèles et applications industrielles, plutôt que de miser sur un unique produit vedette.

Cette stratégie a occupé le devant de la scène lors de la World Artificial Intelligence Conference 2026, organisée à Shanghai du 17 au 20 juillet. Plus de 1 100 entreprises y ont présenté plus de 3 000 réalisations, tandis que le programme déplaçait l’attention des démonstrations de modèles vers l’infrastructure et le déploiement.

La tension est simple. Shanghai souhaite rendre l’IA utile dans l’industrie manufacturière, la science, les transports, les services publics et la robotique. Mais la ville doit soutenir ces charges de travail sans disposer d’un accès fiable à tous les processeurs avancés, procédés de fabrication ou outils logiciels dont bénéficient les hyperscalers américains.

L’enjeu dépasse donc une nouvelle initiative technologique locale. Shanghai cherche à démontrer qu’une demande coordonnée, des plateformes publiques de calcul, des architectures de puces alternatives et des subventions aux applications peuvent compenser les désavantages au front des semi-conducteurs.

Le titre de Google News masque une stratégie IA full-stack

Shanghai traite la puissance de calcul, les puces, les modèles et les applications comme un seul système industriel intégré.

L’événement immédiat n’est pas le lancement d’un produit unique. Il s’agit de la concentration, autour du secteur IA de la ville, de plusieurs projets, mesures politiques et engagements commerciaux.

Lors de WAIC 2026, Shanghai Unicom a annoncé son programme UniAI et déclaré prévoir d’investir plus de 25 milliards de yuans dans des infrastructures de calcul intelligent. Le programme couvre la modernisation industrielle, les services publics, la gouvernance urbaine et d’autres applications numériques.

La conférence a également mis en relation fournisseurs de technologies et clients potentiels. Son programme WAIC Connect a organisé 172 délégations d’acheteurs et présenté 63 scénarios d’application avant l’ouverture de l’événement.

Ces chiffres comptent, car ils montrent comment Shanghai entend créer la demande. La ville n’attend pas que les entreprises découvrent seules des cas d’usage rentables. Elle identifie des acheteurs, subventionne l’expérimentation et installe des infrastructures à proximité des organisations censées les utiliser.

L’exposition reflétait cette même orientation. Les organisateurs ont indiqué que l’événement réunissait plus de 300 robots exécutant des tâches liées à l’industrie, aux services aux consommateurs et au divertissement. Les présentations consacrées au calcul se sont étendues au-delà des accélérateurs individuels, vers les supernœuds et les grands clusters.

Un supernœud relie de nombreux processeurs par des connexions à haut débit afin qu’ils puissent traiter de lourdes charges de travail IA comme un seul système. Cette approche devient particulièrement importante lorsqu’un accélérateur national ne peut égaler les performances de la puce étrangère la plus avancée.

La base existante de la ville donne davantage de poids à cette stratégie. Le secteur IA de Shanghai a dépassé 450 milliards de yuans en 2024, selon le profil de l’industrie IA de la ville. Il comptait plus de 380 entreprises IA de taille significative et plus de 60 EFLOPS de capacité publique de calcul intelligent.

Un EFLOPS représente un quintillion d’opérations en virgule flottante par seconde. Cette mesure donne une vue approximative de la capacité théorique, sans toutefois révéler le taux d’utilisation, l’efficacité réseau, les performances mémoire ou le coût de fourniture d’une réponse utile.

Le secteur IA de Shanghai aurait dépassé 550 milliards de yuans en 2025, en hausse de plus de 30 % par rapport à l’année précédente. Les autorités locales ont attribué une partie de cette expansion à des politiques réduisant le coût du calcul, des modèles et des données d’entraînement.

C’est le changement important derrière le résultat Google News. Shanghai ne se contente plus de présenter les entreprises d’IA comme des réussites isolées. Elle assemble un système capable d’accompagner un projet depuis la recherche, l’accès au calcul et le développement de modèles jusqu’aux tests clients et au déploiement commercial.

Le système s’étend également au-delà du centre de Shanghai. Les charges de calcul peuvent être exécutées dans les régions de l’ouest riches en énergie, tandis que développeurs, entreprises de puces, laboratoires et acheteurs industriels restent concentrés près de la côte.

Le réseau national chinois de calcul doit relier ces différentes composantes. Il connecte centres de données, installations de supercalcul et infrastructures edge afin que les charges de travail puissent être déplacées selon les exigences de latence, d’énergie et de capacité.

Cette organisation ressemble davantage à un réseau électrique qu’à une collection classique de centres de données indépendants. L’analogie est imparfaite, mais l’objectif est clair : rendre la capacité de traitement plus facile à demander, mesurer, acheminer et acheter.

L’avantage de Shanghai réside dans la coordination. Son défi consiste à démontrer que ce système coordonné produit des services fiables plutôt que d’impressionnantes annonces de capacité.

Pourquoi Shanghai mesure la demande en tokens

La politique d’infrastructure de la ville passe des performances théoriques de calcul à la quantité de travail IA réellement consommée par les clients.

Shanghai a mis en avant ce changement lors du Intelligent Computing Shanghai Summit du 27 janvier 2026. Les participants ont décrit une évolution : au lieu de mesurer l’infrastructure principalement en opérations en virgule flottante, ils suivent désormais l’utilisation de tokens.

Un token est une petite unité de texte ou de données traitée par un modèle de langage. Les clients consomment généralement des tokens lorsqu’ils envoient un prompt, récupèrent des informations, exécutent un agent ou génèrent une réponse.

La consommation de tokens ne constitue pas une mesure complète de la valeur économique. Un modèle peut traiter de nombreux tokens tout en produisant peu de travail utile. Cette métrique relie néanmoins l’infrastructure plus directement à la demande applicative que ne le fait le score maximal d’un processeur dans un benchmark.

La China Academy of Information and Communications Technology s’est associée à trois grands opérateurs télécoms et à des fournisseurs locaux de calcul pour lancer un système de collaboration à l’échelle de la ville. L’initiative vise à aligner fournisseurs de calcul, développeurs de modèles et entreprises d’applications.

Cette évolution reflète un changement plus large dans l’économie de l’IA. Entraîner un modèle de fondation demeure coûteux, mais l’inférence répétée détermine désormais si un produit IA peut prendre en charge des millions d’interactions quotidiennes.

L’inférence est le processus consistant à exécuter un modèle entraîné afin de générer une sortie. Elle comprend aussi bien la réponse à une courte question que l’exploitation d’un agent logiciel à travers des centaines d’étapes intermédiaires.

La consommation quotidienne de tokens IA en Chine serait passée de 100 milliards début 2024 à 140 000 milliards en mars 2026, selon le National Data Bureau. Doubao de ByteDance serait à lui seul passé d’environ 100 milliards de tokens quotidiens en mai 2024 à plus de 120 000 milliards en mars 2026.

Ces chiffres doivent être considérés comme des mesures rapportées, et non comme des données d’utilisation vérifiées de manière indépendante. Leur orientation explique toutefois pourquoi Shanghai met l’accent sur l’infrastructure, la capacité réseau et les coûts d’exploitation.

Les agents consomment davantage de tokens que de simples interfaces conversationnelles, car ils planifient les tâches, examinent des résultats intermédiaires, appellent des outils et corrigent des erreurs. Un produit qui paraît simple pour l’utilisateur peut générer d’importants calculs en arrière-plan.

Cela accroît la pression sur les centres de données et les fournisseurs de puces. La demande d’entraînement survient par grandes vagues planifiées, tandis que la demande d’inférence peut fluctuer au cours de la journée et se répartir entre des milliers de clients.

Les plateformes publiques de Shanghai peuvent aider les petits développeurs à éviter de construire leurs propres clusters. Les subventions locales au calcul réduisent également le coût des premières expérimentations avant qu’une entreprise ne dispose de revenus stables.

Pudong et Xuhui ont proposé aux startups éligibles des coupons pour le calcul, les modèles et les corpus. Chaque catégorie peut offrir jusqu’à 1 million de yuans d’aide, selon des informations publiées par les autorités de Shanghai en janvier.

Un corpus est une collection organisée de textes ou d’autres données utilisée pour entraîner, adapter ou évaluer un système d’IA. L’accès à un corpus utile peut compter autant que la capacité brute de traitement pour des applications industrielles spécialisées.

Le modèle des coupons fait plus que réduire les dépenses. Il peut orienter les startups vers des fournisseurs d’infrastructure locaux et les encourager à bâtir autour de puces, de services de modèles et de jeux de données soutenus.

Cela crée une boucle de rétroaction stratégique. Les applications subventionnées génèrent une demande pour le calcul national. Une demande accrue donne aux entreprises de puces et de plateformes davantage d’occasions d’améliorer la compatibilité, les performances et l’accompagnement des développeurs.

Le risque est que les subventions masquent aussi une économie fragile. Un projet peut sembler viable tant que des crédits couvrent sa facture d’inférence, puis rencontrer des difficultés lorsqu’il doit assumer l’intégralité des coûts d’exploitation.

La mesure fondée sur les tokens rend ce problème plus visible. Responsables publics et investisseurs peuvent comparer la capacité installée à la consommation réelle, à la fidélisation des clients, à la qualité des réponses et aux tâches génératrices de revenus.

Pour les acheteurs d’entreprise, cela est plus utile qu’un nouveau benchmark de manchette. La question centrale n’est pas le nombre de processeurs contenus dans un cluster. C’est la fiabilité avec laquelle le système accomplit le travail à un coût acceptable.

C’est pourquoi la politique de calcul IA de Shanghai s’étend désormais au-delà du centre de données. Elle relie les dépenses d’infrastructure aux agents industriels, aux modèles spécialisés, à la robotique et aux logiciels utilisés dans les usines.

Les puces nationales doivent compenser au niveau du système

Le problème le plus difficile de Shanghai consiste à transformer des processeurs nationaux variés en systèmes de calcul fiables que les développeurs peuvent utiliser sans réingénierie constante.

Les contrôles américains à l’exportation ont restreint l’accès de la Chine à certains accélérateurs IA avancés et à certaines technologies de semi-conducteurs. Ces limites ont accru la pression sur les entreprises chinoises pour développer des processeurs, méthodes de packaging, systèmes réseau et alternatives logicielles.

La comparaison avec Nvidia reste inévitable. L’avantage de Nvidia ne se limite pas aux performances brutes de ses puces. Son environnement logiciel CUDA, ses bibliothèques, sa communauté de développeurs et ses conceptions de serveurs éprouvées réduisent le travail nécessaire au déploiement de grands modèles.

Shanghai ne peut remplacer cet environnement par l’annonce d’un seul accélérateur. Elle a besoin qu’un ensemble d’entreprises de puces, d’intégrateurs systèmes, de fournisseurs cloud, de développeurs de modèles et de clients progressent de concert.

La ville accueille déjà plusieurs entreprises concernées. Biren Technology et MetaX développent des processeurs graphiques généralistes pour les charges de travail IA, tandis que Iluvatar CoreX poursuit des conceptions de GPU nationaux pour les centres de données.

D’autres équipes de Shanghai explorent des architectures qui évitent une confrontation directe sur les GPU conventionnels les plus avancés. Lightelligence développe des systèmes de calcul optique, qui utilisent la lumière pour certaines tâches de traitement et de communication des données.

L’entreprise déploie conjointement à Shanghai un cluster de supernœuds de 10 000 GPU. Son fondateur, Shen Yichen, a décrit l’intégration système et le packaging photonique-électronique comme des goulots d’étranglement persistants.

Cette réserve importe. Un composant optique peut offrir de bonnes performances en laboratoire tout en restant difficile à encapsuler, refroidir, fabriquer, programmer et connecter au sein d’un serveur commercial.

Dongfang Suanxin a suivi une autre voie avec le DF1000, une puce IA 3D near-memory présentée lors de WAIC 2026. Le calcul near-memory place les éléments de traitement près de la mémoire afin de réduire le temps et l’énergie consacrés au déplacement des données.

Les processeurs traditionnels transfèrent fréquemment les informations entre des composants distincts de mémoire et de calcul. Ce mouvement crée un goulot d’étranglement connu sous le nom de mur de la mémoire, particulièrement lors de l’inférence IA intensive en données.

Le DF1000 empile des composants dans une structure tridimensionnelle. L’entreprise affirme que cette conception peut améliorer le déplacement des données et réduire la dépendance aux procédés de fabrication les plus avancés.

Cette affirmation n’a pas encore fait l’objet de comparaisons indépendantes à grande échelle. Les acheteurs ont toujours besoin de preuves sur les performances applicatives, la compatibilité logicielle, le rendement de production, la fiabilité et le coût total du système.

L’université Tongji a également présenté une Moving Horizon Unit spécialisée pour les véhicules autonomes, les robots et les drones. La puce est conçue pour observer les conditions de manière répétée, calculer une réponse et mettre à jour les actions d’une machine.

Ces processeurs spécialisés illustrent l’approche plus large de Shanghai. Plutôt que de faire passer chaque charge de travail par un seul accélérateur généraliste, les développeurs peuvent associer des architectures particulières à l’IA en périphérie, à la robotique, au calcul scientifique ou au contrôle industriel.

L’IA en périphérie exécute les modèles près de l’appareil qui produit les données, au lieu d’envoyer chaque entrée vers un cloud distant. Elle peut réduire la latence et l’utilisation du réseau, bien que les appareils plus petits imposent généralement des limites strictes en matière de mémoire et d’énergie.

La ville bénéficie de la proximité des applications avec les concepteurs de puces. Une entreprise de robotique peut signaler des problèmes de latence, une usine peut identifier des lacunes de fiabilité et un développeur de véhicules peut révéler des contraintes de puissance ou de thermique.

Ce retour d’expérience peut améliorer un produit plus vite qu’un concours de benchmarks isolé. Il permet également aux fournisseurs locaux d’optimiser des systèmes complets autour des technologies de fabrication disponibles.

Cependant, combiner davantage de puces ne comble pas automatiquement l’écart de performances. Les grands clusters nécessitent des interconnexions rapides, une planification efficace, une mémoire fiable, du refroidissement et des logiciels qui distribuent le travail sans gaspiller de capacité.

Un cluster construit à partir de processeurs moins efficaces peut nécessiter davantage d’électricité et d’espace physique. Il peut aussi créer davantage de points de défaillance et entraîner des coûts de maintenance plus élevés.

Des estimations sectorielles citées dans de récents reportages placent Huawei près de Nvidia sur le marché chinois des puces d’IA en 2025, chacun détenant environ 40 %. Les analystes s’attendaient à ce que Huawei gagne des parts de marché à mesure que la position de Nvidia s’affaiblissait sous l’effet des restrictions d’approvisionnement.

Ces estimations montrent des progrès vers la substitution nationale, mais elles ne prouvent pas une indépendance complète. La production de semi-conducteurs dépend d’équipements, de matériaux, de packaging, de propriété intellectuelle et de procédés de fabrication répartis entre plusieurs pays.

La poussée de Shanghai dans les puces est donc un pari à l’échelle du système. La ville n’a pas besoin que chaque composant national domine individuellement le marché mondial. Elle a besoin d’un nombre suffisant de composants capables de fonctionner ensemble à un niveau de coût et de fiabilité qui soutienne de vraies applications.

Les applications sont le test, pas l’exposition

Shanghai ne renforcera sa position dans l’IA que si les infrastructures subventionnées produisent un travail reproductible dans les usines, les laboratoires, les véhicules et les services publics.

Le programme de mesures de juillet de la ville pour l’industrie manufacturière propose un soutien aux modèles industriels, aux systèmes de codage IA, à l’IA physique, aux agents, aux logiciels industriels et aux jeux de données spécialisés.

Les projets qualifiés de technologies de base peuvent recevoir jusqu’à 20 millions de yuans de soutien. Les projets de sécurité pour les modèles industriels et les agents peuvent recevoir jusqu’à 10 millions de yuans, tandis que certaines plateformes de jeux de données peuvent recevoir jusqu’à 20 millions de yuans.

Les mesures encouragent également les plateformes de calcul industriel à proposer un accès d’essai à des outils d’agents low-code, des crédits de tokens et un soutien au calcul.

Ces programmes ciblent un problème concret d’adoption. Les fabricants possèdent souvent des données opérationnelles précieuses, mais ces informations sont réparties entre les machines, les documents d’ingénierie, les dossiers de maintenance et les systèmes internes.

Un modèle industriel a besoin de plus que de textes issus de l’internet public. Il doit fonctionner avec la terminologie du domaine, les états des équipements, les limites de sécurité, les contrôles d’accès et les flux de travail spécifiques utilisés par les employés.

Un agent utile dans une usine pourrait comparer une alerte de capteur avec l’historique de maintenance, les manuels techniques et les changements récents de production. Il doit ensuite présenter ses éléments de preuve et acheminer la recommandation vers un ingénieur autorisé.

Ce flux de travail impose des exigences en matière de qualité des données, de recherche, de latence et de responsabilité. Une réponse fluide ne suffit pas lorsqu’une erreur peut interrompre la production ou endommager un équipement.

Les organisations qui envisagent de tels systèmes ont d’abord besoin d’une couche d’information consultable. Une base de connaissances d’ingénierie bien entretenue peut aider les équipes à organiser les documents techniques avant d’ajouter des décisions automatisées.

Shanghai compte plusieurs secteurs dans lesquels cette approche peut être testée, notamment la construction automobile, les semi-conducteurs, les produits pharmaceutiques, la finance, le transport maritime et les équipements avancés.

La robotique offre un autre cas d’usage visible. Plus de 300 robots au WAIC ont réalisé des activités dans la fabrication et les services du quotidien, mais les performances en exposition restent différentes d’une exploitation à long terme.

Un robot d’usine doit répéter ses tâches malgré les changements d’éclairage, de positionnement des objets, d’usure des équipements et d’activité humaine. Il a également besoin d’une maintenance prévisible et d’une procédure claire en cas de défaillance sûre.

Les applications scientifiques imposent des exigences différentes. Les chercheurs peuvent privilégier l’accès aux données, la reproductibilité, des méthodes numériques spécialisées et la possibilité d’examiner les résultats intermédiaires.

Les services publics soulèvent des préoccupations en matière de confidentialité et de gouvernance. Un système d’IA à l’échelle d’une ville peut affecter des habitants qui n’ont pas choisi cette technologie et ne peuvent pas facilement changer de fournisseur après une erreur.

Ces différences expliquent pourquoi un modèle généraliste unique ne résoudra pas le défi des applications de Shanghai. Chaque secteur a besoin de méthodes d’évaluation liées à ses propres risques et aux résultats qu’il recherche.

Les indicateurs les plus crédibles viendront d’une utilisation durable. Les acheteurs devraient rechercher une réduction des arrêts d’équipement, des cycles de conception plus rapides, une baisse de la consommation énergétique, une meilleure précision d’inspection ou des processus de recherche plus courts.

Les chiffres publiés sur les applications méritent la prudence. Un modèle enregistré, un pilote financé ou une démonstration en conférence ne représentent pas nécessairement un déploiement commercial actif.

La même réserve s’applique à l’utilisation des capacités de calcul. Une ville peut annoncer une capacité importante alors que les charges de travail restent concentrées chez un petit nombre de grandes entreprises.

Les 60 EFLOPS de puissance publique de calcul intelligent rapportés par Shanghai montrent la disponibilité des infrastructures. Ils ne révèlent pas dans quelle mesure cette capacité est utilisée de façon homogène, ce que paient les clients ni à quelle fréquence les développeurs rencontrent des problèmes de compatibilité.

L’énergie constitue une autre contrainte. L’Agence internationale de l’énergie prévoit que la consommation mondiale d’électricité des centres de données passera d’environ 485 térawattheures en 2025 à près de 945 térawattheures en 2030, comme l’indique son perspectives sur les centres de données.

La Chine installe certains centres de calcul près des ressources d’énergie renouvelable dans les régions occidentales. Des liaisons réseau à haut débit relient ensuite ces installations aux pôles technologiques côtiers.

Cela peut réduire la pression sur le réseau électrique local de Shanghai, mais la distance affecte la latence et la complexité opérationnelle. Une vaste tâche d’entraînement peut tolérer plus facilement un traitement distant qu’un robot nécessitant une réponse immédiate.

Les développeurs doivent déterminer quel travail doit être effectué dans un cluster occidental, un centre de données de Shanghai ou un appareil en périphérie. La réponse dépend de la sensibilité des données, du temps de réponse, du coût de l’énergie, de la fiabilité du réseau et de la taille du modèle.

La stratégie full-stack de la ville est conçue pour soutenir ces choix. Son succès dépendra de la capacité des connexions entre les couches à rester utilisables après la disparition des subventions et de l’attention des conférences.

Trois signaux montreront si le pari de Shanghai fonctionne

Les prochaines preuves devront provenir de l’utilisation, des déploiements commerciaux de puces et de résultats industriels mesurables.

Le premier signal est une consommation durable de tokens sur les plateformes publiques et commerciales de calcul de Shanghai. Une utilisation croissante montrerait que les modèles et les agents dépassent les démonstrations isolées.

La version la plus convaincante de ce signal inclurait la rétention des clients, la diversité des charges de travail et une amélioration du coût par tâche achevée. La seule croissance brute des tokens peut refléter des modèles inefficaces ou une expérimentation subventionnée.

Si l’utilisation reste faible malgré de nouvelles capacités, la ville pourrait avoir construit des infrastructures plus vite que les applications ne peuvent les absorber. Cela affaiblirait l’argument selon lequel l’investissement coordonné crée sa propre demande.

Le deuxième signal est la présence de preuves indépendantes issues de déploiements de puces nationales. Les puces d’IA de Shanghai ont besoin de benchmarks publics couvrant les modèles réels, la consommation énergétique, le passage à l’échelle des clusters, les taux de défaillance et la migration logicielle.

Les annonces sur les processeurs optiques, les conceptions near-memory et les GPU nationaux restent des indicateurs de recherche significatifs. Les contrats commerciaux et les commandes répétées offriraient une preuve plus solide.

Surveillez le projet de supernœud optique de 10 000 GPU associé à Lightelligence. Un déploiement stable soutiendrait l’argument de Shanghai selon lequel des architectures alternatives peuvent améliorer les grands systèmes de calcul.

Surveillez également le DF1000. Les tests clients pourraient révéler si sa conception near-memory apporte des avantages pratiques en dehors de démonstrations contrôlées.

Le troisième signal est la valeur mesurable des applications industrielles. La politique manufacturière de Shanghai devrait produire des pilotes impliquant des agents, des jeux de données, la robotique, les logiciels industriels et l’IA physique.

La ville doit publier des résultats que les acheteurs peuvent évaluer. Parmi les mesures utiles figurent le temps de fonctionnement de la production, les performances d’inspection, le coût d’inférence, la consommation énergétique, l’adoption par les employés et le temps économisé.

Une longue liste de projets financés ne réglerait pas la question. Le résultat le plus solide serait que plusieurs organisations renouvellent leurs déploiements avec leurs propres budgets.

La concurrence façonnera les trois signaux. Huawei, Alibaba, Baidu et d’autres grandes entreprises technologiques chinoises peuvent fournir des modèles, des clouds, des puces et des plateformes pour développeurs en dehors des programmes locaux de Shanghai.

Les entreprises américaines restent pertinentes même lorsque leurs matériels les plus récents sont restreints. Leurs pratiques logicielles, leurs lancements de modèles et l’économie de leurs infrastructures continuent de définir des références pour les acheteurs mondiaux.

Shanghai doit donc rivaliser sur davantage que le soutien politique ou la capacité installée. Elle a besoin d’outils prévisibles, d’une sécurité crédible, de données accessibles, d’une inférence abordable et de systèmes que les ingénieurs peuvent maintenir.

La ville aborde cette compétition avec des avantages significatifs. Elle dispose à proximité d’une vaste économie industrielle, d’instituts de recherche, de concepteurs de puces, d’entreprises de modèles, d’investisseurs et d’acheteurs gouvernementaux.

Elle fait également face à de réelles faiblesses. L’approvisionnement en processeurs nationaux reste irrégulier, les architectures alternatives doivent être validées commercialement et les pilotes subventionnés peuvent masquer la volonté des clients de payer.

Cette combinaison fait de l’expérience de Shanghai un sujet à suivre. Elle teste si un cluster industriel régional peut compenser un accès limité au matériel de pointe grâce à une coordination sur l’ensemble de la stack IA.

Le prochain titre de Google News mettra probablement en avant une nouvelle puce, un robot, un cluster ou un programme de financement. Les lecteurs devraient aller au-delà de l’annonce individuelle et poser trois questions.

La nouvelle capacité est-elle utilisée après l’expiration des crédits d’essai ? Les processeurs nationaux exécutent-ils de vraies charges de travail avec une fiabilité et une consommation énergétique acceptables ? Les clients industriels étendent-ils les déploiements avec leur propre argent ?

Ces réponses détermineront si Shanghai a bâti un avantage durable dans l’IA ou une ambitieuse collection de projets d’infrastructure. Suivez les déploiements, comparez les données d’exploitation et considérez chaque affirmation de démonstration comme le début d’une vérification plutôt que comme sa conclusion.