China Computing Power Conference、AI能力と実用的な出力の乖離を浮き彫りに
China Computing Power Conferenceのデータは、深刻な不一致を明らかにした。中国でコンピューティング能力の75%超を実際に供用している省は、わずか7つにとどまる。
この結果は、中国が歴史的なインフラ成長を報告するなかで示された。2026年6月時点で、同国のFP16精度で測定したインテリジェント・コンピューティング能力は2,185 EFLOPSに達し、前年比177%増となった。しかし、導入済み能力だけでは、クラスターがどれだけ有用なAI処理を完了できるかはほとんど分からない。
現在、中国のAIインフラ市場を形作っている対立は、もはや不足と供給過多ではない。定格能力と実効出力の対立だ。クラウドプロバイダー、通信事業者、独立系データセンター企業、モデル開発者は、高額なクラスターを継続的に稼働させられることを証明しなければならない。
China Computing Power Conferenceは9月11日から13日にかけて、河北省廊坊市で開催された。登壇者は繰り返し、ハードウェア導入からワークロードのスケジューリング、ネットワーク性能、エネルギー供給、運用信頼性へと焦点を移した。
この変化は、規模を主な優位性として売り続けるすべての事業者に圧力をかける。数千基のアクセラレーターを収容する施設でも、ソフトウェア、ネットワーク、冷却、顧客パイプラインがそれらを生産的に稼働させられなければ、十分な性能を発揮できない。
カンファレンスは拡張より稼働率を重視
中国のインフラにおける節目は、アクセラレーター、ラック、理論演算性能を数えるだけでは不十分であることも浮き彫りにした。
カンファレンスは9月12日、国家コンピューティングネットワークの構築・運用をテーマとするプログラムのもと、廊坊で開幕した。主催者は事前に、より広範なイベントが3日間にわたり開催されることを確認していた。
conference scheduleでは、インフラ、基幹技術、産業導入、地域間のコンピューティング資源の連携が扱われた。この範囲は、初期の建設サイクルを越えつつある市場を映している。
注目すべき数値は依然として大きい。2026 Comprehensive Computing Power Panorama Analysisによると、6月時点で運用中のインテリジェント・コンピューティング能力は2,185 EFLOPSだった。EFLOPSは毎秒100京回の浮動小数点演算を示すが、実際の性能はワークロードと数値フォーマットに左右される。
同分析は、運用中の標準ラックが1,556万台、ストレージ容量が2,000エクサバイト超に達したことも報告した。コンピューティング、ストレージ、ネットワーク、運用環境の各側面で、31の省級地域すべてを評価している。
これらの指標が重要なのは、AIクラスターが孤立したチップの集合として動作するわけではないためだ。データを供給できるストレージ、処理を同期できるネットワーク、資源を効率的に割り当てるソフトウェアが必要になる。
報告書で最も示唆的な統計は、全国的な成長率ではなかった。イベントで発表された調査結果によれば、ラック導入率が75%を超えた省は7つだけだった。
ラック導入率は、利用可能なデータセンター能力のうち、実際に設置・稼働開始された割合を表す。アクセラレーターの稼働率や完了したAI処理を直接測定するものではない。
この違いは極めて重要だ。施設はサーバーをラックに設置できても、その全体で生産的なワークロードを維持できるとは限らない。逆に、特化型クラスターは、すべてのコンポーネントを常時動かさなくても価値ある処理を提供できる。
したがって、7省という数字は完全な全国稼働率スコアではなく、警告信号として捉えるべきだ。インフラ供給と市場需要が、なお不均一にしか合致していないことを示唆している。
provincial analysisは、河北、広東、江蘇、上海、北京が複数のコンピューティング分野で強みを持つ地域だと特定した。その優位性の源泉は地域ごとに異なる。
北京、上海、広東は、モデル開発、生成AIサービス、関連産業活動で先行した。広東、河北、上海は、比較的強固なストレージ基盤を備えていた。
江蘇、浙江、広東はネットワーク連携で高い成果を上げた。新疆、甘粛、青海は、エネルギー、気候、土地条件の恩恵を受けている。
こうした違いは、単一の全国能力指標が地域ごとのボトルネックを隠してしまう理由を説明する。需要、電力、利用可能な土地、ネットワーク遅延、技術人材、ソフトウェア・エコシステムは、同じ場所には存在しない。
したがって、カンファレンスにおける主な変化は概念的なものだった。当局と事業者は、公の場で、建設量よりも生産的な出力を重要な競争指標として扱った。
この判断は、はるかに厳しい試験を生む。施設を建設することは目に見え、測定も可能だ。信頼性が高く経済的なAI出力を提供していることを証明するには、継続的な運用上の証拠が求められる。
China Computing Power Conferenceのデータが競争基準を変える理由
新たな競争は、運用上の損失や制約を差し引いた後にシステムが提供する有用な出力、すなわち実効コンピューティングパワーを中心に展開している。
実効コンピューティングパワーは、単に理論上のチップ性能に導入済みアクセラレーター数を掛け合わせたものではない。通信遅延、障害、スケジューリング競合、メモリー制約、アイドル時間を経た後に、どれだけの実用的な処理が残るかを反映する。
China Academy of Information and Communications Technologyのコンピューティング・エネルギー専門家であるWang Yueは、その出力に影響する複数の運用要因を挙げた。並列化、タスク分割、輻輳制御、障害復旧、負荷分散、リソースオーケストレーションなどだ。
並列化では、大きなタスクを多数のプロセッサーに分割する。不適切な分割は、一部のデバイスを待機させる一方で、別のデバイスに過剰な負荷をかける可能性がある。
クラスターの規模が大きくなるほど、通信効率の重要性は増す。アクセラレーターは、1回の学習ステップの中でも、多くの場合にわたりパラメーターや中間結果を交換しなければならない。
低速または混雑したリンクは、高価なプロセッサーを待機させる可能性がある。クラスターは導入・通電されたままでも、実現するスループットは公称能力を下回る。
障害管理も別の隔たりを生む。大規模クラスターには十分な数のコンポーネントがあるため、ハードウェアやネットワークの障害は、まれな例外ではなく日常的な運用イベントになる。
堅牢なシステムは、処理を迂回させたり、チェックポイントを最小限の遅延で復旧したりできる。脆弱なシステムでは、数時間分の処理を失ったり、大規模ジョブを再起動したりすることになる。
リソースオーケストレーションは、どのワークロードにどのプロセッサー、メモリー、ネットワーク容量、ストレージアクセスを割り当てるかを決める。オーケストレーションが弱ければ、顧客が互換性のある構成を待つ間にも、利用可能なハードウェアが遊休化する。
こうした問題は、中国の政策が現在想定する規模ではさらに難しくなる。9月7日の業界計画は、1万基、10万基、あるいはそれ以上のアクセラレーターを含むクラスターの秩序ある導入を求めた。
この計画はまた、特定のシナリオに適合する推論インフラと、国内生産チップへのさらなる適応を重視した。推論とは、学習済みモデルを実行して出力を生成する処理である。
学習と推論では、インフラに求められる要件が異なる。学習では、多くの場合、長時間ジョブを処理できる大規模で密結合なクラスターが有利になる。
推論需要はより分散している。低遅延、予測可能な応答時間、地理的な近接性、変動するユーザートラフィックへの迅速な拡張が必要になることがある。
IDC Chinaのリサーチ担当バイスプレジデント、Zhou ZhengangはCLSに対し、AIDC市場は一律の不足ではなく構造的な不足に直面していると述べた。AIDCは、AIワークロードを中心に設計されたデータセンターを指す。
Zhouによれば、一般的な学習能力は急速に拡大している。一方で、高品質な推論能力とAIエージェント向けに設計されたリソースは、より逼迫している。
この評価は、広範な供給過剰と普遍的な不足のどちらを主張する場合も単純化しすぎることを示している。ハードウェアの種類、地域、ソフトウェアスタック、顧客セグメントによっては、両方の状態が同時に存在し得る。
通信事業者は利用可能なラックを持っていても、モデル企業が必要とするソフトウェア環境を欠いている場合がある。西部のクラスターは電力コストを抑えられても、東部の顧客にとって不適切な遅延しか提供できない可能性がある。
クラウドプロバイダーは、最も強力な能力を社内モデルと既存顧客のために確保することがある。その場合、独立系事業者は適切なハードウェアと安定した需要の両方を確保するのに苦労しかねない。
元のindustry reportingは、この分断を捉えていた。ある実務家は、需要は初期の拡張局面ほど過熱していないと述べた一方で、大手テクノロジー企業は依然として供給逼迫に直面している。
China Unicomの華北データセンターは、この状況の反対側を示した。同社の経営陣によると、計画中の施設は建設前から顧客の購入意向を得ていた。
事業者によれば、廊坊キャンパスには6棟の稼働中データセンター棟、18,600台のラック、約66万台の導入済みサーバーがあった。既存のインテリジェント・コンピューティング能力は3,425ペタフロップスと報告されている。
同キャンパスは2026年中に、さらに3棟のインテリジェント・コンピューティング棟を計画していた。公表されたプロジェクトには、315メガワットのデータセンター能力と、汎用・インテリジェント両方のコンピューティング能力の大幅な増強が含まれていた。
これらの計画は、建設が止まっていない理由を示している。市場では、どこかに存在する能力と、顧客の実際の技術要件を満たす能力が区別されつつある。
事業者にとって、実効コンピューティングパワーはソフトウェアと運用を販売インフラへと変える。より多くのワークロードを確実に完了できるなら、公称能力が低くても商業的価値は高くなり得る。
顧客にとって、この変化はより踏み込んだ調達上の問いを促す。購入者は、提供されるスループット、待機時間、障害率、ネットワーク性能、ソフトウェア互換性を確認する必要がある。
引用されたアクセラレーター数だけでは、これらの問いには答えられない。建物の規模や導入済みラック数でも同様だ。
クラウドプロバイダーと通信事業者は異なる強みで参入
クラウド企業はソフトウェアと顧客面で優位に立つ一方、通信事業者は施設と全国規模のネットワーク資産を管理している。
この分担が、カンファレンスにおける稼働率論争の背後にある主要な競争上の緊張を生む。両者ともクラスターを構築できるが、実効出力へのアプローチは異なる出発点から始まる。
大手クラウドプロバイダーは、インフラをモデル、開発者ツール、パブリッククラウド顧客、確立されたソフトウェアプラットフォームに結び付けている。社内外の需要を自社施設へ振り向けることができる。
Alibaba Cloud、Tencent Cloud、ByteDanceも、継続的なAIワークロードを生むサービスを運営している。その需要の可視性は、顧客のいないクラスターを建設するリスクを減らせる。
フルスタックの立場は別の優位性ももたらす。クラウドプロバイダーは、モデルフレームワーク、スケジューリングソフトウェア、インフラを一体で調整できる。
この統合は、顧客が特化型の推論またはエージェント・ワークロードを必要とする際に重要となる。事業者は、アプリケーション、モデル、ランタイム、ハードウェアの各層を横断して最適化できる。
通信事業者は、広範なデータセンター群、基幹ネットワーク、電力接続、地域アクセスを強みに参入する。China Mobile、China Telecom、China Unicomは、多数の都市にまたがる施設を接続できる。
しかし通信事業者は、大手クラウド企業に比べてモデルやAIソフトウェアのエコシステムが弱い場合が多い。Zhouは、クラウドおよびモデルプロバイダー向けに、カスタマイズされたインフラのアウトソーシングを担える可能性を示唆した。
これは通信事業者を受け身の大家にするものではない。複数の地域にまたがって予測可能なレイテンシーを必要とするワークロードでは、通信事業者のネットワークはより大きな価値を持つ。
中国算力プラットフォームは現在、31のすべての省級行政区にまたがる省級プラットフォームを接続している。政府関係者はこのシステムを、設備在庫、稼働状況、リソース可用性を把握するための国家的な監視レイヤーと説明した。
同プラットフォームの登録企業ユーザーは1万社を超え、掲載されているコンピューティング製品は2,000件超、接続済みモデルは300超に達した。また、数十億件の監視記録も蓄積している。
国家プラットフォームは可視性を生むが、可視性はワークロード移行の成功と同義ではない。マーケットプレイスへの掲載だけで、レイテンシー、データガバナンス、ソフトウェア互換性の制約を解消することはできない。
独立系AIDC事業者は、より難しい立場に置かれる。主要なクラウド顧客を基盤に持つ大手事業者は、専門特化を進めたり、長期契約を確保したりできる。
小規模事業者は資本力が乏しく、電力へのアクセスも弱く、確約された顧客も少ない。下請け化するか、限定的な地域市場や業界市場に注力するリスクがある。
モデル開発企業は第4のグループを構成する。大手企業は、学習能力を確保し、長期的な供給リスクを管理するためにクラスターを構築できる。
ただし、それでも推論能力やトークンベースのサービスを外部プロバイダーから購入する可能性はある。トークンサービスは、生のハードウェアアクセスではなくモデル出力を販売する。
この分離は柔軟性を高め得る一方、インフラの顧客が比較する対象も変える。顧客は特定のラックを所有することよりも、利用可能なモデル出力のコストと信頼性を重視するようになる。
競争の境界線は引き続き流動的だ。クラウド企業は通信事業者の施設を借りられ、通信事業者はネットワークとカスタマイズされたハードウェアを提供できる。
独立系プロバイダーは、厳格なデータ所在地要件を持つ業界に特化できる。モデル企業は学習向けに内部能力を確保しつつ、予測不可能な推論トラフィックを外部委託できる。
勝者が必ずしも最大の物理的拠点を所有するとは限らない。需要、ハードウェア、ソフトウェア、電力、ネットワークを、最小限の運用ロスで結び付ける企業が勝つ。
この基準は、透明性の高い測定の重要性も高める。プロバイダーは、特にプロセッサーの種類や数値精度によって、能力を異なる形で定義できる。
FP16で測定されたEFLOPSの数値を、別の形式で測定された数値と安易に比較することはできない。実際のワークロードは、メモリー帯域幅、インターコネクト、ソフトウェア最適化にも左右される。
顧客にはワークロードレベルの根拠が必要だ。有用な指標には、完了した学習ステップ数、生成トークン数、応答レイテンシー、ジョブ完了率、タスク当たりのエネルギー消費量が含まれる。
一貫した報告がなければ、実効算力は単なる別の宣伝文句になりかねない。この概念が価値を持つのは、事業者がそれを観測可能な生産成果と結び付けた場合に限られる。
7省という数字には依然として重要な疑問が残る
ラックの配備状況は地域的不均衡を示すが、稼働中のすべてのサーバーが価値あるAI業務を完了していることを証明するものではない。
75%という閾値は容易に誤解され得る。これは利用可能なデータセンターの設置枠が埋まっているかを測るものであり、アクセラレーターが常にフル活用されているかを示すものではない。
また、本稿で確認した公開カンファレンス報道では、この7省がどこなのか特定されていない。付随する地域分析では、山西、青海、新疆がラック配備で好調だったことが記されているだけだった。
この省略は比較を難しくする。読者は、他省が75%をどの程度下回っているのか、あるいは地域ごとの比率で施設サンプルが完全に一貫しているのかを判断できない。
過去のデータはいくらかの文脈を示す。2023年のCAICT白書によると、2022年末時点で配備率が最も高かった10省はいずれも55%を超えていた。
以前のベンチマークは、全体的な配備率の低さについて、地域ごとの位置付けが不明確であることや産業エコシステムが未整備であることも一因だとした。投資と利用率の均衡を図るため、協調的な計画策定を推奨している。
より新しい75%という統計は、先行地域が改善したことを示唆するが、全国的な時系列を確立するものではない。閾値、対象施設、報告方法の整合が必要となる。
第2の不確実性は「使用中のインテリジェント・コンピューティング能力」という表現に関するものだ。公表報道では、ラック配備に関する警告とともに2,185 EFLOPSが報じられた。
「使用中」は、継続的に生産的に利用されている状態ではなく、供用開始済みのインフラを指す場合がある。すべての運用が顧客ワークロードに供されている証拠と解釈すべきではない。
第3の論点はワークロードの質だ。クラスターは、高い利用率を示していても、価値の低いタスク、非効率なソフトウェア、あるいは主に能力を埋めるために補助されたワークロードを実行している可能性がある。
商業的に有用な出力には、単なる稼働以上のものが求められる。持続可能な運用コストで顧客要件を満たさなければならない。
会議報告書は、地域間の発展格差、産業シナリオとの統合の弱さ、地域横断的なスケジューリングの障壁という3つの大きな制約を挙げた。いずれも異なる形で有用な出力を低下させ得る。
地域格差により、需要とインフラは異なる場所に配置される。東部の省には多くのモデル開発企業と利用者が集まる一方、エネルギーと土地の制約はより厳しい。
西部地域は、再生可能エネルギー、涼しい気候、大規模施設のための余地を提供できる。だが距離はレイテンシーとデータ転送の制約をもたらす。
学習ジョブやコールドストレージは、対話型推論よりも遠距離を許容できる。顧客対応のAIエージェントでは、応答速度の要件により地理的条件が決定的になる可能性がある。
地域横断的なスケジューリングには、セキュリティとガバナンス上の懸念も伴う。データや中間結果を移動させることは、顧客ポリシー、規制上の義務、帯域幅の制限に抵触するおそれがある。
産業統合も別の課題をもたらす。クラスターを構築しても、製造業、病院、金融機関、地方政府からの需要が自動的に生まれるわけではない。
これらの組織には、互換性のあるモデル、クリーンなデータ、調達承認、再設計されたワークフローが必要となる。ハードウェアは、それらの要素が整うはるか前に導入されることがある。
最も強い反例は、開催地である河北省から示された。政府関係者は、556 EFLOPSのインテリジェント・コンピューティング能力と、稼働中の標準ラック250万台を報告した。
河北省は80%を超える利用率も報告した。同省はインフラ計画を、26分野にまたがる441の業界特化型大規模モデルと98のエージェントに結び付けた。
これらは独立監査を受けたワークロード測定値ではなく、地域当局による公式主張である。それでも、他省が構築を促されている需要連携のあり方を示している。
廊坊は、特に意図的な戦略を採っている。同市は北京に十分近く、西部の学習ハブを模倣するのではなく、低レイテンシー推論を目指すことができる。
政府関係者によると、データは約1ミリ秒で北京の中核ノードに到達できる。廊坊は、稼働中の大規模データセンター36カ所と、20万ペタフロップスを超えるインテリジェント・コンピューティング供給を報告した。
その立地は補完的なモデルを支える。北京が研究とアプリケーションに集中する一方、近隣の廊坊がリアルタイムコンピューティングを担える。西部のハブは、レイテンシーへの感度が低いワークロードに対応できる。
このような特化は、すべての省を交換可能なクラスター拠点として扱うよりも説得力がある。施設設計を顧客とネットワーク条件に合わせるためだ。
それでも、このアプローチは地域需要が供給とともに成長することを証明しなければならない。補助金、コンピューティングバウチャー、モデルバウチャーは導入を加速させ得るが、基礎となる経済性を覆い隠す可能性もある。
したがって、会議で示された実効コンピューティングの枠組みは、検証可能な方向性として扱うべきだ。現時点では標準化された国家パフォーマンス指標ではない。
電力、冷却、ネットワークが有用な能力を左右する
電力、熱管理システム、データリンクが制約資源となれば、クラスターは実効的なコンピューティング能力を提供できない。
AIインフラは、この3つのシステムすべてに異例の負荷をかける。高密度のアクセラレータラックは、従来のエンタープライズサーバーより多くの電力を消費し、より多くの熱を放出する。
会議参加者は、グリーン電力比率、ラック電力密度、液冷能力が、土地面積やラック数に代わる重要な評価指標になったと述べた。
液冷は、プロセッサーの近傍で流体を通して熱を移動させる。従来の空冷より高いラック密度を支えられるが、導入と保守は依然として複雑である。
電力の利用可能性は、拡張速度と運用コストの両方に影響する。大規模プロジェクトでは数百メガワットが必要になるケースが増えており、最大級の国際的な提案ではギガワット級の供給に近づいている。
そのため、地域ごとの電力価格は競争構造を変え得る。China Unicomの懐来施設は、電力価格が1キロワット時当たり約0.62元だと報告した。
同事業者はこの料金を、内モンゴルで0.40元超、山西で0.50元超となる価格と比較した。一部の西部プロジェクトでは、より低い補助金適用後の料金に達したと報じられている。
これらの数値は企業の発表によるもので、契約、補助金、消費パターンによって変動し得る。それでも、同一のハードウェアでも異なる運用経済性を持ち得る理由を示している。
高いエネルギーコストは、完了したAIタスク一つひとつの商業的価値を下げる。また、顧客が特定地域にワークロードを委ねることをためらう要因にもなる。
事業者は、再生可能エネルギーの直接調達、電力取引、柔軟な負荷スケジューリングで対応している。柔軟なスケジューリングは、より多くの電力を利用できる時間帯や場所へ、適した作業を移すものだ。
国家政策の方向性もこのアプローチを後押ししている。中国のインフラ計画は、コンピューティング、ストレージ、ネットワーク、電力、カーボン会計の連携を求めている。
インフラ政策は、コンピューティングネットワーク、異種リソースの協調、産業ニーズに適合した配備も促進している。これらの優先事項は2026年の会議以前から存在していたが、現在はより大きな運用上の緊急性を帯びている。
ネットワークも同様に重要である。中国は、国家コンピューティングハブとその他の主要地域を結ぶ70超の伝送経路を報告した。
政府関係者は、国家コンピューティング相互接続の地域ノード17カ所が承認されたことも報告した。河北の地域ノードは会議期間中に稼働を開始した。
これらのプロジェクトは、リソースを発見し接続する能力を向上させる。しかし、すべてのワークロードを地域間で経済的に移動できることを保証するものではない。
ネットワークレイテンシーは、非同期のモデル学習やデータ処理では許容され得る。対話型推論やマルチエージェントシステムでは、より厳しい応答目標が求められることが多い。
学習データセットやモデルチェックポイントが大容量化すると、帯域幅コストも重要になる。作業を転送することで、より安い電力による節約分が失われる可能性がある。
中国工程院の呉何全院士は、ローカルコンピューティングとリモートコンピューティングの組み合わせを提案した。システムは初期タスクをローカルで実行し、より重い処理を別の場所へ送ることができる。
同氏は、異なる推論段階の分離や、暗号化またはデータマスキングの利用についても論じた。こうした設計は、レイテンシー、エネルギー、セキュリティの均衡を図る試みである。
別の提案では、より高速なスケジューリングと低エネルギー利用のために、よりフラットな光ネットワークを採用することが示された。これらの技術は、実証段階から安定した本番環境へ移行する必要がある。
運用上の信頼性が最後の層となる。China Mobileの北京・天津・河北施設は、独立した電力系統、ディーゼル発電機、無停電電源装置を含む複数の電力保護策を示した。
同施設には、それぞれ2,000キロワット定格のディーゼル発電機15基と、専用の燃料備蓄があったと報じられている。こうしたバックアップシステムは可用性を守る一方、資本コスト、保守コスト、環境コストを増加させる。
あらゆる支援レイヤーが、有用なアウトプットに影響します。データ待ち、過熱、電力喪失、再起動を繰り返すアクセラレータは、理論上の速度がどれほど高くても、ほとんど価値を生みません。
このため、実効コンピューティングへの転換はチップベンダーの枠を超えます。ネットワーク機器、ストレージ、冷却、電力管理、クラスタソフトウェアにおける購買の優先順位を変えるものです。
また、インフラに関する意思決定や運用インシデントを適切に記録するチームにも有利に働きます。複雑なクラスタでは、大量のログ、設計メモ、トラブルシューティング記録が生成されます。
エンジニアリングチームは、こうした資料を検索可能な技術ナレッジベースに変換できます。過去の修正へのアクセスを速めれば、診断作業の重複を減らせますが、成熟した運用体制の代替にはなりません。
実効コンピューティングが勝つかを示す3つのシグナル
次の焦点は、会議で使われた言葉が、稼働率、ワークロード提供、地域特化における測定可能な変化につながるかどうかです。
第1のシグナルは、省レベルでの稼働率開示です。今後の報告には、地域名を明記した結果、統一された定義、ラック配備とアクセラレータ利用に関する比較可能な測定値が必要です。
より多くの省が曖昧な容量カテゴリーに依存せず75%の水準を超えれば、その証拠は実効コンピューティングの論拠を強めるでしょう。報告が検証には不十分なほど限定的なままであれば、その論拠は弱まります。
第2のシグナルは、実際の地域間ワークロードトラフィックです。国家プラットフォームは現在、31の省級地域、数千の製品、数百の接続済みモデルにわたるモニタリングをカバーしています。
重要なのは、カタログにいくつのリソースが掲載されているかではありません。本番ワークロードが、レイテンシー、セキュリティ、信頼性、コスト要件を満たしながら、どれだけ地域間を成功裏に移動できるかです。
完了した地域間ジョブの増加は、このネットワークが需給のミスマッチを縮小していることを示します。生成AIアプリケーションが北京、上海、広東に集中し続けるなら、その限界が明らかになるでしょう。
第3のシグナルは、プロバイダーが推論およびエージェント向けキャパシティをどのように商品化するかです。クラウド企業、通信事業者、独立系施設運営者は、異なる資産を持ちながら同じ顧客層に接近しています。
トークン、提供スループット、レイテンシー、サービス信頼性を基準とする契約に注目してください。こうした条件は、ラック数やアクセラレータ数よりも直接的に、インフラ支出を顧客成果へ結び付けます。
どの事業者が継続的な推論ワークロードを獲得するかにも注目すべきです。トレーニングプロジェクトは大規模でも一時的になり得る一方、推論需要は日々のアプリケーション利用とともに増加します。
China Computing Power Conferenceは、明確な判断を打ち出しました。建設量だけでは、もはや進展を測るのに十分ではありません。7省という統計は、その判断を無視しにくいものにしました。
中国では、複数の市場でより専門化されたAIキャパシティが依然として必要です。同時に、既存キャパシティは、見つけやすく、スケジューリングしやすく、電力供給・冷却・接続をしやすいものにしなければなりません。
開発者と企業の購買担当者にとって、実務上の問いはシンプルです。プロバイダーは理論上のキャパシティを提供しているのか、それとも実際のワークロードが受ける性能を文書で示せるのか。
インフラ運営者にとって、課題はより困難です。顧客を稼働させ続けながら、チップ、建物、電力、ネットワーク、ソフトウェアを信頼できるアウトプットへ変換しなければなりません。
今後3か月は、新たなクラスタの発表だけに目を向けないでください。開示される稼働率、完了した地域間ワークロード、提供されたAIアウトプットに紐づく契約を追跡してください。
こうした指標は、実効コンピューティングパワーが運用規律として定着するのか、それとも会議用のスローガンにとどまるのかを明らかにするでしょう。
