Uzbektelecom AI 数据中心将国家算力延伸至塔什干以外

Uzbektelecom 在距塔什干超过 300 公里的两地启用了两座具备 AI 支持能力的数据中心，将乌兹别克斯坦的部分算力部署延伸至首都以外。位于布哈拉和浩罕的 Uzbektelecom AI 数据中心通过国家级 UzCloud 平台提供云服务和专用 GPU 服务器。

此次启用之所以重要，是因为地理分布改变的不只是设备所在地。乌兹别克斯坦正尝试将区域算力、主权云服务和未来的光子网络整合为统一的国家基础设施层。这一思路不同于将先进算力集中于单一城市，或高度依赖境外云区域的模式。

这些设施构成了可信的基础，但公告仍留下了一些重要问题。Uzbektelecom 尚未披露 GPU 型号、加速器数量、供电容量、定价、利用率目标或实测工作负载性能。因此，这一事件反映的是基础设施战略的转变，而非证明乌兹别克斯坦已经拥有成熟的 AI 算力市场。

Uzbektelecom AI 数据中心新增区域 GPU 容量

最直接的变化，是两座区域城市开始拥有可运营的 GPU 云设施。

Uzbektelecom 于 9 月 22 日在 ICT Week Uzbekistan 2026 期间启用了布哈拉和浩罕站点。乌兹别克斯坦数字技术部长 Sherzod Shermatov 以及日本驻乌兹别克斯坦大使 Kenji Hirata 出席了启用仪式。

政府的数据中心公告称，这些设施支持人工智能、云服务、大数据处理和高性能计算。两座设施均在由 Uzbektelecom 开发的国家云平台 UzCloud 内运行。

UzCloud 列出的服务包括基础设施即服务、平台即服务、软件即服务、兼容 S3 的对象存储和备份服务。基础设施即服务让客户能够租用计算资源，无需拥有底层服务器。

AI 部分主要围绕两项服务展开：AI Cloud 和 GPU 即服务。GPU 即服务让客户租用图形处理器的访问权限；这些处理器可并行执行大量 AI 计算，客户无需自行购买和维护相关设备。

Uzbektelecom 表示，这些服务器可支持模型训练、推理、机器学习、图像识别、视频分析、大数据处理和数字孪生。数字孪生是对实体资产或流程的软件化表示，并利用运行数据持续更新。

这些应用场景涵盖了多种不同的计算特征。训练需要持续的处理能力及加速器之间的高速通信。推理侧重运行已训练完成的模型，通常对响应时间或成本有更严格的要求。视频分析则可能同时面临高数据量和近实时处理需求。

该公司尚未公布足够的技术细节，因而无法判断这些设施对每种计算特征的适配程度。买家目前仍不了解单块 GPU 的可用内存、互连设计、存储吞吐量、调度策略，或支持的 AI 软件环境。

这些信息的缺失并不意味着此次变化不存在。区域组织如今可以寻求国内算力资源，无需建设完整的服务器机房，也不必将所有工作负载发送至塔什干。此次启用将一个多年基础设施项目转化为客户可以开始评估的服务。

两个项目均获得了 Uptime Institute 的 Tier III 设计文件认证。独立的认证名录列出了 Uzbektelecom Cloud Hub Bukhara 1 和 Cloud Hub Kokand 1。

Tier III 设计认证评估已记录的设施设计是否支持并行维护。运营方应能够对计划维护的基础设施组件进行服务，而无需关闭整个环境。

这一认证具有参考价值，但其适用范围明确。设计认证并不反映 GPU 性能、服务可用性、客户支持质量、安全结果或运营效率。它也不应被视为所有运营流程均已通过独立测试的证明。

Uzbektelecom 表示，两处站点配备冗余制冷和供电系统、额外通信通道，并接入其骨干网络。它们还连接至乌兹别克斯坦国家互联网交换中心 TAS-IX。

该公司称，其更广泛的基础设施遵循信息安全管理体系国际标准 ISO/IEC 27001。Uzbektelecom 还计划为其数据中心推进 PCI DSS 合规，这将涉及支付卡数据控制措施。

这些要素共同使设施不只是孤立的 GPU 服务器集合。它们是国家云和电信环境中的区域接入点。更难的问题在于，地理分布能否转化为可量化的可靠性和实用的容量。

将算力延伸至塔什干以外，改变了可靠性模式

布哈拉和浩罕之所以重要，是因为物理距离让 Uzbektelecom 拥有了首都附近另一座设施无法提供的选择。

两座城市距离塔什干均超过 300 公里。根据该部委的说法，它们是 Uzbektelecom 距离首都最远的数据中心所在地。

地理隔离有助于降低关联性故障风险。影响某一区域的严重供电、网络或环境中断，不太可能同时令数百公里外的基础设施失效。客户可以在另一处站点部署副本或备份工作负载，而不是依赖同一都市圈内的两个机房。

Uzbektelecom 表示，当一处设施发生故障时，工作负载可以在不同地点之间迁移。这是其分布式设计的核心承诺，但实际效果取决于软件和网络能力。

第二座建筑并不会自动提供灾难恢复能力。客户需要复制数据、兼容的应用环境、经过测试的恢复流程以及明确的恢复时间目标。他们还需要确保接收站点具备足够的剩余容量，以承接迁移出的工作负载。

AI 又带来了更多复杂因素。大型模型检查点可能占用大量存储空间，而训练数据集可能更大。如果带宽、存储吞吐量或编排工具成为瓶颈，在城市间迁移这些资产可能耗时过长。

推理应用还带来另一项考验。公共服务、工厂分析系统或金融应用可能只能容忍短暂中断。在其他地点重新启动同一工作负载，不只是复制文件那么简单。身份控制、网络路由、应用状态和监控也必须同步跟进。

即使完整的工作负载迁移能力尚未实现，区域站点仍可提升韧性。机构可以选择更靠近自身运营地点的设施，将备份保留在塔什干以外，或在不同地点部署应用。

区域部署还可降低算力资源在机构层面的集中度。首都以外的大学、地方政府和企业获得了更清晰的途径，可接入国家云基础设施。它们不再需要将先进算力视为专属于首都的资源。

延迟方面的收益则较不确定。物理距离更近可能降低部分用户的网络距离，但结果取决于本地接入网络和流量路由。Uzbektelecom 尚未公布区域客户至任一设施的延迟测量数据。

该公司在骨干网络中的地位赋予其结构性优势。Uzbektelecom 可以协调数据中心容量、国家传输网络和本地连接。独立云运营商可能需要分别协商这些组成部分。

这一优势也带来压力。客户会将服务视为一个整体，而不是电信、设施和云软件方面的独立成果。若资源开通缓慢、存储受限或区域连接不稳定，再可用的服务器也价值有限。

因此，Uzbektelecom 的做法挑战的是以首都为中心的基础设施模式，而非某一家具名竞争对手。该公司押注于：分布式国家容量的战略价值高于将所有先进服务集中在塔什干周边。

结果将取决于用户能否在不增加过多复杂性的前提下跨站点运行。如果复制、监控和故障切换仍需人工操作，地理多样性在地图上看起来会比在生产应用中更有说服力。

GPU 即服务考验乌兹别克斯坦的主权云战略

战略竞争的核心，在于可获得的国内算力与规模更大的境外云区域所具备的规模优势之间的较量。

主权云基础设施使特定数据和计算资源保留在本国司法管辖和运营控制之下。政府通常重视这一模式，将其用于受监管记录、公共服务、安全敏感型工作负载以及受本地数据规则约束的应用。

Uzbektelecom 的定位将主权基础设施与按用量付费的访问模式结合起来。各类机构可以租用计算、存储、平台和 GPU，而不必自行筹资建设完整设施。

这种安排可以降低本地 AI 项目的进入门槛。大学团队可为一次研究任务申请 GPU 资源。政府机构可在不购买加速器的情况下测试文档处理。零售商则可在投入更大规模部署前评估视频分析。

这些可能性并不保证会被采用。GPU 的可用性必须与开发工具、受支持的框架、数据管道、技术协助和可预测的资源开通结合起来。许多 AI 团队需要的是完整环境，而非仅仅获取原始加速器。

境外超大规模平台通常提供更广泛的产品目录、更成熟的开发者工具以及庞大的计算资源池。其规模可使模型托管、数据库、可观测性、安全能力和托管式 AI 服务的整合更为容易。

UzCloud 的潜在优势则不同。它可以提供本地托管、与国家连接网络的整合、更紧密的机构关系，以及符合国内要求的基础设施。当数据所在地和本地支持的重要性超过获取全球最大服务目录时，这些特质最具价值。

因此，正确的比较并不是 GPU 对 GPU。买家必须比较完整的运营环境，包括传输时间、合规性、支持、故障恢复、软件兼容性，以及日后迁移工作负载所需的工作量。

Uzbektelecom 还需要一套可行的资源分配体系。稀缺的加速器会带来关于预留、排队、优先客户和最长任务时长的运营选择。这些政策将影响小型机构能否获得有意义的访问权限，还是只能排在大型用户之后等待。

定价同样重要，尽管启用公告未提供商业数据。按用量付费听起来灵活，但客户仍需要可预测的账单。模型训练可能会在计算、存储和网络方面突然产生需求。

硬件更新周期带来了另一项考验。AI 加速器迭代迅速，而软件支持通常会跟随特定硬件代际。国家级供应商需要制定采购和替换策略，避免让客户长期使用逐渐老化的系统。

该项目更早的基础可追溯至数年前。2023 年 1 月，丰田通商、Internet Initiative Japan、NEC 和 NTT Communications 宣布与 Uzbektelecom 签署一份infrastructure contract。

该项目覆盖塔什干、布哈拉和浩罕的数据中心，以及传输、数据和国际通信网络。丰田通商担任协调方，IIJ 提供模块化集装箱数据中心及云平台专业能力。

NEC 的职责包括提供光通信设备和培训。NTT Communications 则支持国际数据网络。融资涉及日本国际协力银行、日本贸易保险以及三菱 UFJ 银行。

因此，2026 年的启用并非对 AI 热潮的突然回应，而是更广泛电信现代化计划的可见成果；该计划在如今这些服务触达客户之前便已启动。

AI 改变了这类基础设施的呈现方式，也可能改变其创收模式。通用云计算能力如今可以被包装为对稀缺算力资源的本地访问。这样的转变能否成功，取决于实际客户工作负载，而不是上线时罗列的潜在应用场景数量。

光子网络或可将分散站点整合为一张算力网络

Uzbektelecom 更大的布局，是连接分布式设施，使其不再像彼此孤立的数据中心那样运行。

该公司计划在塔什干州赞吉阿塔区投运另一座按 Tier III 标准设计的设施。该部委将其描述为 Uzbektelecom 地理分布式网络中的第五个站点。

赞吉阿塔还将承载一项由 Uzbektelecom、丰田通商、NTT DOCOMO BUSINESS 和 NEC 参与的全光网络试点。全光网络，即 APN，可在传输路径的更多环节以光信号承载数据，减少反复进行的光电转换。

该试点属于 NTT 的 Innovative Optical and Wireless Network 概念，通常称为 IOWN。该计划旨在实现高容量、低延迟通信，以连接不同地点的计算资源。

已公布的APN pilot details显示，第一阶段将在 2026 年连接 Uzbektelecom 位于奥汉加龙和赞吉阿塔的设施。目标是在最长 100 公里的路线上实现最高 800 Gbps 的带宽和低于 1 毫秒的延迟。

这些目标由项目参与方提出，仍需通过实际运营验证。该报道未提供来自乌兹别克斯坦部署的独立测试结果。

2027 年和 2028 年的计划将把网络扩展至四座数据中心，在两个塔什干周边站点之外加入布哈拉和浩罕。拟议架构包括冗余且受保护的通信路径。

如果顺利交付，该网络可让分布式计算更具可行性。大型数据集可以更快地在设施之间传输。运营商能够将推理服务部署得更靠近用户，同时把共享存储或训练资源保留在其他地点。

它还可支持远程 GPU 访问。应用可以将数据发送至另一座设施中的加速器算力，同时保持可接受的响应时间。当每个站点都无法证明配置同等规模昂贵硬件池的合理性时，这种模式尤为重要。

NTT 和 DOCOMO 已在日本测试过相关理念。2026 年 3 月的一项remote GPU demonstration通过 IOWN APN，将分布式加速器资源和 5G 网络连接起来，用于低延迟视频分析。

两家公司表示，该实验满足了远程机器人控制所假设的延迟要求。这是一项受控演示，并不能证明乌兹别克斯坦规划中的网络会在商业流量环境下实现相同结果。

随着网络向布哈拉和浩罕延伸，Uzbektelecom 必须应对更长的距离。首个试点的亚毫秒目标覆盖最长 100 公里的路线，而这些区域站点距离塔什干超过 300 公里。

物理规律、路由、设备和运营开销都会影响端到端延迟。初始链路的优异结果，并不能证明最终全国网络拓扑中的性能表现。

带宽同样需要结合实际情况来看。800 Gbps 的连接能力相当可观，但当组织传输训练数据、复制存储数据，或从大量来源流式传输视频时，共享容量可能很快被占满。运营商需要在宣传带宽之外，同步配备流量控制与容量规划。

该项目最强的潜力在于资源池化。互联的设施网络能够调度特定工作负载、共享专用硬件，并根据需求或可用性部署服务。

这将赋予区域数据中心超越备份功能的角色。它们可以成为全国算力网络的活跃组成部分。这一区别很重要，因为闲置的灾难恢复站点带来的经济价值低于承载日常生产工作负载的设施。

缺失的数字界定了风险

Uzbektelecom 已明确了地点、认证和服务范围，但尚未披露评估 AI 算力所需的关键数据。

该公告未包含 GPU 库存信息。它没有说明加速器供应商、硬件代际、内存配置、集群拓扑或预期性能。

电力容量同样缺失。数据中心运营商通常会通过总电力容量或可供 IT 设备使用的电力来描述设施。缺少这些数据，读者便无法将布哈拉和浩罕与其他区域或国际项目进行比较。

效率方面也存在同样的空白。Uzbektelecom 尚未公布电源使用效率、水资源需求、可再生能源来源，或 AI 工作负载的预期能耗。

这些缺失之所以重要，是因为 GPU 服务器对供电和冷却提出了异常高的要求。一座为传统企业服务器设计的设施，可能还需要进一步改造，才能大规模支持高密度加速器集群。

Tier III 设计认证涉及设施设计的可维护性与冗余性。它并不能说明安装了多少 AI 硬件，也无法回答客户是否能及时获得这些资源。

该公司也未公布利用率目标。低利用率可能意味着国内需求仍然有限，或客户接入存在困难。极高的利用率则可能导致排队，并限制访问。

客户证据是另一层缺失的信息。Uzbektelecom 将模型开发、视频分析、图像识别和数字孪生列为支持场景，但尚未披露两座新设施的实际生产用户。

早期标杆客户将有助于区分通用基础设施与活跃的 AI 市场。政府机构可能成为锚定用户，但私营部门和研究机构的采用情况将表明需求是否超出国家支持的项目。

运营透明度将十分重要。客户需要服务级别承诺、事件报告、支持流程，以及关于数据存放位置的清晰说明。受监管买家还将希望看到有关访问控制和可审计性的证据。

网络安全同样值得重视。连接多座设施可以提高韧性，但也扩大了防御人员必须监控的系统范围。身份管理、管理接口、编排工具和站点间流量都需要保护。

Uzbektelecom 表示其基础设施遵循 ISO/IEC 27001，并计划获得 PCI DSS 认证。这些框架有助于支持严格的控制措施，但客户仍需要服务专属文档和经过测试的响应流程。

供应商集中度构成另一项不确定性。日本合作伙伴提供了重要的基础设施、网络技术和运营知识。长期成功需要本地团队能够维护系统、排查故障，并在无需持续外部介入的情况下演进平台。

2023 年项目包含针对 Uzbektelecom 人员的培训，这解决了部分问题。下一步的证据应来自运营成果、正常运行时间记录、服务采用情况和成功的容量扩展。

在需求到来前提前建设也存在商业风险。AI 基础设施需要持续资本支出，而硬件可能迅速贬值。Uzbektelecom 必须在设备竞争力下降前吸引足够的工作负载。

相反的风险是供给不足。如果需求增长快于采购，有限容量可能会优先分配给少数大型客户，并削弱广泛接入的承诺。

目前，负责任的结论只能保持有限。相关设施扩大了乌兹别克斯坦国内 AI 基础设施的覆盖范围，并提升了地域多样性。公开证据尚不足以证明其规模、经济性或实际表现。

三项信号将显示该战略是否奏效

下一阶段应通过披露的容量、实际网络测试和可见的客户采用情况来评判。

第一项信号是布哈拉和浩罕的技术披露。Uzbektelecom 应说明 GPU 配置、可用容量、支持的框架、存储性能和服务级别承诺。

这些细节将让开发者和企业买家评估工作负载适配性。它们还将揭示 GPU as a service 是一项专门试点，还是一个面向持续商业使用的平台。

清晰的资源交付信息与原始硬件同样重要。客户应了解是否可以预留容量、作业如何进入队列、适用哪些数据传输控制措施，以及使用哪些工具监测资源消耗。

实质性披露将强化 Uzbektelecom 正在销售一个可运营 AI 环境的判断。持续沉默则会令市场只能依赖笼统的服务描述。

第二项信号是 APN 试点的实测性能。Uzbektelecom 及其合作伙伴已为奥汉加龙至赞吉阿塔的连接提出雄心勃勃的带宽和延迟目标。

读者应关注端到端测试方法、持续吞吐量、负载下的延迟、故障切换行为、能源测量，以及验证期间使用的应用。若演示包含远程 GPU 工作负载，将直接支持分布式计算的论点。

当网络向布哈拉和浩罕延伸时，更困难的里程碑将随之到来。这些路线将检验该架构是否能在远得多的距离上保持实用性能。

成功扩展将强化 Uzbektelecom 关于独立站点可作为协调统一的国家资源运行的主张。延误或性能显著减弱，则会让这些设施看起来更像独立的区域云。

第三项信号是客户采用情况。具名的生产工作负载、重复使用、私营部门参与、大学项目以及公布的利用率数据，都将证明该基础设施正在解决真实问题。

最有说服力的案例将涉及特别受益于本地托管或区域分布的工作负载。公共服务连续性、工业视频分析、本地治理的 AI 系统以及跨站点灾难恢复，都将检验这一战略。

泛泛的实验参考价值较低。短期演示可以表明软件能够运行，但无法证明经济价值、运营可靠性或持续需求。

企业团队在评估该平台时，应在选址前明确记录需求。数据驻留、恢复时间、加速器内存、模型可移植性、网络延迟和支持覆盖范围的重要性，可能高于“AI”这一标签本身。

他们还应将研究成果和运营决策保存在可搜索的 AI knowledge base 中。当基准测试、合同、合规记录和事故调查结果分散存放时，基础设施选择将很难重新评估。

Uzbektelecom 的 AI 数据中心已改变乌兹别克斯坦计算基础设施的版图。它们将由 GPU 支撑的云服务带入布哈拉和浩罕，并为互联的国家级算力网络铺平了道路。

接下来的问题可以量化：客户能否获得足够的容量、可靠的跨站点运营能力，以及足以将该网络视为生产基础设施的实际性能？值得关注硬件披露、APN 测试结果和客户工作负载。这三个信号将表明，区域主权算力会成为可运行的平台，还是仍停留在雄心勃勃的基础设施规划阶段。