剛剛，智譜建了一座只用國產芯片的數據中心

過去兩年，全球人工智慧產業最炙手可熱的資源，非英偉達的 GPU 莫屬。從 OpenAI 到 Meta，再到 Google 與 Amazon，幾乎所有想在 AI 領域佔據領先地位的企業，都在瘋狂爭搶運算晶片。然而，業界最初的焦點全放在模型能力上，後來才逐漸體認到，模型背後的「算力機器」同樣決定了迭代速度。演算法可以調整，訓練資料可以補充，但算力中心卻無法臨時搭建——晶片必須提前採購，機房需要預先規劃，甚至電力供應也要排隊等待接入。等到模型方案確定後再回頭尋找資源，往往已經錯失先機。

於是，人工智慧產業出現了一個頗具反差感的場景：一群原本專注於最前沿軟體研發的公司，開始忙著找土地、談能源、蓋數據中心。這股建設浪潮中，中國 AI 大廠智譜也迅速跟進，近期完成了一座規模達到 1GW 的 AI 數據中心。更引人注目的是，據了解這座數據中心完全採用國產晶片，在當前全球晶片供應緊張、出口管制加劇的背景下，格外具有指標意義。算力基礎設施的建設門檻極高，從選址、環評到電力配套，往往需要數年時間。智譜這座 1GW 規模的數據中心，意味著其總用電容量相當於一座小型城市的基本負載，足以支撐數萬張 AI 加速卡同時運作。

過去，中國 AI 企業大多依賴英偉達的 GPU 進行模型訓練與推理，但隨著美國對先進晶片出口限制日益收緊，業界開始積極尋求國產替代方案。智譜這次大膽採用國產晶片建置數據中心，不僅是對國內半導體產業鏈的一次實戰考驗，也為其他 AI 公司提供了一條可行路徑。從技術路線來看，國產 AI 晶片在單卡算力、記憶體頻寬與軟體生態上，仍與英偉達有差距，但近年來進步顯著。智譜選擇在此時投入大規模國產晶片數據中心，背後勢必經過縝密的效益評估。一方面，透過異構計算與分散式訓練架構，可以彌補單顆晶片效能的不足；另一方面，完全自有的算力設施能避免未來受制於進口禁令，確保模型迭代的節奏不受外部因素干擾。

更重要的是，這座數據中心從晶片採購到機房建設，全部由智譜自主掌控，大幅降低了供應鏈風險。AI 行業正從「訓練模型」走向「建設計算工廠」，這已經是全球共識。智譜的動作呼應了這個趨勢，而且走得比許多同業更徹底。過去，許多中國 AI 公司傾向於租用雲端算力，好處是靈活彈性，但長期來看，自建數據中心才能掌握核心資源。尤其對於需要大量訓練的基礎模型而言，穩定的算力供給直接關係到模型發布時程與競爭力。智譜此前已推出多款知名開源模型，如今補上算力基礎設施這塊拼圖，等於打通了從晶片到模型再到應用的閉環。值得注意的是，智譜這座數據中心並非只是單純的算力堆疊。

據了解，其內部採用了先進的液冷散熱方案，以應對國產晶片高功耗的挑戰；同時，也預留了光纖網路與儲存擴充空間，為未來更大規模的集群擴展做好準備。這種「邊建設邊優化」的策略，反映出智譜對長期營運的重視。畢竟，一座 1GW 的數據中心一旦啟動，電費與維護成本極高，若不能有效提升算力利用率，反而會成為財務負擔。從產業宏觀角度來看，智譜的國產晶片數據中心，也為中國 AI 晶片生態提供了難得的實際驗證場域。過去國產晶片常被詬病「跑得了模型，跑不了業務」，關鍵就在於缺乏大規模部署的真實數據。智譜若能透過這座數據中心，證明國產晶片在千卡甚至萬卡集群中的穩定性與效能，將能大幅提振市場信心，推動更多企業跟進採用。

這不僅是智譜自己的戰略布局，更可能成為中國 AI 算力自主化的重要里程碑。當然，挑戰依然存在。國產晶片的軟體棧成熟度、開發工具鏈、以及與主流框架的相容性，都還需要持續打磨。智譜在內部遷移過程中，勢必投入大量工程資源進行最佳化。但從另一個角度看，這些投入也將轉化為智譜的技術壁壘——未來其他企業若想複製同樣的國產晶片數據中心，將需要面對同樣的學習曲線。整體而言，智譜這座 1GW 國產晶片數據中心的落成，標誌著中國 AI 基礎設施建設進入了新階段。在晶片供應鏈不確定性持續升高的當下，智譜選擇了一條最艱難但也最穩健的路：從底層晶片開始，全面掌控自己的算力命運。

這座數據中心能否真正承載起下一代大模型的訓練任務，還有待時間檢驗，但至少它證明了，在沒有英偉達 GPU 的情況下，中國 AI 企業並非無路可走。