Z. ai, ex-Zhipu, a commencé à faire tourner une partie d’un centre de données d’IA annoncé à 1 gigawatt, construit uniquement avec des puces chinoises.
L’objectif est clair, entraîner ses modèles GLM sans aucun matériel Nvidia, devenu difficile d’accès avec les restrictions américaines.
Faute de vérification indépendante sur le nombre exact d’accélérateurs et la puissance soutenue, le projet devient un test très concret de la capacité chinoise à passer du discours à l’exploitation.
Un gigawatt revendiqué, l’équivalent d’une ville branchée
Le chiffre frappe, 1 GW de puissance, c’est l’ordre de grandeur d’un grand site industriel, ou d’environ 750 000 foyers alimentés en continu. Pour un laboratoire d’IA, ce niveau place l’installation dans le haut du panier des hubs de calcul connus en Chine.
Selon des informations rapportées par Bloomberg via une source proche du dossier, Z. ai aurait déjà démarré une exploitation partielle du site. L’entreprise n’a pas détaillé publiquement la capacité active, ni le profil de charge, un point clé pour distinguer une infrastructure prête d’un entraînement soutenu.
Dans ce type de centre, la puissance annoncée ne dit pas tout. Le refroidissement, les onduleurs et la distribution électrique pèsent lourd, parfois des dizaines de pourcents du total. Un gigawatt sur la facture ne signifie pas un gigawatt sur les GPU.
Ce qui rend l’annonce sensible, c’est le contexte. Sans Nvidia, la Chine doit prouver qu’elle peut maintenir des cycles d’entraînement longs, stables, et à grande échelle, sans effondrement de rendement quand les clusters grossissent.
Des clusters de 10 000 accélérateurs, mais lesquels exactement?
Le second chiffre avancé est presque plus parlant, plusieurs grappes dépasseraient 10 000 puces chacune. À ces tailles, le défi n’est plus seulement le calcul brut, mais la façon de faire circuler des téraoctets de données entre mémoire, réseau et stockage.
Le point le plus commenté tient dans une phrase, zéro Nvidia. Aucun H100, aucun Blackwell, rien, selon la source citée. Cette exclusion n’est pas une posture marketing, elle colle aux contraintes d’accès au matériel haut de gamme visé par les contrôles américains.
Reste le trou dans la raquette, Z. ai n’a pas nommé les accélérateurs. Les candidats naturels côté chinois existent, Huawei Ascend en tête, puis des acteurs comme Cambricon ou Moore Threads. Mais la performance réelle dépend autant des puces que du logiciel de compilation, des bibliothèques, et des optimisations modèle.
Sans inventaire public, impossible de vérifier la densité de calcul, le ratio mémoire par accélérateur, ou la topologie réseau. Or, ce sont ces détails qui séparent un cluster qui boote d’une ferme qui entraîne des modèles avancés de façon compétitive.
Sans Nvidia, la bataille se joue sur l’efficacité par watt
Un gigawatt de puissance ne se traduit pas automatiquement en domination. Les accélérateurs chinois sont souvent décrits comme en retrait sur la performance par watt face aux dernières générations Nvidia. Résultat mécanique, pour obtenir un débit d’entraînement comparable, il faut brûler plus de kilowattheures et déployer plus de puces.
Cette contrainte change la facture technique. Plus de cartes implique plus de racks, plus de câbles, plus de commutateurs, et plus de points de panne. À grande échelle, la fiabilité devient un sujet quotidien, microcoupures, liens réseau instables, dérives thermiques, tout se paye en temps d’entraînement.
Le goulot d’étranglement se déplace alors vers l’interconnexion. Les meilleurs GPU ne servent à rien si le réseau sature ou si la mémoire ne suit pas. C’est précisément là que les écosystèmes mûrs, outils, firmwares, pilotes, observabilité, font la différence.
Pour Z. ai, l’enjeu n’est pas seulement d’afficher une puissance installée, mais de démontrer une efficacité opérationnelle, taux d’utilisation élevé, reprises après incident, et coûts maîtrisés sur des semaines d’entraînement.
Un test industriel pour l’écosystème chinois du calcul IA
Si l’installation tient ses promesses, elle devient une vitrine pour une chaîne complète, accélérateurs, réseau, serveurs, logiciels, jusqu’aux outils MLOps. La Chine cherche depuis des années à réduire la dépendance au matériel américain, et un site de cette taille sert de preuve par l’usage.
Mais la prudence s’impose. Sans audit externe, le public ne sait pas combien de puces tournent réellement, ni à quel rythme. Entre une salle blanche terminée et un entraînement à pleine charge, il y a la mise au point, la stabilité, et la logistique des pièces de rechange.
Le facteur temps compte aussi. Les modèles de pointe exigent des itérations rapides, donc une capacité à recompiler, profiler, corriger, relancer. Un écosystème logiciel moins mature peut rallonger les cycles, même avec beaucoup de silicium et beaucoup de mégawatts.
Pour les acteurs locaux, ce projet sert de banc d’essai, et de pression. Un grand client qui consomme à l’échelle force les fournisseurs à corriger, documenter, et industrialiser, ce qui manque souvent aux solutions plus jeunes.
Ce que l’on peut comparer dès maintenant, puissance, vérification, dépendance
Les informations disponibles permettent déjà une comparaison factuelle entre une approche full Nvidia et l’approche revendiquée par Z. ai. Le point central n’est pas le prestige, mais la combinaison approvisionnement, rendement et capacité à soutenir des entraînements longs.
| Point de comparaison | Approche Z. ai (revendiquée) | Approche Nvidia (référence marché) |
|---|---|---|
| Accélérateurs | Puces chinoises, modèles non précisés publiquement | Nvidia (H100, puis Blackwell selon disponibilité) |
| Puissance annoncée | 1 GW pour le site, exploitation partielle signalée | Variable, souvent optimisée pour le perf/watt |
| Vérification externe | Non confirmée, inventaire et métriques non publiés | Benchmarks, retours clients, écosystème documenté |
| Risque principal | Écart de rendement, réseau et logiciel à grande échelle | Dépendance aux exportations et à la chaîne d’approvisionnement |
Le tableau met en lumière le cur du sujet, Z. ai mise sur l’indépendance matérielle, mais doit prouver la compétitivité en conditions réelles. À l’inverse, les architectures Nvidia gagnent souvent sur l’efficacité et la maturité, mais se heurtent aux contraintes géopolitiques.
La suite se jouera sur des signaux concrets, publications techniques, démonstrations d’entraînement, coûts d’exploitation, et capacité à livrer des modèles GLM à un rythme comparable aux standards mondiaux. Sans ces éléments, le gigawatt reste un chiffre impressionnant, mais difficile à qualifier.
Sources
- Quel est l'avenir de l'IA en Chine sans Nvidia ?
- DeepSeek : un modèle IA de pointe grâce aux puces NVIDIA
- Coup dur pour NVIDIA ! Pékin interdit la vente de ses puces IA aux entreprises chinoises
- Nvidia : Des géants chinois autorisés à préparer des commandes de puces IA H200 de Nvidia – BFM Bourse
- Nvidia : Des géants chinois autorisés à préparer des commandes de puces IA H200 de Nvidia – BFM Bourse
