Was sich geändert hat und warum es wichtig ist
China hat neue Vorgaben erlassen, nach denen jedes neue Rechenzentrumsprojekt, das staatliche Mittel erhält, ausschließlich im Inland hergestellte Chips für künstliche Intelligenz einsetzen muss. Die Aufsichtsbehörden haben Betreiber von Projekten, die zu weniger als 30 Prozent fertiggestellt sind, angewiesen, bereits installierte ausländische Beschleuniger auszubauen oder geplante Käufe zu stornieren. Weiter fortgeschrittene Rechenzentren werden von Fall zu Fall geprüft. Damit vollzieht sich ein Wandel gegenüber früheren Regelungen, die vom Kauf ausländischer Chips abrieten. Zugleich wird der Vorstoß formalisiert, die KI-Infrastruktur auf chinesischer Chiptechnologie aufzubauen.
Inhalt
Die Vorgabe ist weitreichend und gilt rückwirkend. Sie erfasst den Nvidia H20, den leistungsfähigsten KI-Beschleuniger, den das Unternehmen in China verkaufen durfte. Zudem richtet sie sich gegen leistungsstärkere Prozessoren wie den H200 und den B200, deren Export zwar durch US-Regeln eingeschränkt ist, die chinesische Käufer aber dennoch über graue Handelskanäle erreicht haben. Dieser Warenfluss dürfte stärker unter die Lupe genommen werden, wenn Prüfer Beschaffungsunterlagen und Lagerbestände kontrollieren.
Es steht viel auf dem Spiel. Seit 2021 sind mehr als 100 Milliarden US-Dollar an öffentlichen Mitteln in KI-Rechenzentrumsprojekte in China geflossen, die an nationale und regionale Ziele zur Datensouveränität geknüpft sind. In der ersten Ausbauphase dominierten ausländische Anbieter. Nvidia beherrschte einst mehr als 90 Prozent des lokalen Marktes für Beschleuniger. Inzwischen ist der Marktanteil auf null gesunken; eine Rückkehr mit Sonderanfertigungen ist damit ausgeschlossen. Inländische Chips von Huawei, Cambricon, Enflame, MetaX, Moore Threads und Biren sollen nun die Lücke füllen.
Wie die Regeln durchgesetzt werden
Die Vorgaben gelten für jede Einrichtung, die in irgendeiner Form staatliche Mittel erhält, darunter Zuschüsse, Steuervergünstigungen, vergünstigte Grundstücke, Strompreisstützungen oder direkte Beteiligungen. Betreiber wurden angewiesen, ihre Beschaffungspläne zu prüfen und Ausschreibungen dort neu aufzusetzen, wo ausländische Chips vorgesehen waren, um stattdessen heimische Halbleiter einzusetzen. Integrationspartner passen ihre Stücklisten an die neuen Regeln an.
Rechenzentren in einer frühen Bauphase haben Vorrang. Einige Bauvorhaben wurden bereits vor dem ersten Spatenstich gestoppt, darunter eine Anlage in einer nordwestlichen Provinz, die Nvidia-Chips einsetzen wollte. Die Behörden haben die Richtlinie nicht veröffentlicht. Daher ist noch unklar, ob sie landesweit oder nur in ausgewählten Provinzen gilt. An den Prüfungen sind Aufsichtsbehörden für Cybersicherheit und Wirtschaftsplanung beteiligt. Bei weit fortgeschrittenen Projekten hängen die Entscheidungen vom Zeitplan, den Arbeitslasten und der Verfügbarkeit heimischer Hardware ab.
Rückwirkender Ausbau und Zeitpläne
Betreibern, die ausländische Beschleuniger ausbauen sollen, steht ein mehrstufiger Prozess bevor. Sie müssen Server außer Betrieb nehmen und erfassen, offene Bestellungen stornieren und neue Platinen und Racks mit heimischen Chipsätzen neu qualifizieren. Ein Austausch der Beschleuniger ist selten ohne Weiteres möglich. Stromversorgung, Kühlkreisläufe und Netzwerkinfrastruktur sind auf bestimmte Komponenten ausgelegt. Deshalb müssen Anbieter Racks erneut zertifizieren und mitunter ganze Reihen neu aufbauen.
Die Einzelfallentscheidungen schaffen Unsicherheit für Standorte kurz vor der Fertigstellung. Einige dürfen möglicherweise vorhandene ausländische Hardware behalten, um den geplanten Betriebsstart einzuhalten, und sie später nach und nach ersetzen. Andere müssen ausländische Chips womöglich auf unkritische Arbeitslasten beschränken oder ihre Nutzung begrenzen. In jedem Fall müssen Betreiber nachweisen, dass neue Kapazitäten auf heimischer Chiptechnologie beruhen werden.
Gewinner und Verlierer auf dem Chipmarkt
Die eindeutigsten Verlierer sind Nvidia, AMD und Intel. Das Verbot schließt ihre Beschleuniger aus dem größten Wachstumsmarkt in China aus: dem öffentlichen Sektor und staatlich gestützten Cloud-Angeboten. Nvidia hatte den H20 so entwickelt, dass er den US-Vorschriften entsprach. Bei staatlichen Projekten ist er nun nicht mehr zugelassen. Hochwertige Komponenten wie der B200 und der H200, deren Export durch US-Kontrollen bereits eingeschränkt ist, werden besonders genau geprüft, falls sie in sensiblen Bauvorhaben auftauchen.
Heimische Anbieter erhalten mehr Spielraum für Wachstum. Huawei Ascend ist die am stärksten etablierte Produktreihe; ihre Chips kommen beim Training und bei der Inferenz von KI-Modellen zum Einsatz. Cambricon entwickelt Einheiten für maschinelles Lernen, die in Standardserver passen. Enflame entwirft Beschleuniger für Rechenzentren. MetaX und Moore Threads haben GPU-Familien vorgestellt, während Biren Prozessoren für das Training großer Modelle entwickelt. Serverhersteller wie Inspur und Sugon bieten Systeme mit diesen Chips an. Cloud-Plattformen wie Alibaba Cloud, Tencent Cloud und Baidu AI Cloud haben Cluster mit heimischen Chips präsentiert.
Für Entwickler entsteht ein Zielkonflikt. Viele Teams bevorzugen Nvidia wegen des CUDA-Softwarepakets, das Tausende optimierte Rechenkerne und ausgereifte Werkzeuge bietet. Heimische Chips haben sich rasch weiterentwickelt, doch bis sie bei Leistung, Breite des Ökosystems und Treiberreife gleichziehen, wird es dauern. Die neue Regel zwingt mehr Teams dazu, Code zu portieren, die Modellgenauigkeit mit neuen Rechenkernen zu überprüfen und Trainingsabläufe für andere Compiler-Pakete zu optimieren.
Technologischer Abstand und Software-Ökosysteme
KI-Beschleuniger führen die Berechnungen schneller aus, die im Kern des Deep Learning stehen. Moderne Trainingsläufe verteilen sich gleichzeitig auf zahlreiche Chips. Deshalb sind vor allem drei Faktoren entscheidend: die rohe Rechenleistung, die Speicherbandbreite für deren Versorgung und schnelle Verbindungen, die die Chips zu einem koordinierten Cluster zusammenführen. Nvidia ist in allen drei Bereichen gut aufgestellt: mit fortschrittlicher Gehäusetechnik, gestapeltem Speicher und schnellen Verbindungen, die große Cluster synchron halten.
Software ist die zweite Säule. CUDA verschafft Nvidia einen starken Einfluss auf Entwickler. Für CUDA geschriebener und optimierter Code lässt sich nicht automatisch auf andere Plattformen übertragen. Beim Portieren müssen Rechenkerne neu geschrieben oder Bibliotheken gewechselt und anschließend Genauigkeit und Leistung erneut überprüft werden. Chinesische Anbieter stellen eigene Werkzeugketten und Schnittstellen zu PyTorch und TensorFlow bereit. Kompatibilität und Leistung haben sich verbessert, doch bei manchen Modellen bestehen weiterhin Lücken, insbesondere bei solchen mit eigens entwickelten CUDA-Erweiterungen.
Auch die Hardwareversorgung beeinflusst die Ergebnisse. Moderne KI-Prozessoren hängen von fortschrittlichen Fertigungsverfahren und Speicher mit hoher Bandbreite ab. Exportkontrollen für Chipfertigungsanlagen schränken den Zugang zu bestimmten Werkzeugen und Materialien ein. Inländische Fabriken können leistungsfähige Chips herstellen, doch Ausbeute und Energieeffizienz bleiben oft hinter den neuesten Produkten aus dem Ausland zurück. Dadurch können mehr Strom und größere Flächen nötig sein, um Trainingszeitpläne einzuhalten, was die Kosten pro Recheneinheit erhöht.
Folgen des Verbots für laufende KI-Projekte
Kurzfristig werden sich die Zeitpläne vieler Bauvorhaben verzögern. Beschaffungsteams müssen Verträge neu verhandeln, und Integratoren müssen Verwaltungssoftware, Treiber und Orchestrierungsebenen für die neuen Chips erneut qualifizieren. Auch die Vorgaben für Kühlung und Stromversorgung werden überprüft, da sich Beschleuniger in ihrem Kühlbedarf und Energieprofil unterscheiden.
Während der Umstellung werden einige Betreiber gemischte Systeme nutzen. Vorhandene ausländische Beschleuniger könnten für ältere Inferenzaufgaben oder Forschungszwecke weiterlaufen, während neue Trainingsaufträge auf heimische Chips verlagert werden. Gemischte Systeme erhöhen die Komplexität. Verteiltes Training ist auf Kommunikation mit geringer Latenz zwischen vielen Knoten angewiesen. Unterschiede bei Verbindungen und Compiler-Paketen können die Effizienz beeinträchtigen, wenn Aufträge auf Hardware verschiedener Anbieter verteilt sind.
Die Beschaffung wird zur Herausforderung. Die Lieferzeiten für heimische Beschleuniger sind weiterhin lang, und die Kapazitäten müssen wachsen, um die Nachfrage aufzunehmen, die bislang ausländische Anbieter bedient haben. Graue Handelskanäle, die früher Engpässe überbrückten, geraten durch strengere Kontrollen und die Nachverfolgung von Seriennummern unter Druck. Systemanbieter müssen ihre Qualifizierungs- und Supportleistungen ausbauen, damit große Projekte im Zeitplan bleiben.
Globale Auswirkungen
Die Richtlinie verändert die Wachstumspläne großer Chiphersteller und Cloud-Anbieter. US-Anbieter werden sich stärker auf die Nachfrage in den USA, Europa, dem Nahen Osten und Südostasien konzentrieren. Einige investieren in Indien und anderen Märkten, um den Wegfall von Verkäufen an staatlich gestützte Projekte in China auszugleichen. Anleger werden beurteilen, ob diese Regionen die Kapazitäten aufnehmen können, die zuvor für chinesische Rechenzentren vorgesehen waren.
Chinesische Anbieter erhalten einen geschützten Heimatmarkt, müssen ihre Produktion aber rasch ausweiten und Lücken bei der Software schließen, um bei den Gesamtbetriebskosten wettbewerbsfähig zu sein. Jeder Leistungsrückstand bedeutet mehr Racks und mehr Strom für dieselbe Arbeit. Das erhöht die Betriebskosten und kann das Tempo bremsen, mit dem heimische Forscher Modellgrößen und Trainingsläufe im Vergleich zu Wettbewerbern ausbauen, die im Ausland GPUs der Spitzenklasse einsetzen.
Die Politik verknüpft Geopolitik noch enger mit dem Ausbau der Dateninfrastruktur. Entscheidungen zur Einhaltung der Vorschriften für einen einzelnen Beschleuniger können den Zeitplan nationaler KI-Programme und Cloud-Angebote verändern. Beschaffungsstrategien, Colocation-Pläne und grenzüberschreitende Partnerschaften werden an Hardwarevorgaben angepasst, die nun tief in die Serverräume strategischer Rechenprojekte hineinreichen.
Die wichtigsten Punkte
- Neue Vorgaben verpflichten staatlich finanzierte Rechenzentren in China, ausschließlich heimische KI-Chips zu verwenden.
- Projekte, die zu weniger als 30 Prozent fertiggestellt sind, müssen ausländische Beschleuniger ausbauen oder deren Kauf stornieren.
- Die Regel erfasst den Nvidia H20 und richtet sich gegen leistungsstärkere H200- und B200-Chips.
- Seit 2021 sind mehr als 100 Milliarden US-Dollar an öffentlichen Mitteln in KI-Rechenzentrumsprojekte geflossen.
- Nvidias Marktanteil in China sank von etwa 95 Prozent im Jahr 2022 auf null.
- Die Behörden haben die Richtlinie nicht veröffentlicht; ob sie landesweit gilt, ist weiterhin unklar.
- An den Prüfungen sind Aufsichtsbehörden für Cybersicherheit und Wirtschaftsplanung beteiligt; bei weit fortgeschrittenen Standorten wird von Fall zu Fall entschieden.
- Zu den heimischen Profiteuren zählen Huawei, Cambricon, Enflame, MetaX, Moore Threads und Biren.
- Die Umstellung erfordert die Portierung von Code und eine erneute Systemqualifizierung, was laufende Projekte verteuert und verzögert.
- Die Reife der Software und Einschränkungen bei der Fertigung könnten den Abstand bei der Rechenleistung zu ausländischen Wettbewerbern kurzfristig vergrößern.
