Z.ai ha completato la costruzione di un data center per l’intelligenza artificiale con una capacità elettrica dichiarata di circa 1 gigawatt, progettato per funzionare esclusivamente con acceleratori prodotti in Cina. La struttura ha già avviato una parte delle operazioni e sarà utilizzata per addestrare le nuove generazioni dei modelli linguistici GLM senza ricorrere a hardware Nvidia. Le dimensioni collocano il progetto tra le maggiori infrastrutture AI realizzate direttamente da uno sviluppatore cinese di modelli. Una capacità di 1 GW non indica il consumo costante della struttura né permette, da sola, di calcolarne la potenza computazionale. Rappresenta la quantità massima di energia prevista per alimentare acceleratori, sistemi di memoria e rete, server, raffreddamento e apparecchiature ausiliarie. Z.ai non ha comunicato la posizione del data center, il numero complessivo dei processori installati e i produttori coinvolti. È stato però riferito che l’azienda dispone di più cluster separati, ciascuno composto da oltre 10.000 chip cinesi. Non è ancora chiaro se questi sistemi siano tutti collocati nel nuovo impianto o distribuiti tra infrastrutture differenti.
Il nuovo centro di calcolo dovrà sostenere lo sviluppo della famiglia GLM, che comprende modelli linguistici e multimodali destinati alla generazione di testi, alla programmazione, al ragionamento e all’esecuzione di attività agentiche. L’addestramento di un modello avanzato richiede migliaia di acceleratori collegati attraverso reti ad alta velocità. I chip devono elaborare in parallelo grandi quantità di dati e scambiarsi continuamente i risultati intermedi. La prestazione effettiva dipende quindi non solo dalla capacità del singolo processore, ma anche dalla memoria disponibile, dalla banda di comunicazione e dall’efficienza del software distribuito. La costruzione di cluster composti da oltre 10.000 acceleratori indica che Z.ai sta cercando di superare la frammentazione che ha limitato molti progetti cinesi. Disporre di chip nazionali non è sufficiente se questi non possono essere coordinati in sistemi abbastanza grandi e stabili da addestrare un modello di frontiera. Il nuovo data center rappresenta quindi una prova sia per l’hardware sia per l’intero stack tecnologico cinese. La struttura dovrà dimostrare che processori, interconnessioni, compilatori, librerie e sistemi di gestione possono sostenere carichi prolungati senza l’ecosistema CUDA di Nvidia.
Z.ai, conosciuta in Cina anche come Zhipu AI, ha già adattato i propri modelli a diverse piattaforme domestiche. La società ha lavorato con acceleratori Huawei Ascend e ha reso alcune versioni di GLM compatibili anche con chip sviluppati da Cambricon e Moore Threads. L’ottimizzazione non consiste nella semplice sostituzione di una GPU con un processore differente. Ogni piattaforma utilizza compilatori, librerie e sistemi di comunicazione propri. Le operazioni del modello devono essere adattate alla memoria disponibile, alla precisione numerica supportata e alla topologia del cluster. Z.ai ha dichiarato di avere ottenuto, attraverso un’ottimizzazione congiunta di modelli e hardware, un’efficienza di inferenza sui chip nazionali comparabile a quella dei principali acceleratori esteri. Il data center da 1 GW estende questa strategia all’addestramento su vasta scala, che richiede livelli superiori di sincronizzazione e affidabilità. Il progetto risponde anche alla crescita della domanda per i servizi dell’azienda. Nel 2025 i ricavi di Z.ai sono aumentati del 132%, mentre nel primo trimestre del 2026 il volume delle chiamate API è cresciuto del 400%. La scarsità di capacità computazionale aveva già costretto la società a limitare temporaneamente le nuove registrazioni e a richiedere ulteriore supporto infrastrutturale.
Z.ai è stata inserita nel gennaio 2025 nella Entity List del Dipartimento del Commercio degli Stati Uniti. La misura limita l’accesso diretto dell’azienda a tecnologie statunitensi soggette a licenza, compresi gli acceleratori Nvidia più avanzati. I controlli sulle esportazioni hanno reso più difficile per le imprese cinesi acquistare GPU H100, A100 e altri processori ad alte prestazioni. Le successive restrizioni hanno interessato anche prodotti sviluppati specificamente per rispettare i precedenti limiti commerciali. La costruzione di un impianto privo di hardware Nvidia mostra come le aziende cinesi stiano passando dall’adattamento temporaneo a un’infrastruttura progettata fin dall’inizio attorno a tecnologie nazionali. Questo riduce l’esposizione a nuove restrizioni, ma trasferisce sui fornitori cinesi la responsabilità di garantire produzione, memoria, software e assistenza per cluster di grandi dimensioni. Il progetto è inoltre coerente con le indicazioni di Pechino, che richiedono l’impiego di chip nazionali nei nuovi data center sostenuti da fondi pubblici. La Cina sta preparando una rete di poli computazionali interconnessi nella quale almeno l’80% delle tecnologie AI dovrebbe provenire da fornitori locali.
La potenza prevista di 1 GW evidenzia la scala del progetto, ma anche il costo energetico necessario per compensare i limiti dell’hardware disponibile. Gli acceleratori cinesi più avanzati devono ancora confrontarsi con i prodotti Nvidia in termini di prestazioni per watt, densità di calcolo e maturità del software. Le autorità locali cinesi hanno introdotto agevolazioni sull’elettricità per i data center che utilizzano processori nazionali. In alcune regioni ricche di energia, gli incentivi possono ridurre sensibilmente il costo operativo e rendere sostenibili cluster che richiedono più chip per ottenere prestazioni paragonabili a quelle di sistemi basati su acceleratori esteri. Un’infrastruttura da 1 GW richiede comunque collegamenti diretti alla rete elettrica, sistemi di raffreddamento industriale e una gestione precisa dei picchi di assorbimento. La capacità effettivamente utilizzabile dipenderà dalla disponibilità continua di energia e dalla possibilità di smaltire il calore prodotto dai server. L’avvio parziale delle operazioni indica che il data center verrà probabilmente attivato per fasi. Questa modalità consente di verificare progressivamente la stabilità dei cluster, integrare nuovi acceleratori e aumentare il carico senza attendere il completamento dell’intera configurazione.
L’assenza di informazioni sui fornitori e sulla configurazione tecnica non permette di confrontare direttamente il centro di Z.ai con le maggiori infrastrutture statunitensi. La capacità elettrica non rivela il numero di operazioni al secondo, l’efficienza dei processori o il tempo necessario per addestrare un modello. Resta inoltre da verificare la disponibilità di chip domestici in quantità sufficienti. La produzione cinese di semiconduttori avanzati è limitata dalla capacità degli impianti, dalla resa dei processi produttivi e dall’accesso alla memoria ad alta larghezza di banda. Costruire il data center è quindi solo una parte del progetto; occorre anche riempirlo progressivamente con acceleratori utilizzabili. Un altro elemento critico sarà il tasso di utilizzo. Cluster molto grandi possono perdere efficienza quando guasti, ritardi nelle comunicazioni o incompatibilità software costringono una parte dei processori a rimanere inattiva. La capacità teorica deve essere trasformata in potenza effettivamente impiegata nell’addestramento.
Il data center di Z.ai dimostra che la Cina è in grado di progettare infrastrutture AI di scala gigawatt senza prevedere l’impiego di processori Nvidia. Non dimostra ancora che i chip nazionali abbiano raggiunto le stesse prestazioni o la stessa efficienza energetica dei migliori acceleratori occidentali. Il valore industriale del progetto dipenderà dai risultati ottenuti nell’addestramento dei prossimi modelli GLM: tempi di esecuzione, stabilità dei cluster, consumo energetico e costo complessivo del calcolo. La struttura costituisce quindi un banco di prova concreto per l’intera filiera cinese dell’intelligenza artificiale. Se riuscirà a sostenere l’addestramento di modelli avanzati con prestazioni economicamente competitive, la dipendenza della Cina dall’hardware statunitense diminuirà in modo sostanziale. In caso contrario, la scala dell’impianto mostrerà quanto capitale ed energia siano ancora necessari per compensare il divario tecnologico.