Η Κίνα φυλάει τα Nvidia για τις δύσκολες δουλειές

Μπες για ένα λεπτό σε ένα κινεζικό κέντρο δεδομένων του 2026. Οι σειρές των servers δεν είναι πια γεμάτες με αμερικανικά chips· τα εγχώρια —Huawei, Cambricon και custom σχέδια των μεγάλων ομίλων— σηκώνουν όλο και μεγαλύτερο μέρος της δουλειάς. Όμως σε μια κλειδωμένη γωνιά φυλάσσονται τα λιγοστά Nvidia. Δεν βγαίνουν για την καθημερινή ρουτίνα. Κρατιούνται για τα δύσκολα: την εκπαίδευση μοντέλων, το γράψιμο κώδικα, τους πιο απαιτητικούς AI agents.

Αυτό είναι το θέμα κάθε τίτλου για «κινεζική αυτονομία στα chips», και μαζί η παγίδα του: οι κινεζικές εταιρείες δεν εγκατέλειψαν τη Nvidia, κάνουν αυστηρή διαχείριση ενός σπάνιου πόρου. Το εύκολο κομμάτι, το inference —το στάδιο όπου ένα ήδη εκπαιδευμένο μοντέλο απλώς απαντά στον χρήστη— μετακομίζει σε εγχώριο hardware, ενώ το ακριβό Nvidia compute φυλάσσεται για ό,τι δεν τρέχει αξιόπιστα αλλού (Business Standard). Γιατί, όμως, δεν φτάνει ο όγκος;

Το 79% μετρά κεφάλια, όχι ιπποδύναμη

Η TrendForce, σε εκτίμηση που μεταφέρουν δευτερογενείς πηγές, προβλέπει ότι μέσα στο 2026 τα εγχώρια chips και τα in-house ASICs θα καλύψουν σχεδόν το 80% της κινεζικής αγοράς AI server chips — 56% από προμηθευτές όπως Huawei και Cambricon, συν 23% από custom ASICs των internet ομίλων (SCMP, Digital Today). Εντυπωσιακό. Αλλά μετρά πόσα chips μπαίνουν στους servers, όχι πόση πραγματική υπολογιστική ισχύ παράγουν. Το 79% των αυτοκινήτων μιας αγοράς μπορεί να έχει εγχώριο κινητήρα, χωρίς όλα να τρέχουν με ίδιους ίππους.

Η διαφορά κρύβεται στο είδος της δουλειάς. Το inference μοιάζει με το να διαβάζεις ένα ήδη τυπωμένο βιβλίο και να απαντάς ερωτήσεις: αρκεί το μοντέλο να χωράει στην κάρτα και να τροφοδοτείται με αξιοπρεπή ταχύτητα. Η εκπαίδευση είναι σαν να ξαναγράφεις το ίδιο βιβλίο κρατώντας πρόχειρα, διορθώσεις και ιστορικό αλλαγών — γι' αυτό ζητά πολλαπλάσια μνήμη και διαρκή συγχρονισμό ανάμεσα σε χιλιάδες chips ταυτόχρονα (Computing Power).

Το γράψιμο κώδικα και οι agentic φόρτοι κάθονται ενδιάμεσα, πιο κοντά στο δύσκολο άκρο: το μοντέλο πρέπει να κρατά πολλές σελίδες συμφραζομένων ταυτόχρονα, να απαντά σχεδόν ακαριαία σε ρυθμό διαλόγου και να εκτελεί πολλά βήματα στη σειρά χωρίς να χάνει σταθερότητα. Ο ισχυρισμός ότι τέτοιες εργασίες χρειάζονται ακόμη Nvidia για αξιόπιστες, ποιοτικές απαντήσεις προέρχεται από στελέχη του κλάδου μέσω του SCMP και δεν είναι ανεξάρτητα επιβεβαιωμένη γενική αδυναμία — ένδειξη, όχι νόμος (SCMP).

Το χάσμα ανάμεσα στην έγκριση και το ράφι

Πόσο σπάνιο είναι πράγματι το κορυφαίο compute; Οι ΗΠΑ δεν άνοιξαν την αγορά· από τον Ιανουάριο του 2026 το αμερικανικό BIS εξετάζει τις αιτήσεις για H200 κατά περίπτωση, με όρους συμμόρφωσης, δοκιμών και ελέγχου τελικού χρήστη (BIS). Πάνω από 400.000 H200 φέρονται εγκεκριμένα για τρεις κινεζικούς ομίλους — όμως ByteDance και Tencent παρέλαβαν από περίπου 10.000 chips η καθεμία, γύρω στο 5% της εγκεκριμένης δεξαμενής (Reuters via Investing, Tom's Hardware). Η έγκριση δεν είναι παράδοση. Και το Πεκίνο βάζει το δικό του φίλτρο, θέλοντας να μη στραγγαλιστεί η εγχώρια βιομηχανία, οπότε οι εταιρείες έχουν διπλό λόγο να ραντσάρουν κάθε κάρτα Nvidia (Business Standard).

Το μοτίβο επιβεβαιώνεται στο πεδίο. Η DeepSeek εκπαιδεύει σε Nvidia αλλά τρέχει inference σε Huawei Ascend (Reuters via aiweekly). Στην κινεζική αγορά GPU cloud, Baidu και Huawei ελέγχουν μαζί πάνω από το 70% με εγχώρια σχεδιασμένα chips (Tom's Hardware). Το ίδιο το Ascend 910C, σύμφωνα με ανάλυση του CFR, αποδίδει περίπου το 60% ενός Nvidia H100 σε inference — χρήσιμο, όχι κορυφαίο (CFR).

Γιατί δεν κλείνει το χάσμα με ένα καλό chip

Η αυτονόμηση προχωρά, αλλά άνισα, γιατί δεν κρίνεται από ένα chip. Σκέψου μια κουζίνα: ακόμη κι ο πιο γρήγορος μάγειρας κολλάει αν η αποθήκη φέρνει αργά τα υλικά και οι διάδρομοι μπλοκάρουν τη ροή. Το πρώτο μισό του προβλήματος είναι η αποθήκη: η μνήμη υψηλής απόδοσης (HBM) και η προηγμένη συσκευασία που την «κολλάει» πάνω στο chip. Τεχνική ανάλυση θεωρεί ότι για το Ascend 910C ο πραγματικός φραγμός μέσα στο 2026 είναι μάλλον η μνήμη και η συσκευασία, όχι τα ίδια τα λογικά κυκλώματα — κι εκεί η Κίνα μένει μία-δύο γενιές πίσω (CEIAS).

Το δεύτερο μισό είναι οι διάδρομοι: οι υπερταχείς σύνδεσμοι που κρατούν χιλιάδες chips συγχρονισμένα, και πάνω απ' όλα το λογισμικό. Το πλεονέκτημα της Nvidia δεν είναι μόνο ένα ταχύτερο chip· είναι το ώριμο οικοσύστημα CUDA, χτισμένο σε χρόνια εργαλείων και βιβλιοθηκών. Μελέτη πεδίου σε Ascend για σύνθετη εξυπηρέτηση χρειάστηκε 12 διορθώσεις κώδικα και απενεργοποίηση λειτουργιών μέχρι να πιστοποιηθεί ανά εργασία — η μετάβαση δεν γίνεται με έναν διακόπτη (arXiv).

Αυτό δεν είναι μεμονωμένο επεισόδιο· εντάσσεται στην ίδια κούρσα υποδομών όπου Nvidia και Wall Street σχεδιάζουν χρηματοδότηση άνω των 500 δισ. δολαρίων (To Brief). Η Κίνα χτίζει ήδη ένα δεύτερο, λειτουργικό AI stack που απορροφά όλο το inference και μέρος του training. Η πλήρης υποκατάσταση της Nvidia στα δυσκολότερα workloads, όμως, φαίνεται υπόθεση της ύστερης δεκαετίας, όχι των επόμενων τριμήνων (CFR, Bruegel). Όσο το χάσμα μένει στη μνήμη, τις διασυνδέσεις, τη συσκευασία και το λογισμικό, το 79% θα μετρά κεφάλια — και η πραγματική ιπποδύναμη θα κρύβεται στην κλειδωμένη γωνιά με τα Nvidia.