Zum Inhalt
AMANi DUNiA research
DE

Die Fragen auf dieser Website haben KI-Sprachmodelle gestellt; auch die Erklärtexte und Übersetzungen stammen von KI-Modellen. Wer was geprüft hat, steht jeweils dabei. → Über die Fragen

← Alle bewerteten Quellen
epoch6. November 2026 · Q006964

What Huawei’s Horinger data center reveals about China’s compute gap

epoch.ai · Originalbericht öffnen ↗

Zusammenfassung

Kurz

Epoch AI schätzt, dass Huawei Horinger etwa 81.000 H100-Äquivalente erreicht – rund sieben Prozent der Rechenleistung von Colossus 2. Die Schätzung beruht auf Satellitenbildern und Annahmen zu Kühlung, Auslastung und Chipbestand; die Autoren betonen die damit verbundenen Unsicherheiten und Chinas Effizienz- und Chipverfügbarkeitsnachteile.

Mittel

Der Bericht nutzt Huawei Horinger als Fallstudie für Chinas wachsende KI-Rechenzentren und deren Abstand zur US-Spitze. Epoch AI kombiniert öffentliche Angaben mit Satellitenbildern: Sichtbare Kühltechnik dient zur Schätzung der IT-Leistung; Umspannwerke, Notstromanlagen und Hinweise auf laufenden Betrieb ergänzen die Analyse. Die Autoren schätzen für vier Gebäude mit dichter Kühltechnik insgesamt 286 Megawatt IT-Leistung. Drei davon seien in Betrieb, das vierte voraussichtlich noch nicht. Die Schätzung der KI-Rechenleistung berücksichtigt außerdem eine angenommene Rack-Auslastung von 76 Prozent sowie Verkaufszahlen von Huawei-Chips und eine Verzögerung zwischen Verkauf und Installation. Daraus ergeben sich laut Bericht rund 105.000 Ascend 910C- und 8.000 Ascend 910B-Chips beziehungsweise etwa 81.000 H100-Äquivalente, mit einem breiten 90-Prozent-Konfidenzintervall von 36.000 bis 141.000. Das wären etwa sieben Prozent der geschätzten Leistung von Colossus 2 in Tennessee. Die Zahlen sind mit Unsicherheiten behaftet: Chipmix, tatsächliche Auslastung und Betrieb lassen sich nicht vollständig bestätigen, und Campusleistung ist nicht zwangsläufig in einem Cluster nutzbar. Epoch AI sieht Chinas Energieangebot daher durch geringere Chipverfügbarkeit und Energieeffizienz begrenzt.

Ausführlich lesen

Der Bericht untersucht das Huawei-Rechenzentrum in Horinger in der Inneren Mongolei als Beispiel für Chinas wachsende KI-Infrastruktur und deren Abstand zu führenden US-Standorten. Epoch AI beschreibt Huawei als wichtigen Anbieter heimischer KI-Chips und Rechenzentren. Nach Einschätzung des Berichts begrenzen jedoch sowohl die geringere Zahl verfügbarer Huawei-Chips als auch deren niedrigere Energieeffizienz die Rechenleistung, die China aus seiner reichlich vorhandenen Energie gewinnen kann.

Für die Untersuchung verbindet der Autor öffentliche Angaben mit Satellitenbildern. Die Gebäudekapazität wird vor allem anhand sichtbarer Kühlanlagen geschätzt: deren Art und Umfang sollen Rückschlüsse auf die abführbare Wärme und damit auf die IT-Leistung erlauben. Weitere Hinweise liefern Umspannwerks- und Notstromdaten sowie Anzeichen für laufenden Betrieb, etwa sichtbarer Wasserdampf und Bewegungsartefakte an Kühlventilatoren. Die Schlussfolgerungen bleiben Schätzungen, da Betriebszustand und Ausstattung nicht durchgehend direkt bestätigt werden können.

Der Campus besteht aus drei Bereichen. Im nördlichen Bereich gebe es deutlich weniger Kühltechnik; die dortigen Gebäude seien daher wahrscheinlich nicht mit leistungsstarken KI-Chips ausgestattet. Für vier Gebäude mit dichter Kühltechnik in den südlichen und westlichen Bereichen schätzt Epoch AI eine IT-Leistung von insgesamt 286 Megawatt. Vergleichsrechnungen anhand anderer verfügbarer Hinweise ergeben laut Bericht 304 beziehungsweise 230 Megawatt. Drei der vier Gebäude gelten als in Betrieb; für das vierte wird ein späterer Betriebsbeginn angenommen.

Um die tatsächlich eingesetzte KI-Rechenleistung abzuschätzen, berücksichtigt der Bericht zusätzlich eine angenommene Rack-Auslastung von 76 Prozent, die Verteilung der Huawei-Chips nach Verkaufszahlen mit vier Monaten Verzögerung bis zur Installation und die Annahme, dass keine US-exportbeschränkten Nvidia-Chips eingesetzt werden. Daraus leitet Epoch AI rund 105.000 Ascend-910C- und 8.000 Ascend-910B-Chips ab. Die geschätzte Leistung entspricht etwa 81.000 H100-Äquivalenten; das angegebene 90-Prozent-Konfidenzintervall reicht von 36.000 bis 141.000. Die Autoren halten Horinger damit für eines der größten KI-Rechenzentren Chinas. Im Vergleich zu Colossus 2 in Tennessee, das sie auf rund 1,1 Millionen H100-Äquivalente schätzen, erreiche Horinger etwa sieben Prozent beziehungsweise ungefähr ein Vierzehntel der Rechenleistung.

Der Bericht betont Einschränkungen dieses Vergleichs: Rechenleistung eines Campus kann auf mehrere Cluster verteilt sein und lässt sich dann nicht zwingend für ein einzelnes Modelltraining bündeln. Die Annahmen zu Auslastung, Chipmix und Nutzung sind unsicher; die Schätzung setzt unter anderem voraus, dass Huawei überwiegend eigene Chips einsetzt. Der Campus dürfte außerdem verschiedenen Kunden und Aufgaben dienen, nicht nur dem Training großer Sprachmodelle. Insgesamt folgert Epoch AI, dass Chinas Energieangebot den Effizienz- und Chipverfügbarkeitsnachteil gegenüber den USA nicht aufhebt. Die Autoren erwarten, dass diese Rechenbeschränkungen in den kommenden zwei Jahren wahrscheinlich fortbestehen.

Luna (gpt-6-luna, Denkstufe high), ChatGPT-Abo · 2026-11-19

Gegengeprüft von Claude Haiku 5.5: kleine Mängel

Die Einordnung bewertet nur, wie stark der Bericht zur jeweiligen Frage beiträgt. Der Bericht ist eine Schätzung zur Rechenleistung eines chinesischen Rechenzentrums und beantwortet die Sicherheits- und Governance-Fragen nur am Rande; Lunas Stufen und Anteile wurden bewusst nicht übernommen.

Im Bericht, aber nicht in der Zusammenfassung

  • Colossus 2 wird im Bericht als weltgrößtes KI-Rechenzentrum bezeichnet; die kurze Zusammenfassung nennt es nur als Vergleichswert
  • Der Bericht sieht Horinger als eines der größten KI-Rechenzentren Chinas, was die kurze Zusammenfassung nicht erwähnt
  • Die Angabe, dass die Rechenkapazität je nach Nutzerkreis (Huawei intern, Zhipu, iFLYTEK) unterschiedlich verwendet wird, fehlt in beiden Zusammenfassungen

Automatische Gegenprüfung mit dem vollständigen Originaltext (Batch, 20.11.2026). Ungeprüft durch Menschen.

Wie die Modelle den Bericht einordnen

Je Sammelfrage und Teilfrage die häufigste Stufe (0 bis 7) und ihr Anteil, geordnet nach Fragenfamilie (Farbe) oder nach den Wegen des Atlas. Ab Stufe 4 liefert der Bericht Belege, Stufe 3 ist Hintergrund (gestrichelt). Was die Stufen bedeuten, steht in der Legende.

Ansicht
Filter
Modelle 8 von 8
Angezeigte Modelle
Vorfälle melden
Fähigkeiten messen
  1. SF-F2 Wenn ein Staat ein Modell als Beleg für eine überschrittene Schwelle nennt oder ein Risiko an der Herkunft eines Modells festmacht: Wie wird das überprüfbar?
    • clef 100 %kein Bezug
    • Luna 48 %Hintergrund, keine Belege
    • JEV 27 %Hintergrund, keine Belege
    • amos 37 %gleiches Oberthema, hilft nicht
    • SubQ 53 %gleiches Oberthema, hilft nicht
    • drex 43 %gleiches Oberthema, hilft nicht
    • d3-ultra 48 %gleiches Oberthema, hilft nicht

    • SF-F2-T03 Ein Minister beschreibt Risiken durch Spionage und Datenabfluss, etwa über quelloffene KI-Agentenwerkzeuge, und durch ein Ungleichgewicht in der technologischen Entwicklung, das Monopole und Technologiebeschränkungen verschärfen. Welche veröffentlichten Belege würden diese Risiken an der Fähigkeit eines Modells statt an seiner Herkunft festmachen? Luna: Stufe 3 · 35 % · Hintergrund, keine Belege · Haiku-Prüfung: Stufe 1 · gleiches Oberthema, hilft nicht
Unabhängig prüfen
  1. SF-P1 Unter welchen Bedingungen lassen Staaten und Labore sich gegenseitig prüfen: mit welchem Zugang, welchen Daten und welchen öffentlichen Ergebnissen?
    • clef 100 %kein Bezug
    • Luna 100 %kein Bezug
    • JEV 100 %kein Bezug
    • amos 24 %Hintergrund, keine Belege
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra 44 %gleiches Oberthema, hilft nicht
  2. SF-P4 Wie lässt sich die Größe von Trainingsläufen überprüfen, ohne Modelldetails offenzulegen?
    • clef 21 %Hintergrund, keine Belege
    • Luna 86 %Hintergrund, keine Belege
    • JEV 26 %Hintergrund, keine Belege
    • amos 30 %einzelne zitierbare Belege
    • SubQ 100 %kein Bezug
    • drex 28 %einzelne zitierbare Belege
    • d3-ultra 41 %gleiches Oberthema, hilft nicht

    • SF-P4-T01 Würden Regierungen Messdaten aus der Lieferkette von Chips (Telemetrie), den Stromverbrauch, gemeldete Verzeichnisse von Trainingsläufen und eine unabhängig überwachte Abrechnung von Strom, Hardware und Rechenaufwand als vertragstauglichen Nachweis für die Größe der Trainingsläufe eines anderen Staates anerkennen, ohne Modellgewichte (die gelernten Parameter) oder Code anzurühren? Und wie sähe eine Prüfordnung für Rechenschwellen aus, die nichts über das Innere der Modelle verrät? Luna: Stufe 3 · 50 % · Hintergrund, keine Belege · Haiku-Prüfung: Stufe 6 · beantwortet teilweise oder widerspricht
Tempo und Grenzen
  1. SF-T1 Welche messbaren Schwellen sollen eine Pause auslösen, und wer prüft sie?
    • clef 100 %kein Bezug
    • Luna 47 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 32 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 43 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
  2. SF-T2 Woran erkennen andere, dass ein Labor wirklich bremst?
    • clef 22 %gleiches Oberthema, hilft nicht
    • Luna 100 %kein Bezug
    • JEV 100 %kein Bezug
    • amos 28 %Hintergrund, keine Belege
    • SubQ 40 %gleiches Oberthema, hilft nicht
    • drex 32 %gleiches Oberthema, hilft nicht
    • d3-ultra 57 %gleiches Oberthema, hilft nicht
  3. SF-T3 Woran erkennt man, dass KI beginnt, ihre eigene Weiterentwicklung voranzutreiben, und wer darf das erlauben?
    • clef 100 %kein Bezug
    • Luna 91 %Hintergrund, keine Belege
    • JEV 30 %Hintergrund, keine Belege
    • amos 48 %gleiches Oberthema, hilft nicht
    • SubQ 48 %gleiches Oberthema, hilft nicht
    • drex 70 %gleiches Oberthema, hilft nicht
    • d3-ultra 50 %gleiches Oberthema, hilft nicht
    • Haiku-Prüfung kein Bezug
Vertrauen in Modelle
  1. SF-V5 Was soll heute für das Verhalten und den Betrieb von Modellen gelten?
    • clef 100 %kein Bezug
    • Luna 100 %kein Bezug
    • JEV 31 %Hintergrund, keine Belege
    • amos 46 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 54 %gleiches Oberthema, hilft nicht
    • d3-ultra 53 %gleiches Oberthema, hilft nicht
Agenten und vernetzte Systeme
  1. SF-A3 Welche Gefahren entstehen, wenn viele KI-Systeme zusammenwirken oder dieselbe Infrastruktur teilen?
    • clef 100 %kein Bezug
    • Luna 74 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 42 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra 100 %kein Bezug
Modelle teilen und schützen
  1. SF-H5 Wann sind Chip- und Exportkontrollen eine Sicherheitsmaßnahme, und wann ein dauerhafter Vorteil?
    • clef 21 %Hintergrund, keine Belege
    • Luna 75 %einzelne zitierbare Belege
    • JEV 48 %einzelne zitierbare Belege
    • amos 31 %umfangreiche Belege
    • SubQ 36 %einzelne zitierbare Belege
    • drex 39 %einzelne zitierbare Belege
    • d3-ultra 52 %einzelne zitierbare Belege
    • Haiku-Prüfung einzelne zitierbare Belege

    • SF-H5-T03 Welche beobachtbare Reaktion würde zeigen, dass Technologiebeschränkungen ein überprüfbares Sicherheitsabkommen unwahrscheinlicher machen, während sie den Fähigkeitsvorsprung vergrößern, und wie würde sich die Strategie dann ändern? Luna: Stufe 3 · 36 % · Hintergrund, keine Belege · Haiku-Prüfung: Stufe 1 · gleiches Oberthema, hilft nicht
Frieden und Sicherheit
Offenlegung und Rechenschaft
Beteiligung und Gemeinwohl
  1. SF-E4 Wie bleibt KI ein gemeinsames Gut, statt Abhängigkeit und Marktmacht zu vertiefen?
    • clef 100 %kein Bezug
    • Luna 89 %Hintergrund, keine Belege
    • JEV 31 %Hintergrund, keine Belege
    • amos 37 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 48 %gleiches Oberthema, hilft nicht
    • d3-ultra 60 %gleiches Oberthema, hilft nicht
    • Haiku-Prüfung Hintergrund, keine Belege

Wirtschaft und Haftung

Weitere Berichte zu diesen Fragen

Eigene Zusammenfassungen und Einordnungen von AMANi DUNiA. Fremde Originalberichte behalten ihre eigenen Rechte.

Sprache und Prüfstand

Haupttext: DE. Prüfvermerke gelten nur für den jeweils genannten Inhalt.

Vorhandene Prüfvermerke stehen am jeweiligen Inhalt.

Sprachabdeckung und Datenstand ansehen →