VS arresteren man voor smokkel van 300 miljoen dollar aan servers naar China

De Verenigde Staten hebben een man gearresteerd die ervan wordt beschuldigd voor meer dan 300 miljoen dollar aan computerservers naar China te hebben gesmokkeld. De servers zouden gpu's bevatten die in de VS zijn gemaakt en worden gebruikt voor 'superintelligentietoepassingen'.

De Nvidia A100

Volgens het Amerikaanse ministerie van Justitie verkocht de 38-jarige Greg Lui de servers aan de Chinese regering en overtrad hij daarmee de exportwetten van de VS. De man zou zijn bedrijf hebben gebruikt om producten te kopen die onder de exportverboden vallen. Vervolgens gebruikte hij landen als Maleisië en Singapore als doorvoerlanden om de servers naar China te exporteren.

Lui leverde samen met zijn medeplichtigen valse papieren aan Amerikaanse fabrikanten. Daarin beweerden zij dat de producten bestemd waren voor eindgebruikers die niet onder het exportverbod vallen en bestemmingen waarvoor geen vergunning nodig is. Het bedrijf van Lui ontving volgens het ministerie meer dan 176 miljoen dollar van twee transportbedrijven in Maleisië.

Volgens de South China Morning Post exporteerde Lui onder meer A100- en H100-chips van Nvidia. Volgens de VS kunnen de geëxporteerde gpu's een 'aanzienlijke bijdrage' leveren aan het militaire potentieel van andere landen. Lui kan tot twintig jaar gevangenisstraf krijgen voor samenzwering, twintig jaar voor witwassen en tien jaar voor het smokkelen van goederen naar het buitenland.

Nvidia reageert tegenover Bloomberg positief op de arrestatie: "Deze zaak toont eens te meer aan dat smokkelen een verloren zaak is – juridisch, economisch en technisch. Onze samenwerking met rechtshandhavingsinstanties heeft geleid tot strafrechtelijke vervolgingen, en we zullen met hen blijven samenwerken."

Reacties (113)

[djwice]

Voor de beeldvorming
Als je een nvfp4 gekwantificeerd model wilt draaien:

• Blackwell (Spark, B200, .., 5090) : n VRAM nodig
• Hopper (H100, ... , 4090): 2 x n VRAM nodig want geen fp4
• Ampère (A100, ..., 3090): 4 x n VRAM nodig want geen fp8 op de server.

Zoals het artikel aangeeft exporteerde de Greg Lui NVIDIA-hardware van de Hopper en Ampère architectuur. Dus chips van 2 en 3 generaties geleden. De huidige architectuur voor data centra is Vera Robin, de opvolger van Blackwell. Er is nog geen hardware voor consumenten of workstations met die architectuur.

Stroom verbruik
Voor het draaien van hetzelfde taalmodel als op een DGX Spark met maximaal 140W gebruikt en 128GB geheugen, heb je een Ampère systeem met 14.000W aansluitwaarde en 512GB geheugen nodig.

Ter vergelijking de opvolger van Blackwell is ongeveer 3x efficiënter. Een Robin data center GPU kan in 6 seconden ongeveer 10 seconden aan 4k video en audio genereren. Typisch koop je systemen met 8 of meer van die GPUs.

* NVPF4 wordt naast MXFP4 tegenwoordig het meest gebruikt of efficiënt en met zo hoog mogelijke accuraatheid een taalmodel te draaien op je GPU:
https://developer.nvidia....-low-precision-inference/
https://huggingface.co/bl...alimatti/learn-ai-with-me

Een ouder voorbeeld van een model dat zo geoptimaliseerd is https://arxiv.org/abs/2508.10925 hierdoor paste voor het eerst een 20B taalmodel op een 16GB video kaart.

[Reactie gewijzigd door djwice op 3 oktober 2026 17:16]

[Zoijar]

Ninfer voor Qwen 27B is speciaal getuned op nvfp4. Daarmee krijg ik op een 5090 met 200k tokens context meer dan 500 tps parallel decode (~200-250 single stream). En iets van 2500 tps prefill. Dat is echt fantastisch. Ter vergelijk, m'n 3090 doet 70 tps met dezelfde setup (lagere context vanwege vram).

[Reactie gewijzigd door Zoijar op 3 oktober 2026 15:39]

[crazylemon]

Of ca. 600W met een IBM Northpole

[djwice]

Voor zover ik weet ondersteunt IBM North Pole geen fp4 en fp8, alleen integer berekeningen en fp16 berekening.
Daardoor zal deze net als de NVIDIA Ampère familie 3 tot 4x zo veel geheugen nodig hebben als een moderne NVIDIA GPU.

De nieuwste versie van de modellen die IBM liet zien in haar test met Nordpole:
https://huggingface.co/ibm-granite/granite-4.2-8b-nvfp4
draait op 1 DGX spark met 1 gebruiker tegelijk al met 65 tokens per seconde, waar IBM Northpole er nog geen 28 haalt met 16 units van elk 74W.
Maar omdat Granite 8B een extreem klein model is voor die 128GB geheugen van een DGX Spark, kunnen er tientallen gebruikers tegelijkertijd met ongeveer 60 tokens per seconde elk op 1 machine werken. Je komt in tests op ruim 1500 concurrent decoding tokens per seconde op een DGX Spark voor dit model.

Ik vermoed dat de architectuur van IBM 1 gebruiker tegelijkertijd kan verwerken - en ook nog eens 3 tot 4x zo veel geheugen nodig heeft als NVIDIA Blackwell om het model met dezelfde nauwkeurigheid uit te voeren.

Het is niet voor niets dat er geen IBM, Apple, Qualcomm of AMD hardware gebruikt wordt om meerdere gebruikers tegelijkertijd het zelfde AI model te geven. NVIDIA heeft dat complexe gedeelte, concurrent berekeningen, heel goed op orde. Op dit moment is dat ongeëvenaard.

[Reactie gewijzigd door djwice op 4 oktober 2026 17:12]

[n4m3l355]

Het bijzondere voor mij is dat AI bedrijven zo gigantisch investeren in tech waarvan je weet dat de volgende generatie veel effecienter is en daarmee die miljarden investering beduidend minder waard is. Ze racen naar steeds grotere modellen waarvoor ze steeds meer GPU's nodig hebben terwijl het tientallen miljarden kost en over een jaar cq twee jaar lopen dezelfde modellen op beduidend minder metal net zo makkelijk.

[djwice]

De modellen worden juist steeds kleiner 🤗
En als ik naar het gebruik bij experts op het werk kijk en naar presenterende experts: de expert gebruikt €800 tokens per maand.
De gene die pretenderen verstoken zo €50 per prompt waar de expert het zelfde bereikt met €0,10.

Wellicht wordt er goede marge gemaakt op de pretenderende mensen. Maar zelfs voor de expert kan lokale hardware al terugverdiend worden. Ook als de volgende generatie zo veel efficiënter is.

Er zijn trouwens nog veel bedrijven die nieuw zijn met het hebben van GPU's in het data centrum en gewend waren een of twee oudere generatie CPU's te kopen omdat het niet heel veel uit maakte maar wel veel scheelde in aanschaf prijs. Bij GPU's gaat dat op dit moment niet op, maar toch kijken ze naar RAM + aantal cores en denken dat oude hardware bijna gelijk is. En 'besparen' dan 7% in aanschaf, terwijl ze eigenlijk de helft of een kwart aan capaciteit kopen.

De marge op de hardware is extreem hoog. Dat was 72% en zal nu rond de 250% liggen.
Dat geeft heel veel mogelijkheden tot heen en weer schuiven van geld.
Het beeld dat geschept wordt is dat het een race is en er maar 1 winnaar kan zijn, en dat die uiteindelijk alle macht en dus geld zou krijgen.

Het kan zijn dat dit niet waar blijkt te zijn. Er zijn landen die een groot deel van hun economie richten op geld verdienen aan angst creatie.

Laten wij onze maatschappij bouwen op er voor elkaar zijn en met elkaar zijn.

[Reactie gewijzigd door djwice op 4 oktober 2026 09:24]

[betwetor]

En ondertussen kan je een aardig deepseek model draaien op een flinke workstation met "maar" 128Gb geheugen.

Er zijn wat werkgebieden waar flink geld te verdienen valt met hele goede AI modellen die duizenden Watts gebruiken om een mens te vervangen.

Maar die miljarden zie ik ze niet terugverdienen. Zeker niet nu alles een beetje aan het afkoelen is.

[bzuidgeest]

Dat is hoe het altijd gewerkt heeft in tech. Alleen is balans hier een beetje zoek.

[B127]

Ja, uhh.. dit is dus een beetje kort door de bocht. Als je de universele GGUF versies van een model gebruikt of een paar shortcuts in VLLM dan heb je echt geen 14kw en 512gb aan ampere spullen nodig om een equivalent niveau aan performance te bieden aan één DGX spark. Je verliest echt wel iets met oudere hardware, maar bijv. één A100 heeft factor 7.5 meer geheugen bandbreedte dan GB10.

Met 2x A100 heb je wel 800w aan stroomverbruik, maar je hebt zoveel meer compute en geheugen bandbreedte dat je compleet gehakt gaat maken van die DGX in elke, ook maar enigszins goed geoptimaliseerde vergelijking. Laat staan wat er gebeurt bij 14kw.

[djwice]

Een int4 versie in een GGUF is echt vele malen minder nauwkeurig dan een nvfp4 of fp16 versie van een model. Bij redeneer modellen heeft dat vaak impact op het simpelweg foute antwoorden op de vraag, in een loop raken, vergeten van input , etc.

Bovendien is het over het algemeen verstandig de safetensors te gebruiken en die indien gewenst om te zetten naar het formaat naar keuze. GGUF kan kwaadaardige dingen bevatten.

Een DGX Spark heeft 1 PFLOP fp4 sparse.
500 TFLOPS dense.
Voor elke fp4 moet de A100 een fp16 berekening maken.
Voor elke fp8 KV-Cache een fp16 plek reserveren.

Dus voor een nvfp4 model dat op de DGX Spark of Blackwell B200 110GB geheugen gebruikt heb je dus al snel 440GB nodig op een A100. Dat zijn er ruim meer dan 2, minimaal 6 A100 kaarten zelfs. Had je de netwerk, GPU linking, CPU, opslag, voeding en koeling ook al meegenomen in het stroomverbruik? Want bij de Spark zit dat al in de 140W.

Kijk je naar geheugen bandbreedte, ook die moet 4x groter zijn op de A100 t.o.v. Blackwell om dezelfde berekening over de bus te kunnen halen. Je hebt dus minimaal 273Gb/s x 4 = 1092Gb/s nodig om de bussnelheid van de DGX Spark te evenaren voor dezelfde nvfp4 berekeningen. De bandbreedte van een lane tussen twee A100 GPU's is maximaal 25GB/s. Dat is trager dan 273Gb/s en zeker trager dan 1093Gb/s.

[Reactie gewijzigd door djwice op 5 oktober 2026 01:07]

[B127]

Een int4 versie in een GGUF is echt vele malen minder nauwkeurig dan een nvfp4 of fp16 versie van een model. Bij redeneer modellen heeft dat vaak impact op het simpelweg foute antwoorden op de vraag, in een loop raken, vergeten van input , etc.

Dat hangt er echt heel erg van af hoe je "vele malen" defineert, als je BF16 versie een 99% succes rate heeft en GGUF Q4_K_S een 96%, dan gaat je performance tegelijkertijd met factor 4 omlaag en met 3 procent punt. Afhankelijk van je use case is dat catastrofaal slecht of een complete non-issue.

Het blijft belangrijk om het grote plaatje te zien, bijvoorbeeld met FP16 verlies je wat accuracy tov BF16, omdat er in FP16 geen cijfers over 65536 mogelijk zijn, maar als je model dus geen enkele weight boven 64k heeft, dan is er letterlijk geen verschil.

Datzelfde geldt voor GGUF vs BF16, als BF16 je niks extra kost tov GGUF, dan is het een no-brainer, maar zo werkt de wereld helaas niet. Als je tegen de limiet van je ram aan zit kun je bijna altijd beter een groter model runnen in 4 bit, dan een kleiner model in BF16. Het performance verlies van 4 bit is veel kleiner dan wat je wint door een 27b ipv 9b model te runnen bijvoorbeeld.

Je hebt technisch gezien gelijk dat de worse case tussen een NVFP4 en INT4 vrij grimmig is, maar in de praktijk ga je natuurlijk niet je AI stack gebruikten op de meest inefficiënte manier mogelijk. Ga maar eens een Qwen 3.8 27b NVFP4 van 22gb vergelijken met een Qwen 3.8 27b Q6_K van 22gb en een Qwen 3.5 9b BF16 van 19,25 gb.

Ik durf te wedden dat BF16 die vergelijking niet wint

De bandbreedte van een lane tussen twee A100 GPU's is maximaal 25GB/s. Dat is trager dan 273Gb/s en zeker trager dan 1093Gb/s.

Dit vind ik overigens een bijzondere opmerking. Nvlink bestaat niet uit één lane. Je hebt op A100 600gb/s aan totale nvlink bandbreedte. Nu levert Nvlink voor inference meestal niks op, maar dat even terzijde.

[djwice]

GGUF is een bestandsformaat dat modellen in verschillende vormen kan opslaan BF16 is daar een van.

Zoals je weet is 'in 4-bit' in in het geval van A100 een 4-bit integer met 16 verschillende waardes, met gelijke afstand en met het hoogste cijfer 15, dat is een wereld van verschil met FP16 en BF16.

Maar samengevat ben je het dus eens met dat een model dat 110GB geheugen op Blackwell nodig heeft in NVFP4 dus de dingen nodig heeft op A100 die ik aangeef.
Alleen dat je daarom in de praktijk dat model niet zal gaan draaien maar een groter model in int4.
Dat grotere model zou dan met een nauwkeurige Quant ook draaien op het Blackwell platform. En geldt dus wederom hetzelfde.

De nvlink heeft inderdaad meer dan 1 lane, mijn indruk is dat niet meerdere lanes gebruikt worden tussen het geheugen van twee GPU's in de zin van parallelle data transport in een richtinb tijdens het uitvoeren van het model, maar ik heb geen A100's dus heb dat zelf niet getest.
Ik zag pas een 14kW aansluitwaarde machine met 8 x A100 aangeboden voor de prijs van een DGX Spark dus vandaar dat ik toen wat berekeningen gedaan heb rondom efficiëntie en wat er op kan draaien.
Dat bleek minder dan een Spark te zijn voor dezelfde modellen.

[Reactie gewijzigd door djwice op 5 oktober 2026 20:04]

[B127]

GGUF is een bestandsformaat dat modellen in verschillende vormen kan opslaan BF16 is daar een van.

Zoals je weet is 'in 4-bit' in in het geval van A100 een 4-bit integer met 16 verschillende waardes, ... dat is een wereld van verschil met FP16 en BF16.

De grap is, dat is dus niet zo. Een Q4_K_S (of M/XL) of INT4 quant is niet alleen INT4. Per groep van bijv. 256 of 128 weights is er één FP16 waarde, die dient als reference voor de rest van de 4 bit waardes binnen het blok. Bijvoorbeeld alles keer 10 of alles keer 51,3. Whatever. Bij een Q4_K_S/M/XL quant komen daar nog meer waardes tussen die elk blok in sub blokken verdelen. Dat maakt dat je dichter bij een BF16 origineel zit, dan een "normale" INT4 of FP4, met voor een M of XL meer delen in hoge precisie.

Een NVFP4 quant is niet anders, de vier bits van NVFP4 zijn namelijk ook maar 15 verschillende waardes (want plus nul en min nul is hetzelfde ). Het verschil tussen INT4 en NVFP4 is dat je bij INT4 altijd stappen van 1 hebt, terwijl je bij FP4 kleinere stappen hebt in de buurt van nul en grotere stappen aan beide uitersten van de range.

Dus waar een weight bij INT4 altijd nul of één of 2, etc moet zijn, kan bij FP4 ook 0,5 en 1,5. Andersom, is het minimum en het maximum bij NVFP4 plus of min 6, en dan de volgende stap is 4. Vijf kan niet, 7 ook niet. Bij INT4 zou dat wel kunnen.

Zal er een verschil zijn tussen INT4 en NVFP4, zeker, maar een model dat genoeg heeft aan 15 verschillende waardes, zal doorgaans ook wel genoeg hebben aan 16 verschillende waardes. Je verliest iets, maar het is geen wereld van verschil.

GGUF met een Q4_K quant zal altijd ietsje dichter in de buurt komen bij BF16, maar met GGUF moet je elke berekening 2x terug rekenen om bij de originele waarde te komen, terwijl dat bij INT4 of FP4 maar één keer hoeft. Het is een soort LLM.zip of .rar, je bespaart ruimte, maar het kost compute om in te pakken en weer uit. Bij mijn 3090 is het verschil ongeveer factor 2.5 tussen een INT4 en GGUF 4 bit model in totale tokens per seconde.

Ik zag pas een 14kW aansluitwaarde machine met 8 x A100 aangeboden voor de prijs van een DGX Spark dus vandaar dat ik toen wat berekeningen gedaan heb rondom efficiëntie en wat er op kan draaien.
Dat bleek minder dan een Spark te zijn voor dezelfde modellen.

Ja, maar je mist hier een beetje de open deur: de 8x A100 machine verbruikt 14kw. Dat ie vele malen krachtiger is dan een DGX spark, wil niet zeggen dat ie wint in de real world. Een DGX Spark kun je op je bureau neer zetten en gebruiken voor allerlei leuke AI projecten, met kleine tot middelgrote modellen, terwijl 8x A100 een machine is die je per uur meerdere euro's aan winst moet opleveren om alleen de stroom te betalen, laat staan de rest van het DC.

Modellen van 300 - 600 b parameters zijn leuk, maar dan moet je er echt wel een serieuze use case voor hebben en zeker weten dat ie lang genoeg relevant blijft om een nieuw datacenter uit de grond te stampen en je netbeheerder te vragen om een grote stroom aansluiting.

Overigens ik neem aan dat je bedoelt zelfde prijs per uur? Want een A100 is op ebay nu ongeveer 2500 euro waard, dus als je er acht kan kopen voor 5000 dan zou ik dat zeker doen.

De nvlink heeft inderdaad meer dan 1 lane, mijn indruk is dat niet meerdere lanes gebruikt worden tussen het geheugen van twee GPU's in de zin van parallelle data transport in een richtinb tijdens het uitvoeren van het model, maar ik heb geen A100's dus heb dat zelf niet getest.

In een systeem met 8x A100 zul je 6 nvlink switches hebben, met per switch 2 lanes naar elke GPU, dan kun je dus de hele bandbreedte gebruiken van één gpu naar elke willekeurige andere, met 4x A100 is het simpeler om naar elke andere gpu 4 lanes te sturen.

Dataoverdracht op een GPU is bijna altijd parallel over meerdere lanes. PCIE is ook bijv. 16 of 8 lanes en daar merk je als gebruiker niks van.

[djwice]

Ilk noem Q4_0 een 4-bit quant, als je er tussendoor fp16 tussen doet is niet alles 4-bit.

Ik heb volgens mij niet gezegd dat NVFP4 een 4-bit quant is, dat is het immers ook niet. Ik heb gezegd dat de Ampère architectuur alle berekeningen hierin in fp16 moet doen en dat dit 3-4x meer geheugen kost.
En ook de KV-cache van fp8 op fp16 in het geheugen kwijt moet.

Ik gebruik meestal vllm of sglang, geen llama.cpp. Dit in verband met concurrency.
GGUF zou ik alleen zelf maken van een safetensors model indien nodig of een gevalideerde veilige bron.
Waarom kies jij GGUF en niet safetensors?

Ja, 8 A100 incl, de rest van de blade met cpu, 4 voedingen etc. voor $3500 excl. transport en import heffing. Maar ik draai vooral nvfp4 modellen i.v.m. het weinige kwaliteitsverlies t.o.v. het origineel. Ik heb ook EXL3 in 2.75 getest van dezelfde modellen, die vielen vrij snel door de mand.
Heb ook een machine met NPU voor int4 en. GPU voor fp16, maar merk echt te veel verschil.

Dus vandaar.

[B127]

Ilk noem Q4_0 een 4-bit quant, als je er tussendoor fp16 tussen doet is niet alles 4-bit.

Een Q4_k_s is meestal tussen 3.5 en 4 bits per weight. Ik zou zeggen een 3.9 bit quant is voor het gemak een 4bit quant...

Ik heb volgens mij niet gezegd dat NVFP4 een 4-bit quant is, dat is het immers ook niet. Ik heb gezegd dat de Ampère architectuur alle berekeningen hierin in fp16 moet doen en dat dit 3-4x meer geheugen kost.
En ook de KV-cache van fp8 op fp16 in het geheugen kwijt moet.

Je hebt gelijk in het deel dat ampère geen nvfp4 ondersteunt, maar de implicaties hiervan zijn anders dan je denkt. Ik heb het getest op m'n 3090 en een fp8 of fp4 KV kan prima. Wat er gebeurt is dat het fp8 in ram is en dan als ie iets moet berekenen, rekent ie het on-the-fly om naar een number format dat ie wel ondersteunt.

Het kost je dus geen ram, maar compute. Hetzelfde geldt voor bf16 op een nvidia T4. Het kan prima, maar omdat ie dat niet native ondersteunt, verlies je throughput tov een equivalente kaart die dat wel doet.

Non supported number formaten kosten je dus nauwelijks ram, maar wel compute. Om 4 bit te berekenen met een 16bit pijplijn is niet zo moeilijk, je zet er gewoon heel veel nullen voor en achter, maar dan ga je dus niet de speed-up hebben die 4x4 bit ipv 1x16 bit je normaal oplevert.

Ik gebruik meestal vllm of sglang, geen llama.cpp. Dit in verband met concurrency.GGUF zou ik alleen zelf maken van een safetensors model indien nodig of een gevalideerde veilige bron.
Waarom kies jij GGUF en niet safetensors?

Je kunt GGUF ook met vllm aanbieden. In my testing is Q4_k_s aanzienlijk kleiner dan INT4 of NVFP4, dus het levert je meer context window op. Je zult de specifieke quant die je gebruikt natuurlijk moeten valideren voor je use case, maar dat is bij een safetensors BF16 of NVFP4 bestand niet anders.

Even ter vergelijking:

gguf (vllm) is ~130 t/s, 110k context,

int4 awq (vllm) is ~350 t/s, 70k context,

ninfer int4 is ~350 t/s, 130k context.

Allen qwen 3.8 27b op één 3090, met fp8 KV, 8-32 concurrent requests.

Prefill is max ~1300 t/s, dus met KV in fp4 kun je 262k context aanbieden, maar dan is lange requests alsnog een aardige onderneming.

Maar ik draai vooral nvfp4 modellen i.v.m. het weinige kwaliteitsverlies t.o.v. het origineel. Ik heb ook EXL3 in 2.75 getest van dezelfde modellen, die vielen vrij snel door de mand.
Heb ook een machine met NPU voor int4 en. GPU voor fp16, maar merk echt te veel verschil.

Ik ben eigenlijk wel benieuwd hoe awq int4 (w4a16), Q4_k_m (of s/XL) en NVFP4 het doen in je use case kwa puur accuracy van het model alleen. Als je blackwell hebt zou ik zeker van de meer geavanceerde features gebruik maken, maar voor veel van dit soort dingen is het beter om te testen, dan om aannames te doen.

Ik kan me idd goed voorstellen dan exl3 met 2.75 bpw vrij bagger is. In mijn ervaring is ~4 bit wel een goed minimum om een bruikbaar model over te houden. Eronder valt het vrij snel in diggelen.

Ik vraag me af wat voor blade er 8x A100 heeft. Bedoel je gewoon een 1u? Een 2u 4 blade server (oid) met a100's lijkt me een interessante ervaring. Net een soort vulkaan

[djwice]

GGUF is een bestandsformaat niet een quant.
Safetensors is een JSON gebaseerd bestandsformaat dat Hugging face heeft geïntroduceerd omdat in de binaire formaten zoals gguf vaak malefide code werd geïnjecteerd.

Q4_k_s kan dus ook prima als safetensors worden gedistribueerd.

Maar goed het aantal tokens per seconde zegt niets over de kwaliteit van de output en het begrijpen van de input.

[bzuidgeest]

En? Het is nog steeds verboden en China heeft hydro of zon power zat.

[djwice]

Het is niet verboden door China, het is een regel die geldig is in Amerika en de gebieden waar de Amerikaanse wet en regelgeving van kracht is.

[bzuidgeest]

Je mist het punt volledig. Je maakt een hele tirade over oud en nieuwe hardware. Maar oud of nieuw... Een amerikaans bedrijf en zijn werknemers mogen het volgens de amerikaanse wet niet aan china verkopen..

[djwice]

Volgens mij niet echt een tirade. Was meer informerend bedoeld om context te geven over wat de hardware inhoud in de context van AI. AI is waar de Amerikaans sectie op GPU's voor is.

Zoals inmiddels ook op tweakers in het nieuws is geweest heeft die sanctie er toe geleid dat Chinese bedrijven steeds meer lokale hardware zijn gaan kopen en dat de ontwikkeling, evolutie en productie daarvan een enorme vlucht heeft genomen.

[Reactie gewijzigd door djwice op 5 oktober 2026 19:03]

[bzuidgeest]

Ook epistel was wellicht een beter woord

Je eindconclusie over dat de Chineze zelf slimme oplossingen gaan maken kan ik alleen maar onderschrijven. Wat is het Nessecity is the mother of invention? Als je de mensen zonder iets zet dat ze willen hebben gaan ze gewoon zelf iets maken.

[Dutchzilla]

Het blijft een kat-en-muisspel. China laat zich minder makkelijk tegenhouden dan de Amerikanen en de man met de leren jas lijken te denken. Als ze die GPU’s willen hebben, vinden ze wel een manier om eraan te komen. Exportbeperkingen maken dat lastiger en duurder, maar zijn geen garantie dat die chips China niet bereiken.

[Phosoup]

Sowieso is China hard bezig om zelf alles te maken. Beperking voor China is een reden voor hen om nóg harder eraan te werken om niet afhankelijk te zijn van anderen. Geef t 5 tot max 15 jaar en ze maken die dingen helemaal zelf.

[1khalid]

China loopt met veel meer dingen voor op USA dan dat ze achterlopen.

[bzuidgeest]

Dat is zeker zo, maar chip design en productie is er nog niet een van. Maar dat komt ook wel.

[tv_nerd]

Oh? Waarmee dan? Ik probeer zo even een industrie of product te verzinnen waarmee ze voor lopen op de VS maar kan me er zo geen voor de geest halen.

[robin1301]

Zonnepanelen, het verwerken van rare earth minerals, permanente magneten, accu's, EV's, thoriumreactor, hogesnelheidstreinen...

[Oerknack]

Even serieus...wellicht een idee om eens in china te gaan kijken...

[kozue]

Wat eigenlijk niet? Zoek 1 productcategorie waarin niks in China wordt gemaakt. Zelfs je iPhone komt er vandaan.

[bladebla]

China heeft per persoon een lagere CO2 uitstoot dan de VS. Kijk je naar consumptie, dan veroorzaakt een Amerikaan twee keer zoveel CO2 als een Chinees. In absolute cijfers ligt China echt véél hoger door de elektriciteitsproductie die uit kolen komt, maar cumulatief over de afgelopen 100 jaar ligt de VS echter nog ver voor op China. Daar staat tegenover dat China verreweg de grootste bouwer is van zonne- en windenergiecapaciteit voor gebruik in eigen land. Bijna de helft van alle kerncentrales die momenteel wereldwijd in aanbouw zijn, staat in China.

[indigo79]

Als ze echt in de problemen zouden komen, draaien ze gewoon de kraan van de zeldzame aardmetalen weer wat meer dicht...

[1khalid]

Grappig dat mensen je geen + geven want dit zijn de feiten… ja natuurlijk gaan ze dat niet zomaar doen want hun blijven koel en gaan niet gekke tweets plaatsen

[Immutable]

koel? China is constant bezig met gigantisch het westen te bombarderen met propaganda over hoe geweldig alles wel niet is in China. (terwijl dat helemaal niet waar is.)

[zrx0]

Ja, maar dat is het dus wel.. is niet dat het slecht is

[Reactie gewijzigd door zrx0 op 5 oktober 2026 00:23]

[OruBLMsFrl]

Iedereen weet dat je met zulke maatregelen nooit iemand tegenhoudt die echt wil. Klant ging failliet, project ging toch niet door, of de mooiste: project waarvoor ingekocht is werd verplaatst naar embargo land. Gevolg: vrije voorraad. Genoeg mensen die gerust voor een paar miljoen de bak in gaan, als de rest van de familie dan goed zit, bepaalde medische behandelingen uitgevoerd kunnen worden, etc... en dat is dan nog puur financieel, zonder de lange arm van China met de Chinese politiebureau's en zo meer...
Misschien wel juist China houd je hier niet mee tegen.

[WillySis]

In Signapore is van alles in redelijk grote hoeveelheden te koop. Officieel zijn die winkeltjes voor consumenten, maar een deel wat ze verkopen is puur voor de zakelijke markt. Er komen daar veel Chinezen voor bedrijven en overheden inkopen doen.

Een handige smokkelaar verkoopt dus aan verschillende van die kleine winkeltjes en laat zijn spoor daar doodlopen. De winkels verkopen dan op hun risico door. Wie meer wil verdienen verkoopt zelf door naar China, maar met een risico om tegen de lamp te lopen.

[bzuidgeest]

Elke dag die voorbij gaat hebben de Chinezen die chips minder hard nodig. Ze maken gewoon wat meer van hun eigen chips.

De Chinezen zijn niet dom en waar ze niet zo klein kunnen als wij in productie maken ze gewoon innovatie op andere punten voor hetzelfde resultaat. Of zetten gewoon een server extra neer.

Met chip export had Amerika en afhankelijkheid kunnen creëren. Nu jagen ze onafhankelijkheid alleen maar aan. En geven ze China alleen maar meer kaarten en zichzelf minder. Want China heeft nog steeds de zeldzame aardelementen kaart. En die hebben ze nog steeds terwijl ze Amerika straks niet meer nodig hebben.

[Rixter223]

Precies. China heeft genoeg connecties met landen die niet onder het embargo vallen en waar mensen wonen die het niet zo nauw nemen met de "wetten¨. Ze weten maar al te goed dat de halve wereld inmiddels afhankelijk is van China en dus geen grote mond meer geven als China dit soort import truukjes uithaalt. Het zou me niet verbazen als ze nog gaan 5% onderscheppen van alle gesmokkelde gpu's en andere spullen die onder het genoemde embargo vallen.

[1khalid]

Dat is net als dat Nederland etc maar 5% van de drugs pakken die binnenkomt en dat effe filmen voor een show… terwijl je tegelijkertijd overal leest dat er meer verkocht en gebruikt wordt dan ooit?

[Zoijar]

Binnenkort moet je je koffer open op schiphol of je geen GPUs bij je hebt

[Blisterin_Bull]

Zo gek klinkt dat nog niet als je leest dat je bij aankoop van een 5090 bij Microcenter een document ondertekend dat je die niet zal meenemen naar het buitenland

https://www.reddit.com/r/Microcenter/comments/1wul71a/form_for_5090s/

[Weicool]

RTX5090 zijn duurder om te kopen, maar veel goedkoper om te huren geworden.

[Bulls]

Cavity search of je geen HBM stack bij je hebt

[Zoijar]

Haha ouch, ja een 5090 smokkelen is niet voor de lichthartigen

[Davey400]

Die kan mooi ingeplant worden op de plek waar vroeger je nier zat…

[Bergen]

Het kan altijd nog met bolletjes.

[rjmno1]

Ja of je hebt in je koffer een 19 inch server meegenomen, en je gaat richting china.

[Eastend]

Er wordt al gecontroleerd op dadels.

[amigob2]

De servers zouden gpu's bevatten die in de VS zijn gemaakt
Ja, Taiwan bedoel je natuurlijk

[sjirafje]

Hier stoorde ik me ook aan. Bij mijn weten worden er in de VS helemaal geen GPU's gemaakt (op een schaal die het benoemend waard is).

[hawke84]

De servers zouden gpu's bevatten die in de VS zijn gemaakt en worden gebruikt voor 'superintelligentietoepassingen'.

Kunnen we AUB die term "superintelligentie" niet adopten op Tweakers ?

[Macshack]

Hoezo niet? Het is gewoon een geaccepteerde term voor waar we het over hebben.

[1khalid]

Geaccepteerd door wie? Het is een week geleden door Trump gezegd dus hoezo geaccepteerd?? Het is niet alsof dit al jaren wordt gebruikt?

[Macshack]

Het is een term coined in 1997 en gaat precies over dit onderwerp.

[hawke84]

Leuk geprobeerd.

A superintelligence is a hypothetical agent that possesses intelligence surpassing that of the most gifted human minds

Trump's exacte woorden uit https://www.presidency.ucsb.edu/documents/remarks-the-united-nations-general-assembly-new-york-city-21:

The United States also totally rejects any attempt to construct a globalist scheme to control for the artificial intelligence being spoken of so much now here and after officially called superintelligence, changing the name, and that the use of the word artificial makes intelligence fake, it makes it sound fake.

Dat heeft dus absoluut niks met de ASI (Artifical Super Intelligence) van David Chalmers te maken.

[stresstak]

Geaccepteerd is geen norm. Jan en alleman roept 'kut' als er iets vervelend of negatiefs is.
Respectloos tegenover het lichaamsdeel.

[Wilfred86]

Het staat niet voor niks tussen aanhalingstekens hè.

[bzuidgeest]

Het staat tussen quotes. Weet dan niemand meer wat dat betekend? Is de leesvaardigheid zo laag geworden?

[Kalief]

"Deze zaak toont eens te meer aan dat smokkelen een verloren zaak is – juridisch, economisch en technisch."

Integendeel, die gesmokkelde chips kwamen aan op hun bestemming en kunnen worden gebruikt.

[Roberto4646]

"Deze zaak toont eens te meer aan dat smokkelen een verloren zaak is"

Altijd leuk die Amerikaanse semi-macht quotes 😆.

Geen enkele cijfers en null onderbouwing. Wel blij dat ze net 1.3% van de smokkelwaar hebben tegengehouden 😎...

[rvdvalk]

Gaan we hier nu ook meedoen aan Trump zijn tirade over SI (superintelligentie)?

[Evanesco]

De servers zouden gpu's bevatten die in de VS zijn gemaakt en worden gebruikt voor 'superintelligentietoepassingen'.

Nou precies! Hou hier alsjeblieft mee op zeg, we hebben het over AI toepassingen, iedereen noemt het zo, hou op met die narcist na te papegaaien en mee te doen aan het normaliseren van zijn onzin…

[Immutable]

LLM toepassingen, een Tesla of de nieuwste Robot AI stack gebruiken helemaal geen LLM.
Het gaat hier puur over LLM chatbotjes.

[Roel1966]

Nvidia reageert tegenover Bloomberg positief op de arrestatie: "Deze zaak toont eens te meer aan dat smokkelen een verloren zaak is – juridisch, economisch en technisch. Onze samenwerking met rechtshandhavingsinstanties heeft geleid tot strafrechtelijke vervolgingen, en we zullen met hen blijven samenwerken."

Geloof en ge zult zalig worden, ahum.

Nvidia is in deze gewoon ontzettend dubbel want uiteindelijk hebben zij er wel weer via een omweg goed aan verdient. En het is dat er dan nu een export verbod is maar toen dit er nog niet was exporteerde Nvidia met alle plezier hun chips naar China. Ze willen zich dus nu netter voor doen maar Nvidia is en blijft gewoon een commercieel bedrijf. Als zij een omweg gevonden hadden om meer winst te maken hadden ze dat zeker gedaan.

[Botmeister]

"Lord of Chips". In Lord of War (2005) met Nicolas Cage werd getoond hoe de illegale wapenhandel, uiteindelijk gunstig was voor de wapenindustrie van landen. Misschien is er wel een gelijkenis te vinden met deze handel in hardware.