在大模型時代，擁有的AI（人工智能）芯片數量，決定了一家AI廠商的競爭力。 如今，阿里也被曝出正自研AI芯片。顯然，在這一輪科技產業變革中，AI芯片已經成為大型AI廠商的“必答題”。 沒有足夠的AI芯片，就無法為未來海量增長的大模型應用提供算力支持；沒有足夠的AI芯片，也就難以通過規模定律，在大模型訓練中占據有利位置；沒有足夠的AI芯片，無論是大模型還是云計算，都將成為沒有根基的“無本之木”。 阿里選擇“破局”AI芯片，恰逢其時。算力不夠，數量來湊。目前，國產算力廠商、云基礎設施廠商普遍通過“通信”來彌補單卡算力的不足，從而實現兩顆乃至多顆國產算力卡達到英偉達一顆算力卡的效果，即“兩卡打一卡”。 在這場不能輸的科技突圍戰中，阿里憑借國內諸多廠商的努力，已占得先機。 大模型需求爆發，呼喚AI算力支持 在云計算時代，阿里云是國內市場的絕對領導者。進入大模型時代，阿里又迅速以“通義千問”系列產品躋身第一梯隊。 國際市場調研機構沙利文報告顯示，2025年上半年，中國企業級市場大模型的日均總消耗量為10.2萬億Tokens（文本處理的最小單位?），其中，阿里通義占比17.7%位列第一，成為目前中國企業選擇最多的大模型。 然而，大模型的競賽遠未到終局。當大模型從文本大模型走向多模態，決定未來市場格局的關鍵，正從算法層面向更底層的硬件基礎設施下沉。 目前，Scaling Law（規模定律）仍在生效，擁有更多的AI算力，將有助于在大模型訓練中占據優勢。此外，在推理側，大模型應用已經開始爆發。 阿里云收入的大增即證明了這一點。根據阿里巴巴財務報告，2025年4月至6月，阿里云實現超預期增長，季度收入同比漲26%至333.98億元，增速創3年新高。 而為了應對未來的訓練、推理需求增長，各大廠商都在加大AI算力的“軍備競賽”。據中郵證券研報，微軟2025年第二季度（2025財年第四財季）資本開支為242億美元，同比增長27%，目前，微軟正在加速建設數據中心，以滿足對AI訓練和工具激增的市場需求。公司預計，2026財年第一財季有望將資本開支提升至300億美元以上。 谷歌原本預計2025年資本開支為750億美元，由于云產品和服務的需求強勁且不斷增長，其將2025年資本開支上調至850億美元。 8月29日，阿里發布2026財年第一財季報告，該季度資本開支為386.76億元，同比增長220%，超市場預期，創歷史新高，并重申未來三年持續投入3800億元用于AI資本開支的計劃。 而這些資本開支很大程度上用于AI算力。根據頭豹研究院數據，2020年至2027年，中國智能算力呈現爆發式增長，預計將從75EFLOPS（每秒浮點運算次數）躍升至1117EFLOPS，年均復合增速超60%，成為推動整體算力擴張的核心力量。 契機：定制化大潮、以通信彌補單卡算力短板 近期，A股最為火熱的股票，當屬DSA（專用微架構）芯片廠商寒武紀，以及光模塊廠商“易中天”（指新易盛、中際旭創和天孚通信）。 而這些股票受到資本市場青睞的本質，一方面是DSA更適合定制化，推理的單位成本更低；另一方面，是以通信彌補單卡算力不足。簡單說，由于制程工藝等因素影響，國內廠商在單卡算力上難以追上英偉達H100。不過，AI算力從來都不是單打獨斗，可以通過增加通信投入來彌補單卡算力不足的缺陷。 如今，阿里自研芯片，也趕上了這波風潮。 隨著大模型的發展，推理需求的增加，定制化較強的DSA是否更受歡迎呢？ PPIO派歐云工作人員告訴《每日經濟新聞》記者：“LLM（大語言模型）推理，大家更愿意為‘單模型專用’DSA買單；只要編譯器透明、能跑PyTorch2.1，就算只能干編碼或推薦兩件事，1.8至2.3倍能效比即可。” 云服務廠商優刻得架構技術中心總監劉華對《每日經濟新聞》記者表示：“這是肯定的。準確地說是分工演化，最近很?的一件事，就是字節采購國內某廠商加速卡?來推理，?且這個路徑已經有??驗證過了，?如谷歌的TPU在BERT和DeepMind模型推理，AWS的Inferentia在Alexa上的推理。” 劉華具體解釋：“DSA的優勢在于特定任務極致的效率和極低的功耗，其設計?就舍棄通?性，專?針對AI訓練和推理，DSA只會選擇訓練和推理的關鍵算?（例如：矩陣乘GEMM、卷積Conv、Attention）做硬件電路級優化。因此，?前做訓練?檻會稍微??些。” 可以看出，定制化的DSA相較于GPGPU（通用圖形處理器），在推理領域效率更高、功耗更低。而未來AI算力市場主要看推理，在優刻得看來，隨著AI的?泛應?，推理和訓練的?例?概是7：3，甚?是9：1。 另外，隨著大模型的發展，對算力密度有著更高的要求。為此，有Scale up（縱向拓展）和Scale out（橫向拓展）兩種方式。國產廠商正在通過Scale out來彌補單卡算力的不足。 PPIO派歐云工作人員告訴記者：“英偉達NVLink5把576卡拼成‘一臺大機’，訓練帶寬14.4TB/s；國產卡單芯弱30%至50%，靠1.6Tbps以太網Scale out可彌補，達到128卡約等于64卡H100的水平。” 其認為，當國產算力芯片達到英偉達單卡性能一半時，還可以通過（通信）網絡彌補。當性能不足一半時，網絡也救不了，還得卷單卡性能。 不過，Scale out也增加了對光模塊的需求。華為昇騰384超節點就需要6912個光模塊。 劉華表示：“英偉達發現Scale up會面臨越來越多的挑戰，比如散熱、距離墻等，因此在2025年CES（國際消費類電子產品展覽會）上，英偉達提出CPO（共封裝光學）的概念，就是要解決Scale out的問題。不過，Scale out也存在‘通信墻’的問題，對于訓練參數數量巨大的基礎模型，內部數據通信量是天文數字，通信開銷會急劇增加，有效計算時間占比下降。” 利刃——達摩院平頭哥，RISC-V陣營的“中國旗手” 大模型對AI算力的龐大需求，DSA的發展和Scale out的進步，降低了國產AI算力的供給難度。阿里此時推出AI推理芯片，可謂恰逢其時。 事實上，阿里在AI算力芯片領域已經籌劃多年，且正在打造開源生態系統。 2017年，阿里成立達摩院。2018年，達摩院建立玄鐵團隊，并于2019年推出基于RISC-V架構的玄鐵處理系列產品。 如今，玄鐵已經打造了多款基于RISC-V架構的芯片產品。 業內人士對《每日經濟新聞》記者表示：“服務器芯片中，除算力芯片，CPU物料成本占比約8%至10%，其次DDR5內存，占比為6%~8%，而NVMe SSD （NVMe標準的固態硬盤）4%~6%，400/800G網卡+交換合計5%；電源散熱液冷再分5%~7%，CPU+內存+存儲仍是BOM（物料清單）三座大山。” 劉華也對記者表示：“服務器芯片中，除了算力芯片外，CPU（中央處理器）、內存、存儲占比最高。在沒有GPU（圖形處理器）的服務器?，CPU占到總成本的20%至60%，特別是HPC（高性能計算）的?密集計算?甚?能占到60%。其次就是內存和存儲了，在內存密集型應?（如?型數據庫、內存計算）的服務器中，內存的成本甚?能超過CPU，?在存儲服務器中，?量SSD（固態硬盤）或全閃存儲是主要的成本構成部分。” 阿里開始從這些芯片入手，逐漸增加服務器芯片自研比例。CPU芯片方面，2019年，達摩院推出玄鐵C910，主頻達2.5GHz；2023年11月，玄鐵推出迭代版本C920，主頻提升至3GHz；2025年2月，玄鐵又推出其首款服務器級CPU玄鐵C930，并于3月份開始交付。 內存方面，國內有長鑫；存儲顆粒方面，國內有長存。因此，阿里又把自研的方向對準了SSD主控。 據達摩院旗下平頭哥半導體透露，2025年3月，鎮岳510已經在阿里云的EBS（塊級存儲解決方案）規模化上線。該產品能夠在同等資源條件下，幫助阿里云EBS客戶承載更多訪問量，間接實現降本增效。 北京得瑞領新科技有限公司也依托鎮岳510開發了其首款支持PCIe5.0接口的高性能NVMe SSD——D8000系列。借助鎮岳510帶來的提升，D8000系列產品性能功耗比較得瑞的上一代產品（PCIe4.0）提升70%以上，可滿足AI訓練、實時數據分析等需求。 鎮岳510，正是采用平頭哥自研的芯片架構，內置玄鐵R910 RISC-V多核CPU系統，最高頻率1.6GHz。 阿里基于RISC-V架構，逐漸覆蓋服務器級CPU和SSD主控。但其真正目標，仍是AI服務器皇冠上的寶石——AI算力芯片。 在2025玄鐵RISC-V生態大會上，達摩院首席科學家、知合計算CEO（首席執行官）孟建熠就表示，當前算力基礎是以GPGPU（CUDA）為代表的傳統閉源硬件與生態，隨著DeepSeek、Llama、Grok等開源大模型不斷涌現，給算力架構帶來了新機會。 孟建熠認為，隨著開源RISC-V架構快速發展，重新自研架構已意義不大，以RISC-V為基礎構建處理芯片是未來的主流。RISC-V在AI領域具備很高的包容性，可以支持做CPU/DSA，也支持做GPU、多核產品或者近內存計算。 而達摩院已經準備推出基于RISC-V架構的多款芯片產品，并在2025年2月公布了C908X、R908A和XL200等玄鐵處理器家族新成員的研發計劃。其中，C908X針對AI加速；R908A針對車載；而XL200提供更大規模、更高性能的多簇一致性互聯。 可以看出，從服務器CPU到SSD主控，從AI加速到車載芯片、互聯芯片，阿里正在基于RISC-V架構構建AI硬件底層競爭力。 AI推理可分為云側推理和邊緣側推理。與云側追求算力規模不同，邊緣側更加追求算力與需求適配，而這正符合RISC-V的特性。 與非研究院資深行業分析師張慧娟對記者表示：“RISC-V指令集非常精簡、高效，它是模塊化的，又具有擴展性。” 特普斯微電子市場總監杜云海認為：“RISC-V的崛起并非偶然，其開源指令集架構的特性早已為邊緣AI的爆發埋下伏筆。作為一種可擴展、模塊化的架構，并在專用微架構（DSA）等技術支持下，可支持廠商根據具體AI工作負載定制指令集，例如通過向量擴展提升并行計算能力，這恰恰契合了邊緣設備對算力‘按需分配’的核心訴求。” 阿里的挑戰及產業鏈機會 不過，利用RISC-V架構研發推理芯片也存在不少挑戰，而最大的挑戰莫過于生態。 正如蓉和半導體咨詢CEO吳梓豪所言：“RISC-V關鍵是沒有生態，不是說設計出一顆芯片，就能使用起來。它需要匹配的生態、驅動。” 而阿里也正在補上RISC-V生態方面的短板。2024年3月，達摩院宣布發起成立“無劍聯盟”，通過構建開放、協同、普惠的RISC-V芯片服務體系，加速RISC-V產業化進程。據悉，成員將基于玄鐵處理器緊密推進IP（網際互連協議）協同、工具鏈優化、操作系統適配、解決方案拓展、應用推廣等工作。 若阿里自研的推理芯片得到大規模應用，國產芯片制造及光模塊廠商或將得到大發展。 目前，國內晶圓代工領域主要廠商為中芯國際、華虹公司和晶合集成，而擁有先進制程代工能力的，唯有中芯國際。 同時，Scale up領域代表是英偉達，而英偉達主要通過銅纜互聯。TrendForce集邦咨詢分析師儲于超告訴《每日經濟新聞》記者：“以英偉達的技術來說，目前Scale up采用銅纜，主要還是因為低延遲傳輸信號的考量，而不是成本。” 而國內廠商很多采用Scale out提升算力密度。儲于超表示：“隨著傳輸速度與數據量增加，Scale out會依賴800G/1.6T光模塊，甚至是下一代的CPO。”