芯耀
与非AI
518
2018年9月，杭州云栖大会，阿里宣布成立一家名叫平头哥的芯片公司，名字据说来源于那个男人的一次非洲之旅。
说实话，当时业内看好的人并不多。互联网公司做芯片，听起来总有点跨界玩票的意思。芯片是一个出了名的慢行业，要投入长周期、重资金，还得接受失败率很高的现实：一颗芯片从立项到量产通常要好几年，一次流片的费用就可能是几千万甚至上亿，而且一旦出错，钱和时间都回不来。
很多人觉得，一家习惯了「小步快跑、快速迭代」的互联网公司，未必能沉得住这口气。
八年过去了，还是在云栖大会，还是这家叫平头哥的公司，发布了新一代训推一体AI芯片真武V900，性能提升至真武M890的3倍，是目前算力最强的中国自研AI芯片（之一），能够满足万亿参数级大模型的训练和推理。
这几年，「算力」成了整个AI行业最焦虑的词。模型越做越大，卡越来越难买，每家公司都在问同一个问题：我们的算力到底从哪儿来？在这样的背景下再看这八年，当年那个被质疑玩票的平头哥，已经悄悄地把数据中心里几乎所有关键芯片都做了一遍。
八年，从单点突破到全栈自研
先来看看平头哥的八年造芯路径。
2019年，成立刚一年的平头哥推出第一颗芯片含光800。这是一颗为具体场景深度定制的推理芯片，每秒能处理7万8千张图片，当时拿下了同类芯片性能和能效比两项第一，后来用在了双11淘宝主搜里。
2021年，服务器CPU倚天710发布，阿里成为国内第一家具备CPU研发设计能力的互联网公司。这颗芯片性能比同期业界标杆高20%，能效比提升超过50%，现在还在阿里云上跑视频编解码、高性能计算和游戏等业务。
2023年，存储侧补上了第一颗SSD主控芯片镇岳510。
2024年，首颗训推一体AI芯片真武810E推出，配合自研T-Head SAIL软件栈，支撑了千问大模型的训练和推理。
今年4月，网络侧发布首款智能网卡磐脉920，这是国内首款内置PCIe Switch的400G智能网卡。
今年5月，真武M890亮相，性能是810E的3倍，同时推出了搭载ICN Switch 1.0的128卡超节点。
今年9月，真武V900发布，性能又是M890的3倍。
AI芯片、服务器CPU、互联芯片、智能网卡、存储主控，八年时间，算力、网力、存力全做了一遍。真武系列三年迭代三代，已经服务超过650家企业客户。阿里巴巴集团CEO吴泳铭在云栖大会上表示，由于平头哥芯片产品线的成熟和客户的广泛应用，平头哥AI芯片的年出货量将大幅提升。
从造零件，到造系统
回头看这条时间线，今年是一个明显的转折。
前几年，平头哥做的更像是造零件：缺什么就补什么，一颗一颗地把数据中心里的关键芯片从无到有做出来。
到了今年，这些零件开始被组装成一台完整的机器。
为什么是现在？因为AI对算力的需求已经变了。大模型到了万亿参数、MoE架构和Agent应用普及的阶段，单纯比拼某一颗芯片的指标已经不够，真正要比的是整个计算系统的效率。
如果把一个AI计算系统拆开来看，大致有三个层次：最底层是单颗芯片的计算能力，中间是芯片与芯片之间的连接能力，最上层是负责调度和执行的通用计算能力。
这次云栖大会上的三个和芯片相关的进展，正好分别对应这三层：真武V900解决「算得快」，ICN Switch和超节点解决「连得好」，倚天CPU路线图解决「调度得动」。
下面我们一层一层来看。
真武V900，训练推理如何既要又要
真武V900是一颗训推一体的芯片。现在很多AI芯片是有分工的，要么主攻训练，要么主攻推理，因为这两件事对硬件的要求差别很大。
训练是一个吃显存的过程。以常见的混合精度加Adam优化器为例，每个参数除了权重本身，还要存梯度、FP32主权重和两份优化器状态，粗略算下来每个参数要占16字节左右。一个万亿参数的模型，光是这些状态就要16TB左右，这还没算中间激活值。所以训练必须把模型切到大量芯片上，每颗芯片的显存越大，需要切的份数就越少，芯片之间的通信也就越少。
推理则是一个吃带宽的过程。大模型生成每一个Token，都要把相关的权重从显存里读一遍，同时还要维护不断增长的KV Cache。这个阶段的瓶颈往往不在计算，而在显存容量和带宽。所以推理会想方设法压低精度，从FP16到FP8再到FP4，精度每降一半，同样的显存能装下的参数量就翻一倍，读取的数据量也减少一半。当然，精度降到FP4后很容易损失模型效果，所以业界一般会配合按块缩放之类的技术来保住精度。
训推一体，就是要一颗芯片同时满足这两套几乎相反的需求。真武V900基于平头哥自研的并行计算架构，搭载216GB大容量显存，片间互联带宽达到1200GB/s，已经和绿厂最新的Blackwell Ultra进到了同一个量级（显存288GB，NVLink带宽1.8TB/s）。它原生支持从高精度训练到低精度、超低精度推理的全场景。和上一代M890相比，V900单芯片性能提升至3倍。
要知道，M890今年5月才发布，4个月后又翻了3倍，说明平头哥没有在挤牙膏。
根据阿里的说法，V900将于2027年第一季度量产售卖。
真正的短板：通信墙
不过，单芯片性能再强，也只是把木桶的长板变得更长。现在决定AI系统性能的那块短板，是芯片和芯片之间的通信能力，也就是传说中的「通信墙」。
这个瓶颈也不是一下子产生的，而是和模型的变化、芯片连接方式的变化紧密相关。
在传统设计里，一台AI服务器里一般装着8颗AI芯片。在同一台服务器内部，芯片之间用专用的高速互联直接相连，带宽能做到几百GB/s甚至上TB/s。但是一旦跨出这台服务器，芯片之间就只能通过网卡和交换机走网络，带宽大约只有几十GB/s，和机内互联相比差了一个数量级以上，延迟也高得多。
打个比方，同一台服务器里的芯片就像坐在同一间办公室的同事，有事转个身就能说；跨服务器的芯片则像在不同楼里办公，每次沟通都得打电话、发邮件。业内有行业黑话，把前一种叫Scale-up（纵向扩展），后一种叫Scale-out（横向扩展）。
问题在于，大模型里通信最密集的那些操作，比如张量并行和前面提到的专家并行，都需要芯片之间频繁交换数据。用前面办公室的例子，这些专家只有在同一间办公室里才能高效运行。模型规模还不大的时候，8颗芯片组成的小办公室基本够用。可到了万亿参数的MoE模型，专家往往要分布到几十甚至上百颗芯片上，8卡明显装不下，大量通信只能走慢得多的网络。
通信墙就是这样形成的。
解决思路其实很直接：把这间办公室扩大。现在常用的方法，就是用专门的互联芯片，把高速互联的范围从一台服务器里的8颗芯片，扩展到几十、几百甚至上千颗芯片，让它们之间都能以接近机内的带宽和延迟通信。这样一组由大量AI芯片组成、内部全部高速互联的系统，就是超节点的雏形。
所以，一个超节点能连多少颗芯片、连得有多快，很大程度上决定了它能高效运行多大的模型。
超节点，让千颗芯片像一颗芯片
那么，上千颗芯片到底怎么才能连成一个超节点？这就是这次的第二个看点。
超节点的核心是一颗专门负责芯片之间数据交换的互联芯片ICN Switch，即片间互联网络（Inter-Chip Network）。
这颗芯片并不是第一次出现。今年5月的阿里云峰会上，平头哥就和真武M890一起发布了ICN Switch 1.0。它支持平头哥自研的ICN互联总线协议，吞吐量达到25.6Tbps，芯片之间点对点时延低于150纳秒。阿里用它把128颗M890装进一个机柜，组成了128卡超节点，全带宽互联的规模从上一代的16卡提升到了64卡。
这次云栖大会，平头哥把真武V900和ICN Switch组合在一起，把全带宽高速互联的规模推到了千卡级别，而且同一套架构可以覆盖从单机8卡到千卡集群的全部场景。从16卡到64卡，再到千卡，相当于前面说的办公室在一年多时间里扩大了几十倍。
规模变大只是一方面，更关键的是这个超节点里的芯片之间怎么通信。它遵循两个很重要的原则：原生内存语义和内存统一编址。
先讲内存语义。传统的芯片间通信走的是「消息语义」：发送方要准备好数据缓冲区、构造描述符、发起DMA传输，接收方收到后还要做完成通知、同步，再把数据拷贝到计算要用的位置。每一步都有软件栈的开销，一次通信往往要花几微秒。对大块数据来说，这点开销可以忽略；但对MoE那种高频的小数据包来说，真正传输数据的时间可能还没有这些手续花的时间长。
内存语义则是让一颗芯片直接用读写指令访问另一颗芯片的显存，就像访问自己的本地内存一样，中间没有打包、握手和拷贝。在M890那一代，ICN Switch 1.0已经把通信时延做到了百纳秒级，比传统方式低了一个数量级。
再讲统一编址，它指的是所有卡的显存在地址空间上连成一片，形成一个全局共享的大内存。对软件来说，它看到的不再是一千块互相独立的显存，而是一块巨大的内存。
打个比方，原来每个车间都有自己的仓库，想用别的车间的零件，得填单子、打包、发货、签收。现在所有仓库打通了，货架统一编号，需要哪个零件直接到对应的货架上拿。
这个特性带来的最大价值其实在软件端。做过分布式训练的朋友应该都清楚，数据放在哪张卡、什么时候搬、怎么和计算重叠，这些工作非常消耗精力，也很容易出错。统一编址让编程模型大大简化，框架和算子开发者可以把更多精力放在模型本身。这也是全球AI芯片厂商都在往内存语义互联方向走的原因。
从M890的128卡超节点，到V900的千卡全带宽高速互联，Scale-up域扩大了将近一个数量级，而且同一套架构可以覆盖从单机8卡到千卡集群的全场景。
也就是说，现在上千颗真武V900终于可以像一颗"超级芯片"那样协同工作了。
算、存、网拼齐：一台50万卡的计算机
有了算力和互联还不够。这次阿里发布的新一代超节点服务器里放了四类自研芯片：真武V900负责计算，ICN Switch负责超节点内的Scale-up互联，磐脉智能网卡负责超节点之间的Scale-out网络，镇岳SSD主控负责数据存取。
算、存、网三块一次性补齐，而且做到了系统级的协同优化。
再加上阿里云新设计的智算中心网络架构，这套系统可以稳定支撑50万卡规模的单一AI集群。
另外，基于真武M890的超节点已经规模化商用，是国内第一个跑通Qwen3.8和Kimi K3两个超2万亿参数模型的超节点。你正在用的这两个模型，很可能就跑在平头哥的这几颗芯片上。通过算子优化和软硬件协同，真武超节点实例在Agentic推理场景里最多可以实现1.5倍的性能提升。
硬件不换，靠系统优化多出50%的性能，这就是全栈的价值。
CPU，智能体时代被低估的主角
最后一层是CPU。
过去两年说到AI算力，大家主要关注的是GPU。但到了智能体时代，CPU的重要性正在回升。智能体的任务规划、状态管理、工具调用，以及大量数据的预处理和编排，几乎都要由CPU完成。
GPU负责思考，CPU负责安排和执行。如果CPU跟不上，GPU再强也只能空等。
所以Agent需要的CPU，要单核性能强、内存带宽高，并且和GPU紧耦合。
这次平头哥首次公开了倚天服务器CPU的路线图：2027年推出倚天720和倚天730。720在单核性能、核密度和能效上全面提升；730首次采用平头哥全自研的CPU微架构，单核SPECint 2017/GHz性能最高可达倚天710的1.4倍。
未来还将继续推出倚天750，采用第二代自研核，并支持平头哥自研的ICN片间互联总线协议。这个就有意思了。
目前CPU和AI芯片之间大多通过PCIe连接，带宽和延迟都比较有限。在Agent场景下，CPU负责调度，AI芯片负责推理，两者之间的数据交互非常频繁，PCIe很容易成为瓶颈，通信墙再次出现。另外，随着上下文越来越长，业界也在尝试把一部分KV Cache放到CPU的大容量内存里，这同样需要CPU和AI芯片之间有一条更宽、更快的通道。
倚天750接入ICN总线，意味着CPU就和真武AI芯片进入了同一套互联体系。前面讲的超节点解决的是AI芯片之间怎么连，这一步解决的则是CPU和AI芯片之间怎么连。到这里，阿里算力版图中的关键大芯片拼图也补上了。
定义需求，不要猜需求
回到开头的那个问题：八年前那个被质疑「玩票」的平头哥，现在到底做成了什么？
这次云栖大会给出的回答，是他们做了一套为AI时代量身定制的计算系统。
真武负责算力，ICN Switch负责互联，磐脉负责网络，镇岳负责存储，倚天负责调度，未来CPU和AI芯片还会接入同一条总线。
现在算力的竞争，已经从拼芯片，进入到拼系统的时代，这样的体系必须有真实场景来反复打磨。而阿里做芯片最大的优势，就是它本身拥有庞大而完整的应用场景：有云、有淘宝、有钉钉、有各种实际业务，还有千问这样一线水平的大模型。芯片做出来可以直接放进阿里云和自家业务里跑，用自家最前沿的模型去验证和优化，然后快速规模化。
芯片、模型、平台、云，这条完整的链条，是绝大多数芯片公司很难复制的。
从这个角度看，很多芯片公司是在猜几年以后大家需要什么，而阿里是在自己定义几年以后需要什么。
八年前的质疑，今年在云栖大会上有了一个相当完整的回答。
（注：本文不代表老石任职单位的观点。）
