阿里 「破芯」 之路：一场不能输的科技突围战

每经记者｜朱成祥    每经编辑｜张益铭    

在大模型时代，拥有的 AI（人工智能） 芯片数量，决定了一家 AI 厂商的竞争力。

如今，阿里也被曝出正自研 AI 芯片。显然，在这一轮科技产业变革中，AI 芯片已经成为大型 AI 厂商的 「必答题」。

没有足够的 AI 芯片，就无法为未来海量增长的大模型应用提供算力支持；没有足够的 AI 芯片，也就难以通过规模定律，在大模型训练中占据有利位置；没有足够的 AI 芯片，无论是大模型还是云计算，都将成为没有根基的 「无本之木」。

阿里选择 「破局」AI 芯片，恰逢其时。算力不够，数量来凑。目前，国产算力厂商、云基础设施厂商普遍通过 「通信」 来弥补单卡算力的不足，从而实现两颗乃至多颗国产算力卡达到英伟达一颗算力卡的效果，即 「两卡打一卡」。

在这场不能输的科技突围战中，阿里凭借国内诸多厂商的努力，已占得先机。

大模型需求爆发，呼唤 AI 算力支持

在云计算时代，阿里云是国内市场的绝对领导者。进入大模型时代，阿里又迅速以 「通义千问」 系列产品跻身第一梯队。

国际市场调研机构沙利文报告显示，2025 年上半年，中国企业级市场大模型的日均总消耗量为 10.2 万亿 Tokens（文本处理的最小单位‌），其中，阿里通义占比 17.7% 位列第一，成为目前中国企业选择最多的大模型。

然而，大模型的竞赛远未到终局。当大模型从文本大模型走向多模态，决定未来市场格局的关键，正从算法层面向更底层的硬件基础设施下沉。

目前，Scaling Law（规模定律） 仍在生效，拥有更多的 AI 算力，将有助于在大模型训练中占据优势。此外，在推理侧，大模型应用已经开始爆发。

阿里云收入的大增即证明了这一点。根据阿里巴巴财务报告，2025 年 4 月至 6 月，阿里云实现超预期增长，季度收入同比涨 26% 至 333.98 亿元，增速创 3 年新高。

而为了应对未来的训练、推理需求增长，各大厂商都在加大 AI 算力的 「军备竞赛」。据中邮证券研报，微软 2025 年第二季度 （2025 财年第四财季） 资本开支为 242 亿美元，同比增长 27%，目前，微软正在加速建设数据中心，以满足对 AI 训练和工具激增的市场需求。公司预计，2026 财年第一财季有望将资本开支提升至 300 亿美元以上。

谷歌原本预计 2025 年资本开支为 750 亿美元，由于云产品和服务的需求强劲且不断增长，其将 2025 年资本开支上调至 850 亿美元。

8 月 29 日，阿里发布 2026 财年第一财季报告，该季度资本开支为 386.76 亿元，同比增长 220%，超市场预期，创历史新高，并重申未来三年持续投入 3800 亿元用于 AI 资本开支的计划。

而这些资本开支很大程度上用于 AI 算力。根据头豹研究院数据，2020 年至 2027 年，中国智能算力呈现爆发式增长，预计将从 75EFLOPS（每秒浮点运算次数） 跃升至 1117EFLOPS，年均复合增速超 60%，成为推动整体算力扩张的核心力量。

契机：定制化大潮、以通信弥补单卡算力短板

近期，A 股最为火热的股票，当属 DSA（专用微架构） 芯片厂商寒武纪，以及光模块厂商 「易中天」（指新易盛、中际旭创和天孚通信）。

而这些股票受到资本市场青睐的本质，一方面是 DSA 更适合定制化，推理的单位成本更低；另一方面，是以通信弥补单卡算力不足。简单说，由于制程工艺等因素影响，国内厂商在单卡算力上难以追上英伟达 H100。不过，AI 算力从来都不是单打独斗，可以通过增加通信投入来弥补单卡算力不足的缺陷。

如今，阿里自研芯片，也赶上了这波风潮。

随着大模型的发展，推理需求的增加，定制化较强的 DSA 是否更受欢迎呢？

PPIO 派欧云工作人员告诉 《每日经济新闻》 记者：「LLM（大语言模型） 推理，大家更愿意为 『单模型专用』DSA 买单；只要编译器透明、能跑 PyTorch2.1，就算只能干编码或推荐两件事，1.8 至 2.3 倍能效比即可。」

云服务厂商优刻得架构技术中心总监刘华对 《每日经济新闻》 记者表示：「这是肯定的。准确地说是分工演化，最近很⽕的一件事，就是字节采购国内某厂商加速卡⽤来推理，⽽且这个路径已经有⼤⼚验证过了，⽐如谷歌的 TPU 在 BERT 和 DeepMind 模型推理，AWS 的 Inferentia 在 Alexa 上的推理。」

刘华具体解释：「DSA 的优势在于特定任务极致的效率和极低的功耗，其设计⾥就舍弃通⽤性，专⻔针对 AI 训练和推理，DSA 只会选择训练和推理的关键算⼦ （例如：矩阵乘 GEMM、卷积 Conv、Attention） 做硬件电路级优化。因此，⽬前做训练⻔槛会稍微⾼⼀些。」

可以看出，定制化的 DSA 相较于 GPGPU（通用图形处理器），在推理领域效率更高、功耗更低。而未来 AI 算力市场主要看推理，在优刻得看来，随着 AI 的⼴泛应⽤，推理和训练的⽐例⼤概是 7：3，甚⾄是 9：1。

另外，随着大模型的发展，对算力密度有着更高的要求。为此，有 Scale up（纵向拓展） 和 Scale out（横向拓展） 两种方式。国产厂商正在通过 Scale out 来弥补单卡算力的不足。

PPIO 派欧云工作人员告诉记者：「英伟达 NVLink5 把 576 卡拼成 『一台大机』，训练带宽 14.4TB/s；国产卡单芯弱 30% 至 50%，靠 1.6Tbps 以太网 Scale out 可弥补，达到 128 卡约等于 64 卡 H100 的水平。」

其认为，当国产算力芯片达到英伟达单卡性能一半时，还可以通过 （通信） 网络弥补。当性能不足一半时，网络也救不了，还得卷单卡性能。

不过，Scale out 也增加了对光模块的需求。华为昇腾 384 超节点就需要 6912 个光模块。

刘华表示：「英伟达发现 Scale up 会面临越来越多的挑战，比如散热、距离墙等，因此在 2025 年 CES（国际消费类电子产品展览会） 上，英伟达提出 CPO（共封装光学） 的概念，就是要解决 Scale out 的问题。不过，Scale out 也存在 『通信墙』 的问题，对于训练参数数量巨大的基础模型，内部数据通信量是天文数字，通信开销会急剧增加，有效计算时间占比下降。」

利刃——达摩院平头哥，RISC-V 阵营的 「中国旗手」

大模型对 AI 算力的庞大需求，DSA 的发展和 Scale out 的进步，降低了国产 AI 算力的供给难度。阿里此时推出 AI 推理芯片，可谓恰逢其时。

事实上，阿里在 AI 算力芯片领域已经筹划多年，且正在打造开源生态系统。

2017 年，阿里成立达摩院。2018 年，达摩院建立玄铁团队，并于 2019 年推出基于 RISC-V 架构的玄铁处理系列产品。

如今，玄铁已经打造了多款基于 RISC-V 架构的芯片产品。

业内人士对 《每日经济新闻》 记者表示：「服务器芯片中，除算力芯片，CPU 物料成本占比约 8% 至 10%，其次 DDR5 内存，占比为 6%~8%，而 NVMe SSD（NVMe 标准的固态硬盘）4%~6%，400/800G 网卡+交换合计 5%；电源散热液冷再分 5%~7%，CPU+内存+存储仍是 BOM（物料清单） 三座大山。」

刘华也对记者表示：「服务器芯片中，除了算力芯片外，CPU（中央处理器）、内存、存储占比最高。在没有 GPU（图形处理器） 的服务器⾥，CPU 占到总成本的 20% 至 60%，特别是 HPC（高性能计算） 的⾼密集计算⾥甚⾄能占到 60%。其次就是内存和存储了，在内存密集型应⽤ （如⼤型数据库、内存计算） 的服务器中，内存的成本甚⾄能超过 CPU，⽽在存储服务器中，⼤量 SSD（固态硬盘） 或全闪存储是主要的成本构成部分。」

阿里开始从这些芯片入手，逐渐增加服务器芯片自研比例。CPU 芯片方面，2019 年，达摩院推出玄铁 C910，主频达 2.5GHz；2023 年 11 月，玄铁推出迭代版本 C920，主频提升至 3GHz；2025 年 2 月，玄铁又推出其首款服务器级 CPU 玄铁 C930，并于 3 月份开始交付。

内存方面，国内有长鑫；存储颗粒方面，国内有长存。因此，阿里又把自研的方向对准了 SSD 主控。

据达摩院旗下平头哥半导体透露，2025 年 3 月，镇岳 510 已经在阿里云的 EBS（块级存储解决方案） 规模化上线。该产品能够在同等资源条件下，帮助阿里云 EBS 客户承载更多访问量，间接实现降本增效。

北京得瑞领新科技有限公司也依托镇岳 510 开发了其首款支持 PCIe5.0 接口的高性能 NVMe SSD——D8000 系列。借助镇岳 510 带来的提升，D8000 系列产品性能功耗比较得瑞的上一代产品 （PCIe4.0） 提升 70% 以上，可满足 AI 训练、实时数据分析等需求。

镇岳 510，正是采用平头哥自研的芯片架构，内置玄铁 R910 RISC-V 多核 CPU 系统，最高频率 1.6GHz。

阿里基于 RISC-V 架构，逐渐覆盖服务器级 CPU 和 SSD 主控。但其真正目标，仍是 AI 服务器皇冠上的宝石——AI 算力芯片。

在 2025 玄铁 RISC-V 生态大会上，达摩院首席科学家、知合计算 CEO（首席执行官） 孟建熠就表示，当前算力基础是以 GPGPU（CUDA） 为代表的传统闭源硬件与生态，随着 DeepSeek、Llama、Grok 等开源大模型不断涌现，给算力架构带来了新机会。

孟建熠认为，随着开源 RISC-V 架构快速发展，重新自研架构已意义不大，以 RISC-V 为基础构建处理芯片是未来的主流。RISC-V 在 AI 领域具备很高的包容性，可以支持做 CPU/DSA，也支持做 GPU、多核产品或者近内存计算。

而达摩院已经准备推出基于 RISC-V 架构的多款芯片产品，并在 2025 年 2 月公布了 C908X、R908A 和 XL200 等玄铁处理器家族新成员的研发计划。其中，C908X 针对 AI 加速；R908A 针对车载；而 XL200 提供更大规模、更高性能的多簇一致性互联。

可以看出，从服务器 CPU 到 SSD 主控，从 AI 加速到车载芯片、互联芯片，阿里正在基于 RISC-V 架构构建 AI 硬件底层竞争力。

AI 推理可分为云侧推理和边缘侧推理。与云侧追求算力规模不同，边缘侧更加追求算力与需求适配，而这正符合 RISC-V 的特性。

与非研究院资深行业分析师张慧娟对记者表示：「RISC-V 指令集非常精简、高效，它是模块化的，又具有扩展性。」

特普斯微电子市场总监杜云海认为：「RISC-V 的崛起并非偶然，其开源指令集架构的特性早已为边缘 AI 的爆发埋下伏笔。作为一种可扩展、模块化的架构，并在专用微架构 （DSA） 等技术支持下，可支持厂商根据具体 AI 工作负载定制指令集，例如通过向量扩展提升并行计算能力，这恰恰契合了边缘设备对算力 『按需分配』 的核心诉求。」

阿里的挑战及产业链机会

不过，利用 RISC-V 架构研发推理芯片也存在不少挑战，而最大的挑战莫过于生态。

正如蓉和半导体咨询 CEO 吴梓豪所言：「RISC-V 关键是没有生态，不是说设计出一颗芯片，就能使用起来。它需要匹配的生态、驱动。」

而阿里也正在补上 RISC-V 生态方面的短板。2024 年 3 月，达摩院宣布发起成立 「无剑联盟」，通过构建开放、协同、普惠的 RISC-V 芯片服务体系，加速 RISC-V 产业化进程。据悉，成员将基于玄铁处理器紧密推进 IP（网际互连协议） 协同、工具链优化、操作系统适配、解决方案拓展、应用推广等工作。

若阿里自研的推理芯片得到大规模应用，国产芯片制造及光模块厂商或将得到大发展。

目前，国内晶圆代工领域主要厂商为中芯国际、华虹公司和晶合集成，而拥有先进制程代工能力的，唯有中芯国际。

同时，Scale up 领域代表是英伟达，而英伟达主要通过铜缆互联。TrendForce 集邦咨询分析师储于超告诉 《每日经济新闻》 记者：「以英伟达的技术来说，目前 Scale up 采用铜缆，主要还是因为低延迟传输信号的考量，而不是成本。」

而国内厂商很多采用 Scale out 提升算力密度。储于超表示：「随着传输速度与数据量增加，Scale out 会依赖 800G/1.6T 光模块，甚至是下一代的 CPO。」

封面图片来源：图片来源：视觉中国-VCG211478193393