top of page

Baidu AI 晶片路線圖瞄準 2027 年推出 Tianchi 1024

12 分鐘前
讀畢需時 11 分鐘
Kunlunxin accelerator modules and supernode exhibit at Baidu World 2026, Beijing, November 12. Photograph: Lee Eun-young / Chosunbiz.

Baidu 在 11 月 12 日的 Baidu World 發布一套可連接 1,024 個 AI 加速器的運算系統,計劃於 2027 年部署。Baidu AI 晶片路線圖把加快晶片之間的通訊,連同新處理器,視為支援更大型 AI 工作負載的途徑。其商業意義取決於能否把這套協同硬件轉化為客戶可實際使用的可靠運算能力。

這項公布推進了一項既有計劃。Baidu 在這次活動前已概述 M100 與 M300 晶片。更新後的焦點落在 Tianchi 1024,這是一個把專用 AI 處理器連接成協同運算系統的超級節點。以光傳輸數據的光學連接,是其設計的核心。

Nvidia 提供了一個有用的參考,因其系統同樣結合加速器、網絡及軟件。然而,單靠計算已連接的處理器數量,無法證明效能相當。Baidu 當前的挑戰,是把系統設計轉化為可重複驗證的成果、清晰的供應情況及客戶部署。這個分別對評估另一個運算平台的開發者,以及規劃現有供應商以外運算能力的企業尤為重要。

Baidu AI 晶片路線圖實際新增了甚麼

核心更新是規模更大的協同系統,同時亦就已納入 Baidu 開發時間表的晶片公布進展。

Chosunbiz 報道,Tianchi 1024 部署計劃於 2027 年進行。該報道亦指 M300 將於明年推出,而採用新 N 架構的晶片則於 2028 年推出。這些仍屬預期里程碑。

這個次序把處理器路線圖與系統路線圖區分開來。新晶片會改變加速器內可用的能力;新系統則改變這些加速器如何協同運作。買家需要兩條時間線,因為單獨公布處理器,並不能說明完整安裝方案何時可供使用。

這個區別亦可避免把活動錯誤解讀為 Baidu 首次進軍這一代硬件。M100 與 M300 的名稱早已公開。較早前對Kunlun 晶片時間表的報道,已提及 M100 於 2026 年推出、M300 於 2027 年推出。

新的分析問題在於整合。Baidu 正展示一條從單一處理器走向更大型單元的路徑,讓客戶可將其作為運算平台評估。這讓通訊及協調的責任更直接地納入其自身產品供應之中。

就 Baidu AI 晶片路線圖而言,這改變了衡量進展的層級。晶片供應情況仍然重要,但系統就緒程度成為另一項里程碑。客戶需要知道哪些能力會同時到位,哪些則取決於後續硬件或軟件版本。

會議發布可以在產品普遍向客戶供應前,先介紹一項設計。示範硬件可以證明組件存在,卻未必展示持續的商業運作。這些階段各有不同目的,報道應保留其界線。

產品定位亦應同樣審慎。Baidu 把 M100 定位為推理用途,即運行已訓練模型以產生輸出。M300 則定位為應付要求更高的運算需求。這些角色有助理解路線圖,但並不能指出每名客戶的最佳配置。

一間處理日常模型請求的公司,可能優先考慮可預測的交付及高效運作;一個開發更大型模型的團隊,則可能優先考慮記憶體容量及處理器之間的通訊。任何一類買家都不能只憑產品名稱便有信心選擇設備。

因此,Tianchi 1024 增加了一個值得獨立於晶片名稱之外關注的整合目標。該系統讓 Baidu 提出更具體的方案,以供示範、支援並最終交付。

這亦建立了更清晰的問責基礎。未來更新可按已公布的供應時間、已記錄的配置及可量度的客戶工作負載來評估。這比把既有晶片名稱每次出現都視為另一次發布更具資訊價值。

活動的重要性建基於這個進程。Baidu 正把既有硬件計劃延伸至更大型的協同系統,同時多項商業及技術里程碑仍在前方。

雲端需求令交付承受壓力

這份路線圖把最直接的執行壓力,放在 Baidu 自身的雲端及硬件團隊身上。

Baidu 在 11 月 16 日公布的業績顯示,AI Cloud Infra 收入按年增長 94%。同一份披露提到需求增強、客戶基礎擴大,以及轉向較長期合約。這些是公司自行報告的業務指標,並非 Tianchi 效能的證據。

這個區別很重要。需求增長令硬件路線圖具備商業目的,但並不能驗證尚未推出的系統。購買運算服務的客戶,需要能在商定營運條件下支援其工作負載的運算能力。

對 Baidu AI 基礎設施而言,需求與交付之間的關係直接。其雲端業務可為自研硬件提供渠道;其硬件團隊則必須交付雲端營運商能夠安裝、排程、維護及支援的產品。

這形成了一種帶來實際後果的內部客戶關係。雲端營運商不能無限期依賴實驗室配置。他們需要在持續需求下有已記錄的行為、可管理的維護程序,以及清晰的中斷工作復原流程。

壓力亦會延伸至應用團隊。硬件改動可影響模型運行方式、哪些軟件路徑能有效運作,以及工程師如何診斷問題。這些團隊在把服務投入新平台前,需要時間評估相容性。

對企業買家而言,較長的規劃周期令這些細節在出貨前已具關聯性。準供應商可透過其路線圖影響未來架構選擇。然而,買家在讓該路線圖成為營運上重要的一環之前,仍需要就交付及支援取得合約上的明確保障。

正因如此,這項公布不只是組件故事。Baidu 正要求客戶從多個相互連接的層面考慮該公司。成功的系統將透過為雲端服務提供更整合的硬件基礎,強化這項主張。

商業機會是有條件的。掌握更多層面可以改善協調,但也會集中責任。當工作負載表現未如理想時,客戶需要得到涵蓋硬件、網絡及軟件的答案,而非每個組件各自一套解釋。

把業務增長解讀得過於廣泛,亦存在相關風險。雲端需求可因與特定加速器系列無關的原因而增加。收入擴張並不揭示實際由哪些處理器完成工作,亦不能確定未來產品的貢獻。

因此,最有用的商業披露應把已命名的部署與特定配置及供應情況連結起來。這將有助讀者分辨對 Baidu 服務的需求,以及其新硬件的採用情況。

實際受眾不僅限於直接購買設備的公司。使用託管模型的開發者依賴這些服務底層的基礎設施。可用運算能力的變化,可影響服務選項、部署彈性,以及供應商如何支援要求嚴苛的應用。

知識工作者會透過回應時間及服務可靠性間接感受到這些後果。他們很少需要選擇加速器,但當基礎設施競爭帶來穩定運作的服務時,便會受惠。

因此,目前的消息把交付紀律置於 Baidu 雄心的核心。需求提供了建設的理由;獲支援、可使用的系統則提供服務需求的手段。

透過光學連接解讀 Baidu Tianchi 1024

這個系統的技術主張,不僅關乎它連接多少處理器,亦關乎處理器能否有效協作。

互連是把數據在處理器之間傳送的通訊系統。在協同 AI 工作負載中,這些傳輸可成為關鍵路徑的一部分。增加運算能力,只有在系統其他部分能讓處理器維持高效運作時才有幫助。

Baidu 的公司發布稿描述 Tianchi 採用全光學互連。這個架構重點不難理解:當工作分散至大量裝置時,數據移動便成為核心設計問題。

在這個脈絡下,對 Baidu Tianchi 1024 的實際解讀是系統規模的協調。產品名稱標示其預定的加速器數量,卻未有披露特定模型能如何高效使用整個系統。

以訓練工作負載為例,亦即利用範例更新模型。分散這項工作,可能要求處理器交換中間結果。若通訊成為瓶頸,部分運算資源便會花時間等待,而非推進工作。

推理則帶來另一組優先事項。回應使用者的服務必須在可接受的回應時間內交付輸出。即使某個配置能提供很高的總吞吐量,若個別請求等待太久,仍可能令人失望。

吞吐量指在一段時間內完成的工作量;延遲則指結果送達前的等候時間。評估共享模型服務的買家,需要理解兩者,而不應只依賴一個標題式效能數字。

光學連接處理數據移動,但應用結果取決於完整路徑。軟件必須妥善分配工作;記憶體必須容納所需數據;營運環境必須讓系統保持可用。

這些是評估考慮因素,而非 Tianchi 最終行為的結論。這項公布指出了一個設計方向。公開的工作負載證據必須證明該方向如何轉化為實用效能。

Nvidia 的機架級架構提供了具體比較。其已記錄的 GB300 NVL72 配置,透過 Nvidia 的處理器互連技術 NVLink 連接 72 個 Blackwell Ultra GPU。該設計亦說明了冷卻及支援組件。

這項比較確立了共同的系統級方法,但並未確立產品之間的效能排名。兩者的處理器數量所描述的配置,採用了不同的底層組件及界線。

要作出恰當比較,需要使用等同的工作負載及已披露的營運條件。模型品質、回應時間要求及軟件版本均須保持可見。否則,看似硬件上的優勢,可能反映測試其他部分的差異。

百度正提出一項更廣泛的系統主張,這是重要的競爭發展。因此,其效能論述除了處理器能力外,亦必須涵蓋通訊、軟件及營運。

這改變了說明的重點。元件供應商可以強調其晶片的功能;系統供應商則必須展示客戶能以整合平台完成甚麼,以及能否持續穩定地完成。

因此,對百度 AI 基礎設施而言,光學連接是一項需要探究的機制,而非可直接接受的結論。當客戶能把設計與實測工作負載連結起來,其價值將會更清晰。

技術問題十分具體:完整系統在滿足應用程式要求的同時,能否讓其加速器持續有效地運作?

效能聲稱仍留下重要疑問

百度公布的增幅反映其自身的效能聲稱,而現有公告仍未釐清重要的比較細節。

Chosunbiz 將多項數據歸因於該公司:晶片間頻寬提升三倍、訓練效能提升 2.5 倍,以及推論效能提升三倍。這些數字應保留其來源歸屬。它們並非本次審閱材料中經獨立驗證的基準測試結果。

效能倍數需要有明確界定的基準。讀者需要知道比較所採用的是哪一套系統,以及其配置有何差異。缺乏這些資料,該數字便無法支持一般採購結論。

工作負載細節同樣重要。某一模型或運作條件下的結果,不會自動適用於其他應用程式。買家需要與其實際工作相近的證據,包括所需的回應時間及品質。

「更快」的技術含義亦值得審視。一套系統可以更早完成整項工作、處理更多並行請求,或縮短個別回應延遲。每種結果都有價值,但它們回答的是不同的商業問題。

評估亦應披露數值精度,即運算期間用來表示數值的格式。不同格式可改變效能及資源需求。品質檢查有助判斷輸出結果是否仍符合應用程式需要。

這些問題並不表示百度的聲稱不正確,而是指出解讀這些聲稱所仍需具備的資料。把欠缺方法論視為失敗證明,與把公司自行公布的數字視為普遍驗證一樣,都為時過早。

供應相關措辭亦需同樣審慎。百度的會議公告表示 M100 已出貨;其後的業績披露則仍將量產準備就緒描述為年底目標。

M100 生產進度更新亦表示,該晶片於 2026 年 7 月世界人工智能大會首次公開亮相。這個時間脈絡加強了產品推出、出貨及為較大規模生產作好準備之間的區別。

這些陳述可以描述不同階段,並不互相矛盾。初步出貨未必代表已建立廣泛供應;量產準備就緒亦不代表每名有興趣的客戶都能立即取得完整且受支援的系統。

合適的解讀應保持界限。百度報告了出貨進展,但其最新披露仍指出尚有一項製造里程碑。買家應尋求有關數量、配置、交付承諾及客戶取得途徑的細節。

可靠性亦是另一項評估要求。大型系統必須在元件需要維護或工作遇上錯誤時,繼續產生有用的工作成果。公開示範很少揭示客戶最終會面對的完整營運體驗。

同樣地,部署成本效益不僅取決於加速器。設施、網絡、軟件調整及工程支援都可影響系統的實用性。若沒有有記錄的比較,不應在此推斷任何數值上的成本優勢。

對開發者而言,相容性是尤其具體的關注事項。模型在技術上或許可以運行,但可能需要額外工程工作才能達到可接受的效能。相關證據應展示受支援的軟件路徑,以及維持該路徑所需的工作。

對企業買家而言,支援責任歸屬同樣重要。供應商應說明如何調查跨越多個層級的故障,以及誰最終負責解決問題。

這些營運問題令分析聚焦於核心張力:協調一致的硬件承諾必須轉化為可靠的客戶容量。它們亦避免討論偏離為一項缺乏支持的聲稱,即百度已追上或超越 Nvidia。

這些公告確立了雄心及所報告的進展,但仍為效能、供應及持續運作的實質驗證留下空間。

三個訊號將釐清 2027 年的時間表

下一批有用證據應依序連結生產進展、系統規格及客戶運作。

第一個訊號是更清晰的 M100 生產進度更新。百度已把年底量產準備就緒列為目標,為讀者提供一個可在短期內追蹤的里程碑。後續披露應說明有何改變,以及哪些客戶可以取得相關容量。

該更新將增強市場對公司把現有產品推進至商業階段能力的信心。然而,單憑這一點不足以驗證 Tianchi,亦不足以確立每款後續晶片的準備程度。

較不具體的更新會令目前的界線維持不變。在百度說明各者關係前,「可供使用」、「正在出貨」及「準備量產」應繼續視為不同聲稱。讀者應尋找營運細節,而非以自己的假設代替資料。

第二個訊號是更完整的 Tianchi 規格及評估資料包。在未來數月,有用的披露將會指出受支援的配置、交付階段,以及所報告增幅背後的方法論。

這正是「百度 Tianchi 1024 詳解」應轉化為可測試產品描述的地方。讀者應能把效能聲稱連結至基準、工作負載及運作條件。這會令公司的數字更有用,毋須立即獨立確認每一項細節。

詳細資料包將加強系統正邁向部署的論點。反覆出現但沒有方法論的標題式倍數,新增的證據價值不大。這種區別屬於資訊層面,而非預測時間表將會成功或延遲。

第三個訊號是具備足夠細節可供評估的客戶運作。當客戶說明運行了甚麼、需要甚麼支援,以及系統是否符合預期時,具名部署便會提供更多資訊。

初步試驗會具備參考價值,但其範圍應保持清晰。一次成功示範所證明的,少於持續生產使用;長期部署對實際描述的工作負載以外的其他工作負載,所能證明的亦較少。

這個訊號亦有助解讀商業層面的故事。客戶採用會把硬件計劃與該配置的實際需求連結起來。整體雲端增長本身無法建立這種連結。

對百度 AI 基礎設施而言,最有力的進展會由製造清晰度,走向系統文件,然後走向可重複的客戶體驗。每個階段都回答有關準備程度的不同問題。

這些觀察均不需要等到 2027 年計劃的每一部分完成。短期披露可透過減少具體不確定性來提高信心,亦可揭示計劃在哪些地方仍依賴尚未完成的工作。

讀者不應以廣泛的國家或供應商競爭敘事取代這些不確定性。現有證據支持一個更精確的故事:一項已建立的晶片計劃正邁向更大型的整合系統。

這個焦點令未來消息更容易判斷。處理器里程碑屬於晶片時間線;系統示範屬於整合時間線;客戶部署則屬於商業時間線。

對評估百度 AI 晶片路線圖的團隊而言,應把這些里程碑分開,並記錄每項聲稱背後的證據。技術買家可隨着披露陸續發布,建立包含規格、測試條件及部署備註的可搜尋知識庫。應以相同的工作負載要求比較新結果,而不是隨每次公告改變標準。要求供應商區分示範存取與受支援的可用性,以及初步出貨與更廣泛的供應。先追蹤生產更新,其次是系統證據,最後是客戶運作。哪一項即將公布的披露,將證明團隊所需的容量正以你們實際可用的條件變得可取得?

 
 

為每個智能代理提供更完整的背景,提升工作表現

讓智能代理連接 remio 已整理好的知識、決策和歷史紀錄。

remio 目前支援 Windows 10+(x64) 及配備 Apple 晶片的 Mac。

你的 AI 工作夥伴
和 remio 一起高效工作

規劃、創作、交付
一站式完成

bottom of page