阿里巴巴 Zhenwu V900 将其 AI 芯片路线图推向云端考验
阿里巴巴发布 Zhenwu V900，并作出大胆宣称：这款新 GPU 的速度是该公司上一代 AI 加速器的三倍。
Alibaba Zhenwu V900 要到 2027 年第一季度才计划商业发布。但其规格已经显示出阿里巴巴希望参与竞争的方向。该公司正将自研处理器、网络、存储、云服务和 Qwen 模型整合为一套可控的计算技术栈。
这一战略让阿里巴巴与中国领先的国产大型 AI 系统供应商 Huawei 展开更直接的竞争。Nvidia 仍是全球性能和软件领域的参照标准。不过，阿里巴巴眼下的考验在于，能否为中国云客户提供一个以自身基础设施为核心、足够可信的替代方案。
因此，这项发布的重要性不止于芯片峰值性能。阿里巴巴正试图掌控从硅片到付费 AI 服务的完整链路。能否成功取决于制造产能、系统可靠性、开发者支持，以及客户是否愿意在该平台上运行生产级工作负载。
阿里巴巴 Zhenwu V900 提高硬件目标
阿里巴巴已从讨论芯片自主化，转向明确提出具体加速器、发布时间窗口和横向扩展架构。
阿里巴巴半导体设计部门 T-Head 于 2026 年 9 月 22 日在杭州举行的 Apsara Conference 上推出 Zhenwu V900。这款处理器同时支持 AI 训练和推理，后者指训练完成的模型在响应请求时执行的计算。
根据阿里巴巴的 AI roadmap，这款加速器配备 216 GB GPU 内存，并提供每秒 1,200 GB 的芯片间带宽。
这些规格较阿里巴巴于 2026 年 5 月发布的 Zhenwu M890 有明显提升。此前的处理器提供 144 GB 内存，互连带宽最高可达每秒 800 GB。
阿里巴巴称，新处理器的性能是 M890 的三倍。该公司尚未发布完整、经独立验证的基准测试套件来支持这一比较。
缺失的背景信息十分重要。加速器性能会随模型、数值格式、批处理规模、网络设计和软件实现方式而变化。单一倍数无法说明芯片在所有训练和推理工作负载中的表现。
阿里巴巴称，V900 支持 FP8 和 FP4，这些低精度数值格式可降低内存和计算需求。如果软件能维持可接受的模型质量，较低精度尤其可在推理期间提升吞吐量。
该公司将这款处理器定位为 GPU，而非高度专用的推理芯片。这一定位表明，阿里巴巴希望用同一套架构覆盖模型训练、微调和生产级推理。
这种灵活性将让 Alibaba Cloud 对硬件资源分配拥有更大控制权。它可以将工作负载导向自研处理器，而不必完全依赖从外部供应商购入的加速器。
V900 不会立即进入大规模量产。阿里巴巴称，量产和商业可用性计划于 2027 年第一季度实现。
这一时间表将发布公告与成熟的云服务区分开来。客户仍需要了解实例供应情况、软件兼容性、服务可用性、工作负载迁移和持续性能等信息。
阿里巴巴还推出了一款升级版超级节点服务器，将 V900 与多项其他内部开发的组件结合使用，包括其 ICN Switch、Panmai SmartNIC 和 Zhenyue 固态硬盘控制器。
超级节点可连接大量加速器，使其更像一个统一的计算系统。其价值取决于能否在处理器之间传输模型数据，同时避免产生足以抹去各芯片理论优势的延迟。
阿里巴巴称，其架构可支持最多容纳 500,000 张加速卡的集群。这一数字描述的是拟议系统的规模上限，而不是已经以该规模运行的集群。
这种区别至关重要。在纸面上扩展设计，与让一个训练任务跨数十万颗处理器运行并不相同。随着集群扩大，硬件故障、网络拥塞、检查点恢复和软件协同变得愈发重要。
阿里巴巴的公告设定了明确目标，但尚未证明客户在持续生产条件下将获得多少可用计算性能。
阿里巴巴 AI 芯片本质上是一项云战略
V900 的重要性在于，阿里巴巴计划通过 Alibaba Cloud 消化、封装并销售自有计算能力。
阿里巴巴并非以主要专注于零部件销售的商用芯片供应商身份进入处理器市场。其更大的目标是将自研硬件转化为云基础设施和模型服务。
这一结构改变了评估阿里巴巴 AI 芯片的方式。即使某款处理器在特定基准测试中落后于竞争对手，只要阿里巴巴能高效地大规模运营它，仍可能创造商业价值。
该公司可以协同优化其模型、编译器、网络、存储系统和数据中心，也可以将开发成本分摊至内部应用和外部云客户。
阿里巴巴称，其现有 Zhenwu 处理器已服务超过 650 家客户。该公司列举的覆盖行业包括汽车、金融、能源、制造业、大语言模型和具身智能。
该公司未披露每位客户使用多少芯片，或其工作负载中有多少比例运行在 Zhenwu 硬件上。它也未区分试用项目与大规模生产部署。
即便如此，现有客户基础为阿里巴巴提供了潜在的迁移路径。在 V900 全面可用之前，M890 可以先建立软件和运营模式。
阿里巴巴近期的云业务成绩也解释了发布时机。在截至 2026 年 6 月的季度中，Alibaba Cloud 的外部收入同比增长 45%。
根据阿里巴巴的 regulatory filing，AI 相关产品收入已连续第十二个季度实现三位数增长。该公司未披露该产品类别带来的绝对收入规模。
这一增长同时带来了机遇和供应问题。模型训练、智能体和推理需求的增加，需要更多加速器、网络设备、存储、电力和冷却能力。
阿里巴巴 CEO Eddie Wu 表示，全球供应短缺正限制该公司扩展计算基础设施的速度。内部芯片路线图为阿里巴巴提供了另一条获取产能的途径。
其逻辑不只是让国产硅片逐一替代进口 GPU。阿里巴巴希望降低其自行运营的更大系统中的不确定性。
该系统还包括阿里巴巴的语言和多模态模型家族 Qwen。该公司在会议上表示，Qwen 4 正在训练中，并概述了后续模型世代的计划。
阿里巴巴预计，Qwen 4.5 和 Qwen 5 系列将达到 5 万亿至 10 万亿参数。参数是模型中的已学习数值，但参数数量本身并不能决定模型质量。
更大的模型可能会对内存、网络和数据中心运营带来更大压力。将模型路线图与 Zhenwu V900 相结合，为阿里巴巴硬件带来了一个重要的内部客户。
该公司可以围绕 V900 的能力调整 Qwen 的训练和推理，随后再通过 Alibaba Cloud 产品向外提供由此形成的计算能力。
阿里巴巴还提出，到 2032 年实现超过 20 吉瓦全球数据中心容量的目标。这是一项长期企业目标，而非当前可用容量。
不过，这一目标清晰说明了该公司的雄心。阿里巴巴 AI 芯片只是基础设施扩张中的一个层级，旨在支持远大于当前规模的机器计算。
这种垂直整合模式与美国大型云服务商的发展方向类似。Amazon、Google 和 Microsoft 都在投资定制加速器，同时继续提供外部硬件。
阿里巴巴面临不同的供应环境和集中的本土市场。因此，其将硬件与云服务整合的能力，可能与直接赢得 GPU 对比同样重要。
Huawei，而非 Nvidia，才是眼前的压力点
阿里巴巴面临的首要竞争挑战，是证明其以云为核心的技术栈能够跟上 Huawei 在国内 AI 基础设施领域的势头。
Nvidia 仍是通用 AI 加速领域的全球标准。其成熟的软件平台为开发者提供了丰富的库、优化工具和已被验证的部署实践。
不过，出口限制已限制中国获取部分先进美国处理器的渠道。自 2022 年起，美国不断扩大 advanced-computing controls。
这些规则并非塑造中国市场的唯一力量。国内采购政策、客户风险规划以及本土芯片供应的增长，同样影响采购决策。
在这一环境中，Huawei 是阿里巴巴最直接的国内竞争对手。Huawei 已经销售 Ascend 加速器、大型计算系统、网络设备以及配套软件技术栈。
Huawei 近期加快了自身路线图。其 Ascend 960DT 目前预计于 2027 年第一季度推出，与 V900 大致处于同一发布窗口。
Huawei 已披露 2028 年和 2029 年更多 Ascend 世代的计划。其 accelerator roadmap同样强调大规模超级节点配置和年度产品更新。
这形成了两种路径之间的直接竞争。Huawei 拥有成熟的硬件和电信业务基础。阿里巴巴则拥有领先的公有云以及庞大的 AI 模型家族。
Huawei 可以主张，其建设通信和计算系统的经验能够支撑高要求的基础设施部署。阿里巴巴则可以主张，运营云服务让它更贴近真实工作负载。
这两种论点都无法决定胜负。采购方需要看到可测量的性能、可靠的供应、成熟的软件、技术支持，以及来自生产部署的证据。
阿里巴巴提出的 500,000 卡集群构成了颇具吸引力的规模叙事。Huawei 也描述过最大配置超过目前公开观察到部署规模的大型系统。
架构上限与实际运行部署之间的差距，对两家公司都同样适用。读者不应将最大系统规模视为已经完成的基础设施。
阿里巴巴的优势可能来自工作负载整合。它可以将 Qwen 作为参考工作负载，并优化从模型训练到客户推理的完整链路。
Huawei 的优势可能来自部署广度。其硬件、网络和企业关系，为其进入政府、电信和大型企业项目提供了多条路径。
竞争也延伸到了开发者习惯。只有当工程师能够迁移现有模型，且无需进行大规模代码修改或承受性能损失时，硬件才会变得更有价值。
Alibaba 尚未披露足够细节，无法判断 V900 的软件兼容性。开发者需要了解其支持的框架、编译器、内核、调试工具，以及从 Nvidia 环境迁移的方式。
云端交付能够减轻一部分迁移负担。客户可以使用托管模型服务，而无需直接接触底层加速器。
但当客户带来定制模型或专业工作负载时，这一优势便会减弱。这些用户需要可预测的底层行为和成熟的优化工具。
Alibaba 的公有云优势或许有助于其在常见使用场景中隐藏硬件复杂性。不过，Huawei 同样可以将其加速器封装在完整系统中，而非单独销售芯片。
结果不太可能只产生一个赢家。中国 AI 市场规模足以支撑多个技术栈，尤其是在可用加速器供应仍然受限的情况下。
不过，Alibaba 现在已在时间规划、系统规模和国内部署方面，将其路线图与 Huawei 直接对照。V900 将笼统的 AI 雄心转化为一场可衡量的基础设施竞赛。
Zhenwu V900 性能尚未证明什么
核心不确定性不在于 Alibaba 是否设计出更快的芯片，而在于其能否制造并运营足够多可靠的系统。
Alibaba 所称的三倍性能缺乏独立比较所需的细节。该公司尚未说明这一数字背后涉及的全部基准测试、功耗范围、软件版本或竞品配置。
目前也不清楚，这一说法描述的是峰值算力、完整模型性能，还是多项指标的综合结果。
内存容量和互连带宽很有价值，尤其对于大模型而言。但它们并不会自动转化为更低成本或更快的客户应用。
一款处理器可能拥有出色的峰值指标，却在通信密集型训练中损失效率。它也可能在特定推理任务中表现良好，却难以应对其他模型架构。
功耗仍是另一个未解问题。Alibaba 尚未公布足够信息，无法将 V900 的能耗与 M890、Huawei Ascend 系统或相关 Nvidia 产品进行比较。
这一缺失很重要，因为电力和制冷决定着数据中心的经济性。只有当可用工作量的增长快于能源与基础设施需求的增长时，更高密度的处理器才能降低运营成本。
制造是不确定性更大的环节。Alibaba 通过 T-Head 设计该处理器，但公司尚未完整披露晶圆制造良率、封装产能或内存采购情况。
高带宽内存对现代加速器尤为重要。V900 的 216 GB 容量使内存供应能力和封装执行水平成为决定产量的关键因素。
被芯片发布公告引用的独立分析师警告称，中国的进展不仅取决于芯片设计，也取决于晶圆代工能力。
这一观察穿透了发布公告中的大量营销表述。没有可靠的生产和先进封装，再强的架构也无法转化为广泛的云端算力。
2027 年第一季度的发布时间窗口为 Alibaba 留出了数月来解决这些问题，也让 Huawei 有时间推进 Ascend 960DT 及其相关系统软件。
另一个问题涉及已经使用 Zhenwu 技术的 650 家客户。Alibaba 尚未提供具名案例研究，也没有公布针对新 V900 的独立性能测量结果。
现有客户采用并不保证快速迁移。企业在将生产工作负载迁移前，可能需要验证模型准确性、延迟、安全控制、可用性和运营成本。
Alibaba 还必须证明 V900 系统能够支持 Qwen 以外的模型。为内部模型优化硬件可以取得强劲结果，但云客户使用的是多样化的模型家族和定制架构。
推理也面临同样的挑战。客户请求在提示词长度、输出长度、并发量、模型规模和延迟要求上各不相同。
Alibaba 表示 V900 可降低推理成本，但尚未提供公开的性价比比较。没有这些信息，买家无法计算其自身工作负载可获得的收益。
软件依然是最持久的障碍。Nvidia 的地位来自多年来对开发者生态的投入，而不仅仅是硬件速度。
Alibaba 无需立即重建 Nvidia 生态的每一个部分，但它需要为使用主流机器学习框架的开发者提供一条可靠路径。
这一路径应包括文档、迁移工具、优化库、可观测性和可预测的版本支持。托管云服务可以掩盖复杂性，但无法为高级用户消除复杂性。
因此，V900 的发布应被视为一份具有具体承诺的路线图。它尚不能证明 Alibaba 已经赶上最成熟的竞争平台。
这些有价值的承诺很明确：2027 年初量产、更高的内存容量、更快的互连、低精度支持，以及集成到大规模服务器设计中。
每项承诺都会形成一项可供客户和外部分析师评估的测试。在结果到来之前，最强劲的主张仍主要来自 Alibaba 自身。
三个信号将决定 Alibaba 的 AI 芯片路线图
量产供应、可由独立方复现的工作负载表现，以及客户采用情况，将决定 V900 是成为基础设施还是停留在规格里程碑。
第一个信号是 2027 年第一季度的商业可用性。Alibaba 需要在接近其公布时间表的节点，将 V900 算力纳入可用的云产品。
一次发布不应只包含产品页面。客户需要区域可用性、服务等级承诺、受支持配置，以及清晰的算力申请指引。
广泛可用将增强 Alibaba 对其掌控更多计算供应的主张。有限预览或反复延期则会削弱这一论点。
供应规模将与发布时间同样重要。Alibaba 描述了一种可扩展至 50 万张卡的架构，但初始产量可能要小得多。
一场可信的发布应说明集群如何部署、支持哪些工作负载，并区分实际运行的安装规模与理论最大配置。
第二个信号是可复现的 Zhenwu V900 性能。Alibaba 应公布能够明确模型架构、精度、批量大小、功耗、网络配置和软件版本的测试结果。
训练结果应展示完成有实际意义工作负载所需的时间，而不只是峰值算力。推理测试则应在现实请求模式下报告延迟和吞吐量。
第三方评估会增加可信度。云客户还需要看到 V900 与 M890 及中国市场其他可用加速器之间的比较。
透明测试并不要求 Alibaba 赢得每一项基准测试。它能让买家判断 V900 最适合哪些场景，以及哪些场景下其他平台仍更可取。
第三个信号是 Alibaba 自身模型栈之外的客户采用情况。具名部署将揭示组织是否信任 V900 系统承载生产工作负载。
最有力的证据将包括持续使用、算力扩容以及跨多个行业的部署。短期试用对 Alibaba 更宏大的云业务论点提供的支撑较少。
Qwen 用户的采用仍然重要，但仅靠这一点并不足够。通用云加速器必须能够处理 Alibaba 无法控制的模型和软件。
这些信号也将阐明竞争对手的反应。随着 V900 临近发布，Huawei 可以调整产品时间安排、系统配置或商业激励措施。
Nvidia 的角色将部分取决于监管情况以及符合出口规定产品的可获得性。获取渠道的变化可能改变国内迁移的紧迫性，但不会终结这一趋势。
Alibaba 的模型路线图又增加了一层压力。训练参数规模达五万亿至十万亿的模型，将要求大型计算系统持续提供性能。
如果 Alibaba 主要使用 Zhenwu 硬件训练这些模型，这将形成一个重要的参考工作负载。公司仍需披露足够证据，供外部人士评估结果。
如果这些项目严重依赖其他加速器，V900 的角色就会显得更窄。它可能仍适用于推理或特定云服务，却不会成为 Alibaba 的通用平台。
该公司 20 吉瓦的数据中心目标使这些决策具有重大影响。大规模基础设施扩张会在未来数年锁定芯片、网络、制冷和软件方面的选择。
围绕内部处理器构建基础设施可以改善供应控制和系统集成，也会将执行风险集中在 Alibaba 自身的路线图中。
因此，Alibaba Zhenwu V900 代表的是一项严肃的战略承诺，而非一次简单的产品更新。它为公司提供了一款明确的处理器，用于连接 Qwen 模型与 Alibaba Cloud 基础设施。
这项公告也进一步凸显了企业买家面临的问题：他们必须决定，国内云集成是否比成熟替代方案的成熟度和可移植性更重要。
目前，正确的回应既不是否定，也不是接受那些最宏大的主张。买家应要求获得工作负载层面的测量数据、迁移要求、区域算力以及长期软件支持信息。
Alibaba 已提供规格和截止时间。下一步取决于其工厂、云工程师、软件团队和客户。
关注首批商业实例，再比较真实工作负载，而不是新闻标题中的倍数。这些证据将表明 Alibaba 的 AI 芯片路线图是否正在成为一个持久的计算平台。
