记者获悉，阿里巴巴旗下通义千问已推出Qwen3-Max-Preview（Instruct），参数量达到1T，为其迄今为止最大的模型，在中英文理解、复杂指令遵循、工具调用等维度实现了显著增强，同时大幅减少了知识幻觉。
延伸阅读阿里“破芯”之路：一场不能输的科技突围战
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股最为火热的股票世纪汇通，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，最近很的一件事，就是字节采购国内某厂商加速卡来推理，且这个路径已经有验证过了，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，其设计就舍弃通性，专针对AI训练和推理，DSA只会选择训练和推理的关键算（例如：矩阵乘GEMM、卷积Conv、Attention）做硬件电路级优化。因此，前作训练门槛会稍微些。”
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的泛应，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，CPU占到总成本的20%至60%，特别是HPC（高性能计算）的密集计算甚能占到60%。其次就是内存和存储了，在内存密集型应（如型数据库、内存计算）的服务器中，内存的成本甚能超过CPU，在存储服务器中，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光模块世纪汇通，甚至是下一代的CPO。”
九融配资提示：文章来自网络，不代表本站观点。
