阿里巴巴新一代AI芯片彰显中国摆脱英伟达的决心

阿里巴巴将数据中心押注于自家芯片

上周在杭州举行的开发者大会上，阿里巴巴发布了其称道的中国最强国产AI芯片——由半导体部门平头哥（T-Head）研发的天问V900。核心数据是：性能达到前代M890的三倍。更引人注目的是，阿里巴巴表示可将多达50万颗此类芯片进行集群，以支持大规模AI训练与推理负载。

这并非小幅升级，而是一份明确的战略宣示。

同一场合上，阿里巴巴CEO吴泳铭描绘了一幅宏大的蓝图。公司计划到2032年将全球数据中心容量翻倍至超过20吉瓦（GW）。其目标是使用5万亿至10万亿参数的下一代AI模型进行训练——这一规模比目前大多数公开讨论的模型高出整整一个数量级。同时，阿里巴巴准备继续加大投入：公司已承诺在未来三年内为AI及云基础设施投资至少3800亿元人民币（约合520亿美元）。

资金机器已经运转。今年8月，阿里巴巴通过香港股票发行融资约1.3万亿韩元。据悉，平头哥目前正在筹备独立IPO。向投资者传递的信息十分清晰：阿里巴巴的AI芯片故事即将迎来独立的市场估值。

但真正值得关注的或许并非单一芯片，而是阿里巴巴围绕它正在构建的生态。该公司同时在其PINGTONG中间件平台（一套软件层）上重金投入，旨在让国产芯片集群能够像当今Nvidia的NVLink那样实现规模化高性能运作。若无此类中间件，将五十万个异构处理器进行集群将沦为协调噩梦。PINGTONG正是阿里巴巴的赌注——相信自己能够抹平这些摩擦，正如CUDA当年为Nvidia铺平道路一样。

这种生态布局才是长期力量的源泉。芯片本身是大宗商品，但一套完整的技术栈——涵盖硅片、互联、编译器、云平台与模型——则截然不同。这是一道护城河，也正是北京自美国收紧出口管制以来，一直推动国内龙头企业构建的目标。

华为正在平行赛道上加速

本月早些时候在上海举行的华为全联接大会上，公司高管王涛确认，华为正在加快昇腾960系列（Ascend 960）的发布节奏。训练版（960DT）将于明年第一季度出货，推理版（960PR）随后于第三季度推出——均早于此前公布的时间表。

华为表示，昇腾960的性能较现有昇腾950提升了一倍以上。彭博社对这种信心评价颇高。两家公司正奉行相同的策略：用国产替代品快速取代中国数据中心中的Nvidia芯片，从而使出口管制失去效力。

华为路线的独特之处在于其垂直整合能力。不同于仅设计芯片而依赖外部代工厂的阿里巴巴，华为在被台积电断供后，花了十余年时间与中芯国际等国内制造伙伴建立关系。这使其拥有了更具韧性（尽管性能未必顶尖）的制造链条。昇腾产品线目前已成为华为自有云业务的核心动力，并在中国国有企业及政府项目中获得订单——这些项目被强制要求优先采购国产供应商产品。

两家公司并未在同一市场正面交锋。阿里巴巴的天问芯片主要服务于其自有云业务与AI运营，而华为的昇腾平台则作为产品出售给更广泛的中国企业客户。但在更大的结构性转变中，二者构成了互补力量：中国正在组装一套不依赖美国硬件任何层级的替代技术栈。

脱钩已不再是理论

中国AI公司已经开始将采购重心转向Nvidia之外的供应商。这一趋势在2023年底至2024年初拜登政府对华实施更严格高性能芯片出口管制后加速。曾是中国AI繁荣基石的Nvidia A100与H100芯片，已被A800、H800等受限变体取代——而如今后者也面临更紧的限制。

天问V900与昇腾960正是对此的直接回应。目前尚无确切证据表明它们在实际基准测试中能匹敌Nvidia最新的Blackwell芯片。但发展轨迹比任何单一规格表都更为重要。中国正在构建一个专属生态，使其硬件与自有云平台及自有AI模型深度优化——这是一种在其他国家难以复制的垂直技术栈。

次生影响已然显现。曾经依据Nvidia全球指导价体系定价服务的中国云厂商，现在面临截然不同的成本结构。国产芯片承载着更高的工程与良率风险，初期单颗成本难免上升。但随着技术栈日益成熟、产量扩大，经济模型有望发生翻转——尤其对于不再面临出口许可不确定性、且无需支付灰色市场Nvidia芯片溢价的中国买家而言。

多数观察家忽略的韩国视角

韩国媒体以“Nvidia的傲慢时代已结束”为标题报道此事，捕捉到了亚洲看待这场变革的一个重要维度。对于三星、SK海力士等韩国半导体制造商而言，这一趋势是一把双刃剑。它们同时为Nvidia GPU与新兴的中国国产替代品供应内存芯片。一个成功的中国本土芯片生态在短期内会推高低带宽内存需求，但从长远看却会蚕食其在中国市场的可触达规模。

韩国自身的AI雄心也面临压力。一旦阿里巴巴与华为缩小性能差距，基于国产硬件训练的中国AI模型可能无需依赖Nvidia基础设施即可具备竞争力——这将削弱维持全球云厂商高利润率的成本优势。

与此同时，日本的Rapidus项目也在密切观察。东京重金投资旨在重振本国先进半导体能力，正是基于同样的脱钩风险认知。一个不再采购西方芯片的中国，将从存储到逻辑再到封装，重塑整个亚洲半导体价值链——其影响远超AI范畴。

西方在速度上产生分歧；中国正在提速

当Anthropic的Dario Amodei与OpenAI的Sam Altman等美国AI领袖公开呼吁放缓开发步伐、对AI风险保持更多审慎时，中国公司却在反其道而行。天问V900的发布、昇腾960提前公布的时间表，以及阿里巴巴20GW数据中心规划，均指向另一套逻辑：在AI硬件竞赛中，动能具有复利效应。放慢脚步意味着落后——而在这场规则正被出口管制与地缘摩擦重新书写的竞赛中，落后即被淘汰。

这并不意味着中国已经赢下比赛。利用先进光刻设备大规模制造高端芯片仍受制约。台湾的台积电仍生产全球绝大多数尖端半导体。而将50万颗国产芯片集群用于单次训练任务，也会引入尚未得到公开验证的工程挑战。

但方向毋庸置疑。中国两家最大的科技公司正同步推进芯片、云基础设施与AI模型的研发——这三者有望在有一天组成一套自给自足的AI技术栈：独立于Nvidia，独立于美国出口政策，并日益独立于西方对AI风险的审慎态度。

当技术栈分裂后将如何演变

更深层的问题在于，一个 bifurcated（两极分化）的AI硬件生态在实践中究竟呈现何种面貌。多年来，全球AI行业共享同一基底：Nvidia硅片、CUDA软件与美国云基础设施。这一通用平台降低了切换成本、加速了协作，并形成了事实上的标准。纯中国技术栈将打破这一惯例。

中国研究者将越来越多地针对昇腾与天问架构优化模型，而非CUDA。工具链、基准测试与性能调优将走向分化。中国实验室发表的论文可能无法直接在美国硬件上复现结果，反之亦然。长期以来将AI社区紧密联结的知识外溢效应将逐渐减弱。

对Nvidia而言，中国市场的直接收入冲击显著但尚在可控范围。公司已根据出口限制调整产品路线图，专门设计符合美国规则的“降规”芯片。但长期风险在于：每被国产替代品在中国市场夺走的一个客户，就意味着少了一个反馈给自身改进的数据点——更少用于优化的真实工作负载，芯片设计师与AI研究者之间的反馈循环也因此减弱。

对世界其他地区而言，影响虽更微妙，却同样深远。一个与中国西方技术栈并驾齐驱的中国AI生态，无需超越后者即可存活。它只需对本国市场足够好用——而中国市场规模庞大。若中国公司能以更低成本在本土硬件上部署前沿级模型，便将在那些价格与自主性胜过峰值性能的市场中获得结构性优势。

这一动态将考验华盛顿的假设——即出口管制是维持技术领导地位的可持续手段。限制会拖慢对手，但也为对手绕过限制、另起炉灶创造了条件。阿里巴巴V900与华为昇腾960尚未触及终点线，但它们有力证明这场竞赛真实存在，且中国正以西方在该领域前所未有的速度全力冲刺。

Nvidia在中国的主导时代，并非因某次公告而落幕。而是因为中国两家最具规模的科技企业正愿意投入数百亿美元、重构整套软件栈、并围绕全新硬件范式重新培训组织。这并非出口管制轻易可以逆转的局面——这也是全球AI产业无法忽视的事实。