阿里自研芯片（一）解析

#AI芯片 #算力 #国产芯片 #硬科技 #AI服务器 #光模块 #PCB

导语

AI 大模型时代，算力成为第一生产力。全球范围内，NVIDIA 依靠 GPU 生态牢牢掌握训练市场主导权。但在国产替代和自主可控的浪潮下，阿里从 2019 年起就开始大规模投入自研芯片，逐步形成涵盖 AI 推理、云 CPU、IoT 边缘芯片 的全景布局。本文将从 领域布局、技术水平、产品系列与工艺、性能指标、行业地位 五个维度，对阿里自研芯片进行全景解析。

一、涉及领域：从云到端的全链路覆盖

1. AI 推理芯片（含光系列）
2. 面向阿里电商、广告、视频等高频推理任务。
3. 特点：高吞吐、低延迟，适配推荐算法与搜索场景。
4. 云服务器 CPU（倚天系列）
5. 基于 ARMv9 架构，为阿里云数据中心打造。
6. 定位：替代部分 Intel/AMD CPU，降低成本、提升能效比。
7. IoT 与边缘（玄铁 RISC-V 系列）
8. 面向低功耗、智能终端和边缘计算场景。
9. 通过 RISC-V 开源架构推动国产生态发展。

布局特点：阿里走的是 “云端协同 + 边缘支撑” 路线，强调全栈掌控。

二、技术水平：推理领先，训练缺位

• 推理端：
• 含光 800 单卡性能超越当时多颗主流 GPU，PPS（每秒推理次数）可达 7 倍 GPU，延迟降低 30%。
• 已在阿里巴巴核心业务大规模部署，验证了商用价值。
• 云 CPU：
• 倚天 710 基于 7nm 工艺，128 核，支持 DDR5 与 PCIe 5.0。
• 在 SPECint 性能测试中接近 Intel Xeon Platinum 级别，但能效比提升 20–30%。
• 训练端：
• 阿里暂时缺少对标 NVIDIA H100/B200 的通用训练 GPU。
• 在大模型训练领域仍依赖 NVIDIA GPU 或与国产 GPU 厂商合作。

定位：阿里自研芯片主要在 推理与 CPU 层面具备竞争力，训练 GPU 是明显短板。

三、产品系列与工艺水平

1. 工艺节点
2. 含光、倚天芯片采用 台积电 7nm 制程。
3. 对比国际：落后 NVIDIA 最新 4nm、苹果 A18 3nm 一代。
4. 架构设计
5. 含光系列：定制化 AI 加速架构，针对深度学习推理优化。
6. 倚天系列：ARM 授权 + 自研 SoC，融合云原生调度能力。
7. 玄铁系列：RISC-V 开源架构，强化自主可控。
8. 封装工艺
9. 采用 2.5D/Chiplet 方案（类似 AMD EPYC），在高带宽互联上与国际先进差距缩小。
10. 与国内 PCB（沪电股份、深南电路）、光模块（中际旭创、新易盛）形成配套供应链。

四、性能与功能指标

• 含光 800
• 单卡性能：可达到 78,000 IPS（图像推理/秒）。
• 能效比：推理功耗较 GPU 低 30–40%。
• 场景：推荐算法、视频转码、搜索排序。
• 倚天 710
• 核心数：128 核 ARMv9。
• 性能：单核性能接近 Intel Xeon Ice Lake，整体能效更优。
• 场景：云原生计算、数据库、Web 服务。
• 玄铁 RISC-V
• 功耗：低于 1W（适合 IoT）。
• 性能：支持 AIoT 设备、边缘算力协同。

结论：阿里自研芯片在 推理与能效 上具备优势，但在 通用训练与生态软件 上存在差距。

五、行业水平与地位

1. 国内比较
2. 华为昇腾：偏向全栈 AI（推理+训练），科研/政企应用多。
3. 寒武纪：MLU 系列聚焦 AI 推理，但规模商用不如阿里。
4. 阿里平头哥：在云计算场景商用最早、规模最大。
5. 国际比较
6. 与 NVIDIA/AMD 相比：在 CUDA 生态、训练 GPU 性能上落后。
7. 在电商与云原生场景，阿里芯片更具 定制化与成本优势。
8. 行业地位
9. 国内唯一形成 云计算规模商用闭环 的 AI 芯片玩家。
10. 在 AI 推理 + 云 CPU 两条线上具备领先地位。
11. 在训练 GPU 上需借力合作或政策扶持才能补齐短板。

六、结语

阿里自研芯片的意义，并非短期取代 NVIDIA，而是通过 云原生芯片+阿里云生态 构建自主可控的算力体系，保障核心业务稳定。同时，这一举措带动了国产半导体全链条，包括 EDA、封装、PCB、光模块 等上下游。

未来，若能补齐训练 GPU 短板，阿里有机会从“国产替代补充者”，成长为“全栈算力平台型企业”。