【导语】9月22日，2026云栖大会上，阿里平头哥正式发布新一代自研AI芯片真武V900，算力达到前代M890的三倍；依托自研ICN Switch互联芯片，单一集群可扩展至50万卡，直接瞄准5万亿至10万亿参数前沿大模型。从真武GPU、倚天CPU到磐脉网卡、镇岳存储主控，数据中心核心芯片实现全品类自研；与之配套的，是2032年20GW数据中心目标、三年3800亿元投入与800亿港元港股配股。一场以“全栈+集群+重资产”为关键词的国产算力突围战，正式进入决战阶段。
一、云栖“亮剑”：真武V900刷新国产AI芯片性能天花板
9月22日，杭州国际博览中心，2026云栖大会现场。阿里巴巴集团CEO吴泳铭宣布，旗下平头哥半导体正式发布新一代自研国产AI芯片——真武V900。“这是目前真武系列算力性能最强的AI芯片，整体性能达到前代产品M890的三倍。”吴泳铭在发布会上表示。官方进一步将其定义为当前国内算力性能最强的自研AI芯片。
这一发布的分量，需要放在阿里芯片的演进节奏中理解。2026年1月，平头哥对外披露真武810E（PPU）；5月20日阿里云峰会上，真武M890亮相，性能为810E的三倍；仅四个月后，真武V900再次实现三倍跃升。从810E到M890再到V900，两代产品各涨三倍，累计算力提升约九倍，迭代周期从此前的两年压缩至一年。“一年一代”不再是路线图上的口号，而是被工程交付验证过的节奏。
图1：平头哥真武AI芯片三代算力演进（810E=1，两年累计约9倍）
市场对这次“亮剑”给予了直接回应。9月22日盘中，受真武V900发布与全球AI板块集体回暖双重催化，港股阿里巴巴-W（09988.HK）涨幅一度扩大至4%—5%，盘中报约118.3港元，连续第三个交易日上涨，恒生科技指数同步走强。在吴泳铭看来，AI模型、AI芯片和AI云是机器智能时代的三大基石，阿里将坚定投入这三项基础设施，“未来机器思考总量将是人类的1000倍，而今天这一比例不到3%，至少还有几万倍的增长空间”。
二、从参数竞赛到系统决战：216GB显存背后的技术路线
具体到产品规格，真武V900搭载216GB大容量显存，片间互联带宽达到1200GB/s，原生支持FP8、FP4低精度计算，定位训推一体，可覆盖万亿级参数大模型训练、推理全场景。作为对照，今年5月亮相的真武M890内置144GB显存、片间互联带宽800GB/s，原生支持从FP32到FP4的多种数据精度；更早的真武810E则为96GB显存、700GB/s互联带宽。
从成本视角看，显存与低精度的组合还有一层商业逻辑。在推理成为算力消耗主体的阶段，单卡显存越大，越能减少大模型推理时的张量并行切分与跨卡通信，从而降低单次推理的延迟与单位Token成本；而FP4/FP8这类低精度格式，能在保持模型可用性的前提下，让同等硬件获得数倍的有效吞吐。这意味着V900的升级并非简单“堆料”，而是直接对应云厂商最关心的指标——单位投资所能产出的Token数量。这也与阿里“提升整个AI集群Token产能”的官方表述互为印证。
图2：真武V900与M890核心规格对比
显存与互联带宽的同步抬升，指向的正是大模型时代最核心的两个瓶颈。一方面，Agent时代推理负载呈现大规模并发、长链路任务特征，对显存容量和数据搬运能力提出极高要求；另一方面，低精度计算（FP8/FP4）已成为兼顾训练效率与推理成本的行业共识，V900对FP8、FP4的原生支持，意味着其能够以更低的数据位宽换取更高的有效算力。
值得注意的是，阿里并未把叙事停留在单颗芯片的参数竞赛上。吴泳铭明确表示，平头哥的核心研发力量正投向超大规模集群的整体能力搭建。这与行业判断高度一致——国产芯片的性能比拼，正从“单卡性能竞争”走向“系统效率竞争”。当单芯片物理指标逼近工艺与功耗的双重约束，谁能把成百上千颗芯片高效地“粘”成一台超级机器，谁才握有下一阶段的入场券。
三、50万卡超级集群：支撑5万亿至10万亿参数前沿模型
真武V900真正的“大招”在集群侧。依托自研ICN Switch互联芯片，V900可实现千卡全带宽高速协同，上千颗芯片如同单颗超级芯片一样联动工作。官方披露，基于真武V900构建的单一算力集群，最高可扩展至50万卡，能够直接支撑5万亿至10万亿参数级别的前沿超大模型的训练与推理，完成工业级超级集群的技术突破。
作为集群的关键纽带，ICN Switch 1.0基于平头哥自研ICN互联总线协议和PCCL通信库，吞吐量高达25.6Tbps。M890搭配ICN Switch 1.0时，可实现64卡乃至128卡全带宽互联，通信时延被压至150纳秒以下，从8卡服务器、128卡整机柜到超节点可平滑扩展。新一代磐久超节点服务器进一步将真武V900、ICN Switch、磐脉智能网卡和镇岳SSD主控芯片集成于一体，实现算、存、网系统协同，再依托阿里云新设计的智算网络架构完成组网。
图3：国产超节点集群最大规模对标
50万卡是一个尚未有公开同类国产集群可以对照的量级。据OFweek梳理，此前国内已落地的大规模国产算力集群，规模基本处于十几万卡一档，阿里直接把规划数字抬到新的层面。与之对应，阿里通义千问（Qwen）团队已明确计划训练5T—10T参数规模的全新模型，主攻更复杂、更长程的任务，并在递归式自我改进（RSI）路径上取得阶段性进展。
这套能力并非停留在纸面。此前基于自研M890搭建的AI超节点已在阿里云规模化供给，灵骏真武M890超节点实例GP9A对外提供服务，并成功跑通Qwen3.8、Kimi K3等超过2万亿参数的大模型。今年第四季度，阿里云还将新增大量服务节点，进一步扩大自研超节点的供给规模。超节点之所以成为必选项，背后是训练效率的硬约束：华为马尔科夫实验室仿真显示，由4K超节点组成的10万卡集群，相比由8卡服务器组成的同规模集群，MFU（模型浮点算力利用率）可提升2.75倍——而传统服务器架构下，集群通信往往占用超过40%的训练时间。
四、五大芯片品类集齐：平头哥全栈自研矩阵成型
随着真武V900发布，平头哥数据中心核心芯片的全产品线布局正式成型。目前其产品矩阵覆盖五大品类：真武系列AI芯片（GPU/PPU）、倚天系列服务器CPU、磐脉系列智能网卡、ICN Switch互联芯片，以及镇岳系列存储主控芯片。组建超大规模AI集群所需的核心芯片，已全部实现自研覆盖。
图4：平头哥数据中心全栈自研体系框架
CPU路线图也在本届云栖大会上首次公开。2027年，平头哥将推出倚天720、倚天730两代产品：倚天720全面升级单核性能、核密度与能效；倚天730则首次采用平头哥全自研CPU微架构，单核SPECint2017/GHz性能最高可达倚天710的1.4倍。规划中的倚天750将支持ICN自研互联总线，实现CPU与真武AI芯片直连。在Agent跑长任务的场景下，任务规划、状态管理与工具调用大量压在CPU侧，CPU与加速芯片的直连有望进一步释放软硬协同效率。
全品类自研的价值，最终通过全链路联合调优兑现。阿里正在推进芯片、服务器、超节点、网络、大模型和推理系统的全链路联合调优，从底层硬件到上层软件打通全栈协同，目标是大幅提升整个AI集群的Token产能与运行效率。商业化数据印证了这一路径：截至2026年8月，真武系列芯片已服务超过650家外部企业，覆盖智驾、金融、具身智能、制造等20多个行业，客户包括中国电信、中国一汽、浦发银行等，其中金融行业部署超过10万卡、覆盖150多家机构。
五、3800亿蓝图与20GW目标：算力帝国的资本账本
芯片集中爆发的同时，阿里同步披露了配套的长期算力基建蓝图，目标是完成“芯片—数据中心—云服务—大模型”的全链条内部需求闭环。其中最受关注的，是20GW数据中心远景目标：到2032年，阿里云运营的全球数据中心总容量将超过20吉瓦，相比生成式AI爆发前的水平扩大约10倍，整个体系重点围绕“算电协同”布局，实现算力与电力资源的高效匹配。
资金安排上，据电子工程专辑报道，阿里承诺未来三年投入超过530亿美元（约合3800亿元人民币）用于AI基建建设。需要说明的是，这一3800亿元口径最早可追溯至2025年2月24日——彼时吴泳铭宣布未来三年投入超过3800亿元建设云和AI硬件基础设施，总额超过去十年总和，创下中国民营企业在该领域的最大规模投资纪录；530亿美元是该计划按汇率折算的表述。据最新披露，截至2026年6月季度末，该计划已累计投入约1900亿元。
图5：全球九大CSP资本开支规模
把阿里的投入放进全球坐标更能看清位置。2026年全球前九大CSP资本支出约8867亿美元，阿里530亿美元的三年承诺折算到单年，约占这一盘子的2%上下，与Google、Microsoft、Meta、Amazon单年千亿美元级的AI开支相比仍有量级差距，但已显著高于多数中系同行。配股选择以主权财富基金为主要承接对象，也透露出阿里希望用长期资本匹配长周期基础设施、规避短期估值波动的考量。
为给长期扩张储备弹药，阿里在2026年8月完成了一次重磅股权融资。8月23日至26日，阿里巴巴完成香港新股配售，共发行7.1亿股、每股定价112.7港元，募资总额约800亿港元（约102亿美元），为港股有史以来规模最大的公司配售，净额100%投向全栈AI能力与AI基础设施。此次配售启动不到一小时即获超额认购，最终以中东、欧洲、亚洲主要主权财富基金等高质量长线投资者为主；中金、汇丰、摩根士丹利、瑞银参与。蔡崇信与吴泳铭还在8月24日合计增持约1.2亿港元，以表信心。
高强度投入已开始反映在报表与回报上。2027财年第一季度（截至2026年6月30日），阿里资本支出达676.78亿元，同比增长75%；同期阿里云外部商业化收入同比增长45%，创22个季度新高，AI相关产品季度收入123.76亿元、连续第12个季度三位数增长，AI相关产品ARR突破495亿元（约73亿美元），占云外部商业化收入35%，管理层预计下季度ARR将接近100亿美元。面向2030年云外部收入1000亿美元的目标，吴泳铭称按当前毛利水平AI算力Capex三年内可回本，随着自研芯片占比提升，回本周期有望缩短至2.5年甚至2年。
六、对标昇腾、夹击英伟达：国产算力座次重排
真武V900的登场，使国产AI算力的头部竞争格局更趋清晰。最强劲的对手来自华为。在9月17日开幕的华为全联接大会2026上，华为发布全球首个采用NPO（近封装光学）技术的昇腾960超节点：基于“灵衢+Hi-ONE”打造，单个超节点规模4096卡，可提供8 EFLOPS FP8算力和高达1PB的HBM容量；其用5500个Hi-ONE光引擎替代原本约4.8万颗800G光模块，功耗降低超550千瓦，系统可用度达99.8%。组网层面，昇腾960超节点通过二层CLOS四平面组网最大集群规模达51.2万卡，结合多轨道拓扑技术可支持100万卡。
两条路线的差异值得细品。华为走的是“整机+超节点+生态”的系统路线，强调光互联（NPO/Hi-ONE）对系统功耗与可靠性的改善；阿里则是“自研芯片+云服务+模型”的垂直整合路线，芯片既自用上云、也对外供给，目标是让算力直接转化为云收入。前者更像AI时代的ICT设备商，后者更像拥有底层硬件能力的云厂商，两种模式将在后续的商业化与客户结构上持续分化。
出货与市场份额方面，IDC口径显示，2026年第一季度真武PPU出货突破60万片，在国内厂商中排名第二，仅次于华为昇腾；而2025年下半年中国国产AI芯片市场中，华为昇腾位居第一、百度昆仑芯排名第三。华为方面披露，昇腾超节点已部署超过1000套、客户370多家；百度则在2025年12月上线1万卡规模的昆仑芯P800集群并计划扩展。此外，寒武纪、沐曦、燧原、天数智芯、壁仞、清微智能等厂商共同构成了不断扩容的国产阵营。
本土阵营的集体起势，正持续改写英伟达的在华版图。据相关报道，2026财年前三季度，英伟达来自中国的收入仅占总收入的11%，明显低于此前多年约25%的水平；国内已有至少9家AI芯片厂商实现或锁定超过1万颗的出货与订单规模。行业人士提醒，万颗级出货更多意味着进入“大规模交付验证”阶段，反映市场对性能、稳定性与总体拥有成本（TCO）的初步认可，但竞争格局尚未定型，竞争焦点已从单纯跑分转向系统可靠性、软件生态与商业化能力。
资本市场的看法则呈现明显分化。配股消息公布后的首个交易日（8月24日），阿里港股一度下跌约8.4%；知名投资人迈克尔·伯里（Michael Burry）公开清仓阿里、转投京东，担忧其投入资本回报率（ROIC）持续下降，彭博行业研究也质疑其AI业务可能沦为回报微薄的“基础设施型业务”。不过，美银证券指出，配股将使阿里净现金由310亿美元提升至410亿美元以上，并维持买入评级；野村证券则认为约7.1亿股新股对现有股东的摊薄仅约3.7%，实际冲击远低于市场预期。多空分歧之下，3800亿投入的长期回报仍是市场反复审视的核心命题。
七、超节点时代：从单卡突围到生态之战
将视野拉到全行业，阿里此次“亮剑”并非孤例，而是全球AI基础设施进入超大规模升级周期的一个缩影。TrendForce数据显示，2026年全球九大CSP——Google、Amazon、Meta、Microsoft、Oracle以及字节跳动、腾讯、阿里巴巴、百度——总资本支出将突破8867亿美元，年增约90%；其中四大中系CSP合计资本支出年增逾80%。展望2027年，九大CSP资本支出预计扩大至约1.3万亿美元，年增率收敛至近50%，主要反映高基数效应而非投资趋势逆转。
结构上，AI产业成长正从单一的GPU扩张，转向AI服务器、液冷散热、先进封装、高速互联、电源与存储等基础设施的全面升级。TrendForce将2026年AI服务器出货年增幅由28%上调至近31%；Google、AWS新一代自研ASIC平台将于2026下半年陆续放量，自研芯片以降低基础设施成本、提升推理效率，已成为中美头部厂商共同的战略选择。
图6：DRAM与NAND占CSP资本支出比重
成本侧最大的变量来自存储与电力。TrendForce预计，DRAM与NAND合计占CSP总资本支出的比重将从2026年的47%升至2027年的68%；服务器DRAM合约价在2025下半年累计上涨约64%后，2026年预计再涨约270%，2027年HBM合约价仍可能上涨70%—140%。电力侧同样紧绷：TrendForce预估2026年全球数据中心电力需求容量达161GW、同比约31%，AI服务器占整体需求容量33.4%；安联投资报告预计，到2030年AI数据中心将贡献全球新增电力需求约10%。这也解释了阿里为何把“算电协同”与20GW目标置于蓝图核心。
必须正视的是国产路线的现实约束。受先进制程设备出口管制影响，国内在6nm/5nm及以下节点只能依靠ArFi浸没式DUV多重图形化（SAQP）硬推，SemiAnalysis测算其精细金属层光刻制造成本增加55%—60%，分摊至整片晶圆的物理成本溢价约20%，且缺陷密度较高、良率受限。这决定了国产算力很难在单卡物理性能上简单复制海外路径，而必须以系统架构、集群效率和供应链协同形成差异化竞争力。
生态则是终局之战的关键。2026年7月23日，平头哥宣布开源自研AI软件栈T-Head SAIL；此前华为已于2025年8月推动CANN全面开源。两大头部厂商相继开放软件栈，意在对标英伟达CUDA长期构筑的生态壁垒，降低国产芯片的适配门槛。此外，彭博社2026年6月曾报道阿里筹备平头哥独立上市，拟先将其重组为员工持股实体；吴泳铭回应称平头哥不排除IPO，但暂无明确时间表。
从真武810E到V900，从128卡超节点到50万卡集群，从3800亿承诺到20GW蓝图，阿里已用一年时间证明了其在AI基础设施上的组织与工程能力。但重资产投入能否如期转化为云收入与利润增长、自研生态能否跨越CUDA壁垒、50万卡集群能否从规划走向稳定运行，仍有待时间检验。可以确定的是，国产算力的竞争已彻底告别“单卡突围”的旧叙事，进入全栈、集群与生态协同的系统决战期。
