阿里的芯片自研走到哪一步了？

芝能智芯出品

在跨入AI时代，阿里从电商的角色一下子转换成为一个AI科技公司。

所以在AI芯片端也是正式披露自研高端AI芯片“真武810E”，公布其PPU（Parallel Processing Unit 并行处理单元）芯片累计出货量已达数十万片，超越寒武纪跻身国产GPU厂商第一梯队。

从平头哥的成立到“通云哥”黄金三角的构建，阿里在AI芯片行业的地位还有雄厚资金实力，想象空间是挺大的。

Part 1
AI芯片产品布局：平头哥全栈发力

阿里芯片自研的核心载体是平头哥，是在2018年就成立的半导体公司，也是中国互联网企业从软道硬（自研芯片）的尝试，构建起覆盖AI推理、通用CPU、训推一体AI加速、SSD主控的全栈芯片产品矩阵。

当前的核心产品是真武810E PPU，在2020年就启动研发，2022年底完成研发与场景验证，2025年初进入规模化商业化阶段，2026年1月正式公开亮相（新闻报道里面惊鸿一瞥）。

真武810E全栈自研架构，配备96GB HBM2e高带宽内存，片间互联带宽700GB/s，功耗控制在400W以内，灵活适配AI训练、AI推理、自动驾驶等多场景需求。

真武810E已跻身国产芯片第一梯队，部分典型负载下可与华为昇腾910系列相提并论，在特定推理或受限算力场景中，综合表现超越英伟达A800，接近英伟达H20，仅在通用算力规模、显存带宽等核心指标上与英伟达H100、H200存在代际差距。

真武 810E 属于 训推一体的并行计算加速芯片（PPU），定位是覆盖 推理优先、训练补充 的主流 AI 云负载。

◎ 在部分典型推理负载、受限算力场景下，真武 810E 的综合表现已经进入国产第一梯队；

◎ 在能效、成本可预测性和供给稳定性上，具备明显优势；

◎ 但在超大规模训练、显存带宽、生态成熟度上，与英伟达最顶级产品仍有代际差距。

阿里做 PPU 的出发点，是“解决云里真实存在的算力问题”。

平头哥的其他产品也已实现规模化应用：

◎ 2019年推出的含光800 AI推理芯片，每秒可处理7.8万张图片，已应用于淘宝双11主搜场景；

◎ 2021年发布的倚天710通用CPU芯片，广泛应用于视频编解码、高性能计算等领域；

◎ 镇岳510 SSD主控芯片，出货量已超50万片，覆盖云计算数据中心、金融高频交易等低时延、高并发场景。

从阿里内部的使用结构看：

◎ 推理算力：优先采用平头哥 PPU；

◎ 训练算力：根据模型规模，混合使用 PPU 与第三方 GPU；

◎ 云侧对外：通过阿里云封装为算力产品，而非直接裸卖芯片。

Part 2
为什么是 PPU？

● 为什么是PPU

阿里使用 PPU（Parallel Processing Unit），这里是有一些差异的，也是路线选择。

◎ GPU 的传统竞争路径是：硬件性能 → 软件生态 → 开发者规模 → 应用锁定（CUDA 模式）。

◎ 平头哥走的是另一条路：场景驱动 → 云负载适配 → 模型协同 → 系统级优化

技术路径选择的前提是阿里拥有足够大的真实业务场景——电商、搜索、广告、推荐、企业 AI 服务，这些场景的共性是：推理密集、延迟敏感、成本敏感，但不追求极限算力。

PPU是在 AI 云时代，把算力变成一种工程资产，而非纯硬件能力。

● 数十万片出货，意味着什么？

“累计出货数十万片”是已经进入规模化部署阶段，从这个数量来看，芯片本身的稳定性已通过长周期验证。

云算力是最苛刻的使用环境之一，任何可靠性问题都会被迅速放大。

软件栈已具备可维护性，如果驱动、编译器、调度系统无法长期演进，是不可能支撑这个规模的。内部 ROI 是算得过账的，阿里云不会为了“战略正确”而无限贴钱部署一颗不可控芯片。

可以说通义（千问）负责模型能力与开源生态；阿里云负责算力调度、交付体系和客户触达；

平头哥负责提供一部分可被深度协同优化的底层算力资源，这三个方面是互相“校准”的关系：

◎ 模型的架构变化，会反向影响芯片的算子设计；

◎ 芯片的能力边界，会影响模型部署和云服务定价；

◎ 云的客户需求，又会反过来约束模型和芯片的演进方向。

小结

在 AI 云时代，算力并不一定只有一种形态，满足能被大规模部署、能被工程化维护和能与模型和云服务形成协同，就具备了长期存在的产业价值。