平头哥发布真武V900及全栈算力方案：从单芯片竞争转向系统级协同

事件概述

在2026年9月22日举行的杭州云栖大会上，平头哥首次在主论坛完整展示其AI算力全栈布局。此次发布不仅包括最新一代训推一体AI芯片真武 V900，还涵盖了互联芯片 ICN Switch、智能网卡 磐脉、SSD主控 镇岳 以及通用计算 倚天 CPU 的演进路线。这一系列动作反映了AI行业从“单卡性能比拼”向“整个计算系统协同”的竞争范式转变，核心驱动力来自 Agentic（智能体）时代负载结构的变化。

核心信息

1. 真武 V900：突破单卡极限，支撑千卡互联

• 性能指标：真武 V900 搭载 216GB 显存，片间互联带宽提升至 1200GB/s。相比上一代真武 M890（144GB显存，800GB/s带宽），其单芯片性能提升3倍，是目前中国算力性能最强的AI芯片。
• 精度支持：原生支持 FP8 和 FP4，覆盖高精度训练及低精度/超低精度推理场景。
• 量产计划：预计于 2027年第一季度 进入量产销售；下一代真武 J900 计划于 2028年第三季度 推出。
• 技术演进：从2024年的真武 810E 到 M890 再到 V900，平头哥持续强化训练、推理、显存容量及低精度计算能力，以适配模型参数规模的指数级增长。

2. 互联与系统协同：解决MoE架构下的通信瓶颈

• 背景挑战：随着模型进入万亿参数规模，Mixture of Experts (MoE) 成为主流架构。虽然MoE降低了单次计算的参数量，但专家间的频繁数据交换对芯片间通信速度提出了极高要求。仅靠单卡显存无法部署超大模型，必须依赖多卡协作。
• ICN Switch 作用：作为阿里超节点形态算力的核心芯片，ICN Switch 为真武 V900 提供原生内存语义和统一编址能力，实现 千卡全带宽高速互联。这使得上千颗芯片能像一颗“超级芯片”一样协同工作，保障高吞吐、低延迟的数据交换。
• 应用案例：基于真武 M890 的超节点已跑通 Qwen3.8、Kimi K3 等超2万亿参数模型；众擎机器人利用真武搭建千卡平台，端到端训练效率提升34%；小鹏汽车使用真武处理自动驾驶业务，整机性能提升70%，集群故障减少50%。

3. 倚天 CPU 路线图：适应 Agentic AI 的新负载特征

• 负载变化：在传统训练中，GPU/CPU比例约为 8:1；而在 Agentic AI 场景中，Agent 需执行搜索、代码验证、状态保存等多步骤任务，CPU 密度向 1:1 甚至更高演变。
• 产品规划：
  • 2027年：推出倚天 720（面向吞吐并发型场景）和倚天 730（面向延迟敏感型场景，单核性能达上一代1.4倍）。
  • 未来：计划推出基于第二代自研核心的倚天 750，支持与真武 AI 芯片通过同一套高速互联体系交换数据，降低 CPU 与 AI 芯片间的数据交换开销。

4. 软件栈 SAIL 与全链路优化

• SAIL 软件栈：覆盖操作系统、SDK、驱动及调试工具，兼容 Python、TensorFlow、vLLM、SGLang 等 260+ 主流框架。对于超过 1 亿 Star 的主流 AI 仓库，SAIL 覆盖率超 96%，新框架适配平均时间不超过 1 周。
• 实际效果：以 Kimi K3 适配真武 M890 为例，通过算子优化，首 Token 时延下降约 35%，单卡解码吞吐提升 1.8 倍。
• 云平台协同：阿里云灵骏真武超节点实例在 Agentic 推理场景中，通过软硬件协同可实现最多 1.5 倍的推理性能提升。

值得关注

• 研发周期与模型迭代的矛盾：AI 芯片从立项到流片通常需 1.5-4 年，而 AI 模型架构（如从 Dense 到 MoE 再到 Sparse MoE）和应用形态（从 Chat 到 Agent）迭代极快。平头哥依托阿里内部“千问模型+阿里云+电商/支付场景”的闭环，能够更早洞察趋势，使硬件设计提前匹配未来负载需求，这是其区别于纯硬件厂商的核心优势。
• 基础设施目标：吴泳铭提出，到 2032 年，阿里云运营的全球数据中心规模目标超过 20GW，并计划继续训练 5万亿至 10万亿参数规模的新模型，显示出资本投入和技术路线的长期确定性。