引言
2026年9月22日，阿里巴巴旗下平头哥半导体在杭州云栖大会上发布新一代训推一体AI芯片真武V900。这款芯片搭载216GB显存，片间互联带宽达1200GB/s，单芯片性能为上一代真武M890的三倍，被官方定位为目前中国算力性能最强的自研AI芯片。芯片计划于2027年第一季度量产，届时将在阿里云数据中心规模化部署。距离上一代M890在2026年5月发布，仅过去四个月。
从产品迭代节奏看，真武系列正沿一条陡峭的技术曲线加速攀升。2024年第二季度上市的810E集成96GB HBM2e显存，片间互联带宽700GB/s，性能对标英伟达H20；2026年5月的M890将显存提升至144GB、互联带宽800GB/s，性能达到810E的三倍；到9月的V900，显存增至216GB，互联带宽突破1200GB/s，性能再次翻三倍。三款芯片在不到两年半的时间内完成三次架构跃迁，单芯片综合性能累计提升约九倍。据Wccftech报道，V900的216GB显存可能采用长鑫存储（CXMT）提供的HBM3E。
以上数据来自平头哥在2026云栖大会的官方发布及百度百科「真武系列AI芯片」词条。
架构升级的核心，并行计算与低精度引擎
真武V900基于平头哥自研并行计算架构（PPU）设计，计算单元、存储控制器和通信接口被组织成专用数据流水线，数据从显存进入计算单元再到输出，无需经过通用总线中转。这种架构减少了数据搬运的中间环节，计算单元可以更持续地获得数据供给。
原生支持FP8和FP4低精度计算是V900的另一个关键特征。FP8即8位浮点数格式，FP4则是4位。精度越低，同样显存容量下能驻留的模型参数越多，单次推理的计算量也越少。打个比方，同样一间仓库，用更紧凑的包装箱存放货物，能装的总量自然更多；计算时处理更短的数据字，就像阅读简写版文档，速度更快。代价是精度损失可能影响输出质量，因此V900在计算单元中专门做了低精度增强，在FP4模式下仍能保障模型输出质量。
V900的216GB显存容量比英伟达H200的141GB高出53%，也比英伟达B200的192GB多出12.5%。大显存对万亿参数模型的训练和推理是刚需。模型参数、KV缓存和激活值都需要占用显存，显存不足时数据必须在GPU和主机内存之间频繁搬运，通信延迟会严重拖慢计算。
ICN Switch让千颗芯片成为一颗超级芯片
V900的看点落在系统级互联层面。平头哥自研的ICN Switch互联芯片是实现千卡全带宽高速互联的核心组件。ICN Switch支持原生内存语义和内存统一编址，也就是说，上千颗V900可以共享一个统一的地址空间，任何一颗芯片都能直接访问其他芯片的显存，无需经过操作系统的页面调度或网络协议栈的封装解封。
用日常场景类比，传统集群中GPU之间的通信类似公司里不同部门通过正式邮件系统传递文件，每一步都要走收发室登记和转发；统一内存编址相当于把所有部门的文件柜打通成一个大柜子，任何人取文件只需走过去拿，没有中间环节。这种机制大幅降低了跨节点通信的延迟和协议开销。
ICN Switch的互联带宽达1200GB/s。在千卡规模下，全带宽互联意味着每颗芯片都有充足的通信管道，不会出现某些链路拥塞导致全局性能下降的瓶颈。平头哥官方称，上千颗V900可以在统一的内存空间里协同工作，如同「一颗超级芯片」。
算存网全栈协同，超节点服务器的设计逻辑
V900并非孤立存在。平头哥同时发布了新一代磐久超节点服务器，将真武V900、ICN Switch互联芯片、磐脉智能网卡和镇岳SSD主控芯片集成在同一系统中，实现算、存、网全栈系统级协同。这个设计思路回应了一个现实矛盾：单颗GPU性能再强，如果存储供给跟不上、网络传输有瓶颈，整集群的Token产出效率仍然上不去。
传统AI集群的做法是分别采购GPU服务器、网络交换机和存储阵列，各组件由不同厂商提供，互联接口和调度策略需要大量适配工作。超节点服务器的思路是把计算、存储和网络三层的控制芯片都掌握在自己手里，从硬件层面打通数据通路。例如，镇岳SSD主控芯片可以与V900的显存建立直接的数据通道，减少数据从存储到计算的中转跳数；磐脉智能网卡则负责集群间的网络通信优化，与ICN Switch的互联协议协同。
在这个架构下，单一集群可扩展至50万卡规模，总显存容量达到108PB。50万卡对应的模型训练场景是5万亿至10万亿参数级的大模型。阿里方面表示，基于真武M890的超节点已跑通Qwen3.8和Kimi K3等超过2万亿参数规模的模型，新一代Qwen4已在训练中，Qwen4.5和Qwen5将扩展至5万亿至10万亿参数。配套发布的CPFS高性能存储提供百TB/s级吞吐和亿级IOPS，单文件系统规模提升5倍达100PiB，KVCacheStore推理加速引擎则提升大模型推理的缓存命中率。
应用驱动的芯片定义，场景反哺架构
平头哥的芯片定义方式与多数芯片厂商不同。传统路径是先定义芯片规格、流片量产，再找客户适配；平头哥依托阿里云上覆盖20多个行业的数百个客户业务，能够直接观察真实负载特征，模型参数多大、推理还是训练、显存占用多少、带宽是否充足，再据此确定芯片规格。平头哥半导体副总裁李伟良将这一方式称为「应用芯片驱动定义」。
FP8和FP4低精度计算的引入是一个典型案例。大模型推理对精度的要求低于训练，FP8甚至FP4已能满足多数推理场景的输出质量要求。但精度降低不能以牺牲输出质量为代价，这需要在芯片计算单元中做专门的低精度增强。这个需求从客户的实际推理负载中提炼出来，直接指导了V900的架构设计，而非来自行业趋势报告或工程师的经验推断。
软件协同设计是另一道护城河。传统做法是芯片团队完成硬件设计后交给软件团队适配，硬件定型后软件只能在既定框架内优化。平头哥将算法团队和芯片架构团队从设计初期就绑定在一起，算法需要的计算模式直接反映到芯片架构中，减少了硬件定型后的性能损耗和返工周期。
SAIL开源软件栈降低迁移门槛
芯片发布次日，平头哥公布了AI软件栈T-Head SAIL的最新开源进展。SAIL覆盖框架适配、加速库和编译器等环节，持续推进对CUDA和PyTorch等主流软件生态的兼容。国产AI芯片面临的最大障碍之一在软件迁移成本。客户已有的模型代码、训练脚本和推理框架大多基于CUDA生态构建，切换到新芯片意味着大量适配工作。SAIL的目标是降低这一迁移门槛，使客户在不大幅改动代码的前提下完成从英伟达GPU到真武芯片的迁移。
截至2026年6月，真武系列芯片已服务超过650家企业客户，覆盖智驾、金融、大模型、具身智能、能源和制造等领域。在金融行业，真武芯片的部署规模已突破10万卡，覆盖银行、证券、保险和基金等超过150家主流机构。客户规模和场景广度为芯片迭代提供了持续的反馈数据，形成「应用驱动定义、迭代验证、再反哺设计」的闭环。
市场格局的变化
真武V900的发布正值国产AI芯片市场份额快速上升的窗口期。行业统计显示，中国AI服务器中外购芯片的比例从2024年的约63%降至2025年的约42%，本土供应商份额升至约40%，2026年有望达到50%。阿里方面表示，芯片产品线趋于成熟，客户应用持续铺开，平头哥AI芯片年出货量将大幅提升。
摩根士丹利在发布后出具报告称，阿里2032年全球云端产能逾20吉瓦的目标，可提供通往约2400亿美元云端收入产能的路径；通义千问快速变现支撑需求，以及平头哥渗透率上升，应有助产能扩张及利润率上行。阿里集团CEO吴泳铭在发布会上表示，阿里将坚定投入AI模型、AI芯片和AI云三项基础设施建设。
路线图与系统竞争
按照平头哥公布的路线图，V900之后，真武J900计划于2028年第三季度推出。同时，平头哥还公布了倚天服务器CPU的产品路线图，预计2027年推出倚天720和倚天730，未来将推出基于第二代自研核、支持ICN片间互联总线的倚天750。数据中心核心芯片已覆盖AI芯片、服务器CPU、互联、网络和存储等环节。
V900的发布标志着国产AI芯片竞争从单点性能比拼进入系统级能力竞争阶段。单芯片的TOPS数字只是算力链路的起点，从Token生成、传输到存储的完整路径，需要计算、网络和存储三层芯片的协同设计。当集群规模从千卡扩展到五十万卡，系统级的互联效率、存储吞吐和网络调度能力成为决定Token产出成本的关键变量。真武V900的意义落在它所在的系统，与ICN Switch、磐脉网卡和镇岳SSD组成的全栈架构，将国产AI算力从「能用单卡」推进到「能用五十万卡」的工程尺度。
