🇭🇰SCMP Technology•較早收集於 31m
阿里巴巴推出萬卡臻無AI晶片叢集
#ai-chips#data-center#china-us-racezhenwu-ai-computing-clusteralibabazhenwut-headchina-telecomhuawei
💡中國最大國產AI叢集對抗美國—對限制中基礎設施擴展至關重要。（48字）
⚡ 30-Second TL;DR
有什麼變化
阿里巴巴使用T-Head臻無AI晶片部署萬卡叢集
為什麼重要
此推出大幅提升中國國產AI運算能力，降低對外國半導體依賴。可加速大型AI模型訓練，並加劇全球AI硬體競爭。美國從業者或面臨雲端與晶片市場更激烈對抗。
下一步行動
評估Alibaba Cloud是否提供臻無叢集存取，以擴展國產AI訓練規模。
誰應關注：Enterprise & Security Teams
關鍵要點
- •阿里巴巴使用T-Head臻無AI晶片部署萬卡叢集
- •與中國電信在廣東韶關數據中心合作
- •完全國產架構強化自主AI基礎設施
- •中國AI競賽一部分，包括華為叢集
🧠 深度解析
AI-generated analysis for this event.
🔑 增強重點摘要
- •該叢集採用了阿里巴巴平頭哥（T-Head）最新一代的「臻無」架構，該架構針對大規模分佈式訓練進行了互連優化，旨在解決國產晶片在萬卡規模下的通信瓶頸問題。
- •此次部署是中國「東數西算」工程在廣東韶關數據中心集群的重要落地項目，標誌著國產算力基礎設施已具備承載超大規模模型訓練的實戰能力。
- •阿里巴巴通過自研的軟硬體協同優化技術，實現了對主流開源深度學習框架（如 PyTorch）的深度適配，降低了開發者從 NVIDIA 生態遷移至國產晶片平台的門檻。
📊 競品分析▸ Show
| 特性/競爭對手 | 阿里巴巴 (臻無叢集) | 華為 (昇騰 910 系列叢集) | NVIDIA (H100/B200 叢集) |
|---|---|---|---|
| 架構類型 | 自研 ASIC (臻無) | 自研 NPU (昇騰) | GPU (Hopper/Blackwell) |
| 生態系統 | 兼容主流框架，強調國產化 | 深度綁定 MindSpore | CUDA 生態 (行業標準) |
| 互連技術 | 自研高速互連 | Ascend Fabric | NVLink / NVSwitch |
| 市場定位 | 雲端算力租賃/內部訓練 | 國產算力基礎設施 | 全球高性能計算標準 |
🛠️ 技術深入
- 臻無晶片採用先進封裝技術，提升了晶片間的數據傳輸頻寬，以應對萬卡叢集中的 All-Reduce 通信需求。
- 叢集架構集成了自研的智能調度系統，能實時監控萬卡節點的負載平衡，並具備故障自動隔離與恢復功能。
- 針對大模型訓練，優化了記憶體層次結構，減少了數據搬運延遲，提升了算力利用率（MFU）。
🔮 前景展望AI analysis grounded in cited sources
阿里巴巴將顯著降低其雲端 AI 算力服務的成本。
通過大規模部署自研晶片，阿里巴巴減少了對進口高價 GPU 的依賴，從而降低了長期運營的硬體折舊與採購成本。
國產 AI 晶片將在中國大模型訓練市場佔據更高份額。
隨著萬卡叢集技術的成熟，國產晶片在穩定性與訓練效率上已達到可商用標準，將加速中國企業從 NVIDIA 平台向國產平台的遷移。
⏳ 時間線
2021-10
阿里巴巴平頭哥發布首款雲端 AI 推理晶片「含光 800」的後續研發規劃。
2023-09
阿里巴巴宣佈將雲計算業務與 AI 研發進行更深度的戰略整合。
2025-06
阿里巴巴在內部測試環境中首次驗證了「臻無」架構的千卡級訓練能力。
2026-04
阿里巴巴與中國電信合作，正式在韶關數據中心部署萬卡臻無 AI 晶片叢集。
📰
AI 週報
閱讀本週精選 AI 大事摘要 →
👉相關動態
AI 策展新聞聚合。所有內容版權歸原始發布者所有。
原始來源： SCMP Technology ↗