云計算被卷到“芯”高度

原創 科技新知 AI新科技組

作者丨思原 編輯丨江蘺，九黎

16年前，在熱鬧的阿里巴巴十周年慶典上，阿里云默默成立，并且啟動了“飛天”云計算項目，當時國內幾乎沒人真正理解“云”是什么，只知道這是一件“燒錢無底洞”的事，更沒人看得清其未來的商業價值。

然而，正是這個看似“提前了十年”的決策，使阿里在今天AI以及云的熱潮中贏得了先手。

過去兩年里，云廠商的競爭焦點主要集中在“卷模型”和“卷價格”上，如今，算力成為數字時代的“石油”，云廠商的競爭邏輯也從“應用層”轉向了“基礎設施層”。

有消息稱，阿里的新款AI芯片已經在測試中，且新一代芯片兼容英偉達生態但性能超越H20，新的芯片不再由臺積電代工，轉為由國內一家企業代工。

雖然這個消息還未得到官方證實，但消息傳出時正值阿里巴巴發布第二季度財報，CEO吳泳銘在電話會議上的說法與傳聞并不產生沖突：“根據全球AI芯片的供應和政策的變化，我們其實也有后備方案，和不同的合作伙伴共同去做供應鏈的不同方式的儲備。”

各家自研AI芯片陸續迭代，標志著中國云計算巨頭們的競爭已從單純的價格戰、規模戰，延伸至底層硬件層面。這不僅是技術自主的突破，更是一場關于未來AI和云計算市場主導權的戰略卡位。

這不再是誰能提供更多存儲、更快網絡的速度競賽，而是轉向了指甲蓋大小的硅片上的較量。當算力成為數字時代的"新石油"，自研芯片能力正成為云廠商最核心的競爭力。

01

阿里將行業拖進“芯片競賽”

過去十多年的時間里，中國云計算行業的共識是“買英偉達、做應用、打價格戰”。這一模式的問題在于，云廠商的命門掌握在英偉達手中。

英偉達A100/H100芯片的單價高達1.5萬-2萬美元，且受美國出口管制限制，一旦供應鏈斷裂，云廠商的業務將面臨系統性風險。此外，高昂的GPU成本也嚴重侵蝕著云廠商的毛利率。

這種“買算力”的模式本質上是“運營游戲”：云廠商通過降價吸引客戶，但降價空間有限，因為GPU成本是剛性的。

而根據報道，阿里正在開發的AI芯片，意在填補英偉達在中國市場的空白，目前，這款芯片已進入測試階段，主要面向更廣泛的AI推理任務，還能夠兼容英偉達的軟件生態，這意味著開發者幾乎無需重寫代碼，就能使用國產芯片。

雖然阿里云暫未對此做出回應，不過事實是阿里自研芯片，是符合行業發展勢頭的。正如財報所言“我們將繼續對客戶增長與技術創新進行投入，包括AI產品和服務，以提升AI領域的云采用量，并維持市場領先地位。”

阿里蔡崇信近期表示，AI大模型的建立非常依賴于計算能力，當前國內企業的芯片存貨可以支持AI大模型未來18個月的訓練需求，但是到了大模型下一階段的“推理（Inference）”應用，并不一定要使用英偉達最頂級的高端計算芯片，市場上有很多選擇。

其實阿里的芯片業務歸在阿里云，最早可追溯到7年前收購中天微成立“平頭哥”。也是當時，平頭哥被一分為二：做RISC-VIP的“玄鐵”劃到達摩院，主要是技術探索，不以盈利為目標；另一部分留在阿里云，專注自研服務器芯片，已經實際投入使用。

互聯網大廠自己做芯片并不稀奇。因為它們本來就有海量的云業務，對芯片和服務器的需求巨大。國外領先的云廠商，亞馬遜、谷歌、微軟等，無一不在設法走“云+自研芯片”路線，以此降低對外界的依賴。

自研AI推理芯片，一方面可以減少對英偉達等外部供應商的依賴，增強供應鏈韌性，保證算力供給。另一方面，也能提升其定價權與成本控制能力，降低推理成本，提高毛利率。

阿里自研的倚天和含光芯片，大幅降低了算力成本。反映到云服務上，就是算力性價比提升超過30%，單位算力功耗降低60%。高性價比的AI算力服務，自然會吸引海量的AI開發者和企業客戶。

對于國內的云廠商來說，“算力自主可控”便是區別于價格戰的新故事，而不管是阿里買寒武紀芯片，還是自研芯片的傳聞，都是圍繞這個目標來的，未來云計算的競爭規則也將從“運營游戲”（價格戰、規模戰）升級為“工藝和資本的游戲”。

02

生態兼容與技術主權的博弈

當阿里在芯片領域高歌猛進時，中國其他云廠商也各自布局，但家家有芯的背后是家家有坎的現實困境。

百度手里的昆侖芯片在性能上不乏亮點，百度昆侖芯超節點在8月宣布全面啟用，并接入百度公有云服務。昆侖芯3萬卡集群也于今年正式點亮，可同時承載多個千億參數大模型的全量訓練，支持1000個客戶同時做百億參數的大模型精調。

但昆侖芯研發的初衷，是為了百度的AI生態體系服務，跟飛槳PaddlePaddle框架+文心大模型+百度云深度綁定，這就導致了它不是一個開放性的生態，上限受到限制。相比之下，能夠兼容英偉達CUDA路線的芯片，可以消除開發者的平臺遷移成本，市場的接受度更高。

騰訊此前推出了三款自研芯片，分別為AI推理芯片“紫霄”、視頻轉碼芯片“滄海”以及智能網卡芯片“玄靈”。還曾與AMD合作推出星星海智慧木系GA01GPU卡。只是這些芯片主要的運用場景各不相同，對業務帶來的實際價值也十分有限。

對于AI運算依托的芯片，騰訊管理層在前不久的業績分享會上表示，芯片進口的情況還需要觀察。騰訊目前有足夠的芯片來做訓練，并升級現有模型，推理方面則有不同的芯片選擇。

騰訊管理層還表示，GPU供應情況變幻莫測，公司不會過度依賴于此。如果騰訊有足夠的GPU，可以在云上出租更多資源，但云策略不會過度依賴于當前的GPU資源。騰訊會關注一些重要的因素，從而實現云業務更快增長。

騰訊的打法更像個聰明的基金經理，在牌桌上四處下注，這種策略雖然不會輸掉整個游戲，但也注定了永遠無法Allin。換句話說，這種模式分散了風險，但也使其難以形成軟硬一體的深度協同效應。

華為憑借昇騰系列芯片在這場競賽中占據特殊地位。昇騰910作為全球單芯片計算密度最大的AI處理器，算力達到256TFLOPS，是英偉達V100的2倍以上。

但華為面臨著最為嚴峻的挑戰——因為制裁被鎖在7nm工藝，代工上的限制讓單卡能效落后同代GPU20%以上。華為昇騰910C性能據稱達到H100的76%，2025年910B/C預計各出貨35萬片，主要供電信、國企及大型云服務商。

華為云CEO張平安的表態耐人尋味，“芯片重不重要？重要。但更重要的是，能夠提供客戶所需要的計算結果。”這實際上反映了華為的戰略轉向——通過系統級創新彌補單點不足。其CloudMatrix384超節點聲稱每卡性能可達英偉達H20三倍，正是這種思路的體現。

家家有芯，卻家家有坎是當下國產云廠商的困境，性能、工藝、生態三道門檻攔住了各大廠商，這些挑戰背后是全球芯片產業的競爭升級，中國云廠商的芯片自研不僅是為了應對國內競爭，更是為了在全球AI基礎設施競賽中占據一席之地。

03

價格戰成歷史，“成片”將決勝負

云計算行業的終局競爭正在被重新定義。當芯片成為核心競爭力，決定云廠商生死的不再是服務器數量，而是三個關鍵指標：規模量產能力、先進工藝掌控力和場景優化深度。這三個維度構成了云計算新時代的“生存三定律”。

規模量產能力是降低成本的關鍵。IDC數據顯示，阿里云在中國AI基礎設施市場的份額超過第二名和第三名的總和，這種市場地位帶來的規模化采購能力，使其芯片研發的固定成本能夠攤薄到足夠多的用戶身上。

相比之下，騰訊的"投資+自用"模式雖然風險較低，但難以形成足夠大的量產規模，導致單位成本居高不下。百度和華為則受制于生態和工藝限制，短期內無法實現規模效應。這種差距使得阿里能夠以更低的價格提供更高性能的算力服務，形成"規模-成本-市場"的正向循環。

先進工藝掌控力決定技術代差，4nm節點的布局使其芯片能效比相比7nm工藝提升約30%，這種優勢在大型數據中心場景下會被放大為巨大的運營成本優勢。例如華為昇騰910B因停留在7nm工藝導致能效比落后20%，這個數字背后是每年數億元的額外支出。

再好的芯片如果不能適配實際應用場景，也無法發揮全部性能。多樣化的場景需求為芯片優化提供了豐富的反饋數據，這種"場景定義芯片"的模式，相比單純追求參數的芯片設計更具實際價值。百度的昆侖芯片和華為的昇騰芯片雖然在特定場景表現出色，但在未來，大家拼的將會是在多元化的場景中的打磨優化能力。

單一維度的突破已不足以改變競爭態勢，這三大定律的共同作用，正在重塑云計算行業的競爭格局。

回望云計算的發展歷程，從最初的服務器托管到如今的AI算力服務，每一次行業升級都伴隨著核心技術的革新。價格戰、規模戰已成過往，芯片級的競爭剛剛開始，這不僅是企業戰略的選擇，更是產業發展的必然。

自研芯片背后是百億級的投入和數年的研發周期。芯片自主化浪潮下，中國云計算市場將重新洗牌。而一次失敗流片可能意味著數億資金的損失和一年的時間窗口，當然，對于沒有流片能力的企業，也終將在競爭中被逐漸邊緣化。

參考資料：財聯社，《事關AI芯片，阿里發聲》源Byte，《不賣芯片，才是阿里的大生意》科創版日報《事關AI芯片！阿里發聲：支持國產為真大規模采購寒武紀不實》量子位，《阿里市值一夜暴漲368億美元！造AI芯傳聞+業績雙重推動，AI產品連續8個季度三位數增長》