如果只看今天 Alibaba 的新闻标题，
可能会觉得：
中国又推出一颗 AI 芯片。
但真正值得注意的，
其实不是 Zhenwu V900 本身。
而是 Alibaba 今天一次把：
模型。
芯片。
服务器。
网络。
保存。
数据中心。
全部摆到同一张 AI Roadmap 上。
这代表中国大型 AI 公司接下来比的，
可能已经不只是：
谁的模型 Benchmark 比较高。
而是：
谁有能力把整套 AI Stack 自己撑起来。
Alibaba 下一代 Qwen，要拉到 5～10 兆参数
Alibaba CEO Eddie Wu 今天在杭州举行的：
Apsara Conference
表示，
Qwen 团队正在继续研究：
Model Architecture。
Data Optimisation。
以及更长时间、
更复杂的 AI Tasks。
目前：
Qwen 4
已经在训练。
更后面的：
Qwen 4.5
与：
Qwen 5
规模则预计提高到：
5 兆～10 兆 Parameters。
现在 Alibaba 的旗舰：
Qwen 3.8 Max
约有：
2.4 兆 Parameters。
也就是说，
未来规划中的模型，
大约可能是现在的：
2～4 倍规模。
但 Parameters 大，不代表模型一定比较聪明
这里要先讲清楚。
Parameter Count 是：
模型规模的一个指针。
不是：
智力分数。
模型真正能力还会受到：
Architecture。
Training Data。
Post-training。
Inference Strategy。
Tool Use。
Context。
Compute Efficiency
等因素影响。
所以：
10 兆 Parameters
很惊人，
但不能直接翻译成：
「能力一定是现在四倍。」
真正要等模型出来后，
才有办法看：
Reasoning。
Coding。
Agentic Tasks。
成本。
速度。
以及实际使用效果。
Alibaba 真正想解决的是「长时间任务」
Eddie Wu 今天特别提到的方向是：
more complex, longer-horizon tasks。
也就是 AI 不只是：
回答一个问题。
而是：
长时间规划。
自己测试。
发现错误。
修正。
再继续。
这和现在整个 Agentic AI 的方向一致。
模型真正开始产生商业价值，
可能不是：
「回答得比昨天更像人。」
而是：
能不能连续工作几小时甚至几天，还能自己维持任务方向。
Alibaba 还展示了 Recursive Self-Improvement
今天官方还公布一个很有意思的实验。
Alibaba 把这个方向称为：
RSI
也就是：
Recursive Self-Improvement。
概念是：
让模型自己找到弱点。
设计 Experiment。
产生新的训练数据。
诊断 Error。
再重新优化自己。
官方表示，
Qwen3.8-Max 在一个超过一个月的自动流程里，
完成：
33 次 Iterative Cycles。
Artificial Analysis Score
则从：
40
提高到：
45。
这是 Alibaba 自己公布的实验结果，
不是第三方独立验证。
但方向非常值得注意。
它甚至被拿去做芯片设计
另一项实验更有意思。
Alibaba 表示，
模型在一个 Chip Design Task 中，
连续进行超过：
60 小时
的 Self-improvement。
期间调用：
EDA Tools
超过：
10,000 次。
最后产生：
Production-grade Chip Bus Modules。
官方称：
Chip Area 减少：
42%。
同时没有牺牲 Performance。
同样要注意：
这是 Alibaba 公布的内部实验结果。
不是代表 AI 已经能：
「自己完成整颗先进芯片。」
但它显示的方向是：
AI 未来吃掉的 Compute，
可能不只是：
聊天。
生成图片。
写 Code。
它还会用大量算力：
帮下一代 AI 设计下一代硬件。
问题来了：这么大的模型，要拿什么跑？
这就是今天第二个重点。
Alibaba 同时推出：
Zhenwu V900。
由旗下芯片设计单位：
T-Head
开发。
它同时支持：
AI Training
与：
Inference。
Alibaba 称它是目前：
中国最强大的 AI Chip。
但这是公司自己的说法，
目前并没有完整第三方 Benchmark 可以证明：
它真的在所有工作负载上都是中国第一。
所以比较准确的说法是：
Alibaba 宣称它是目前中国最强的 AI 加速器。
性能号称是 M890 的 3 倍
上一代：
Zhenwu M890
今年 5 月才推出。
现在 V900，
Alibaba 称整体性能提升到：
前代 3 倍。
官方公布的规格包括：
216GB Memory
以及：
1,200GB/s Inter-chip Bandwidth。
同时支持：
FP8。
FP4。
等不同 Precision。
目的很清楚：
一方面跑：
高精度 Training。
另一方面把：
Inference Cost
往下压。
因为大型模型真正走向大量使用后，
最大的成本不一定只是第一次 Training。
而是：
每一天、每一个用户、每一次 Agent 运行，都还要持续 Inference。
一张芯片强不够，Alibaba 要做 50 万卡 Cluster
这才是今天真正重要的一个数字：
500,000。
Alibaba 表示，
使用 Zhenwu V900 的新一代 Supernode Infrastructure，
可以继续往上组成：
最高约：
50 万张 AI Accelerator
的 Cluster。
这已经不是：
「一台服务器有几张 GPU？」
的问题。
而是：
几十万颗计算单元能不能像一台超大电脑一起工作。
当模型走到：
5 兆。
10 兆 Parameters，
真正难的就不只是：
Chip Performance。
还有：
Networking。
Memory。
Storage。
Failure Recovery。
Power。
Cooling。
Software Scheduling。
全部一起影响效率。
所以 Alibaba 连网络卡、SSD Controller 都自己做
今天 Alibaba 公布的 Supernode，
不是只有：
Zhenwu V900。
还集成：
ICN Switch。
Panmai SmartNIC。
Zhenyue SSD Controller。
换句话说，
Alibaba 正在做的事情和 Nvidia 近年的方向很像：
不要只卖：
一颗 Accelerator。
而是把：
Compute。
Network。
Storage。
Server。
Software。
全部当成：
一个系统。
因为 AI Cluster 变得愈大，
单一零件再快，
只要数据搬不过去，
整座机房仍然会等。
为什么现在每家公司都开始讲「Supernode」？
以前 AI 芯片竞争很容易变成：
A 卡比 B 卡快几%。
现在 Frontier Model 需要的运算量太大，
一张卡根本不重要。
真正重要的是：
10 万张卡怎么一起跑。
甚至：
50 万张。
100 万张。
只要：
Network Latency。
Memory Bandwidth。
Chip-to-chip Communication。
任何一层卡住，
整个 Cluster 的效率就会掉。
所以今天 Alibaba 和前几天 Huawei 讲的事情，
其实非常接近：
AI 战场正在从单颗芯片，变成整座 Supercluster。
V900 预计 2027 年第一季量产
Alibaba 表示，
Zhenwu V900 预计在：
2027 年第一季
开始：
Mass Production
与：
Commercial Release。
这代表今天公布的是：
Roadmap＋Product Announcement。
不是说：
现在已经有几十万张 V900 在 Data Centre 里跑。
这个时间差很重要。
真正要观察的是：
能不能按时量产？
Yield 如何？
供应量多少？
高级 Memory 从哪里来？
封装能不能跟上？
Cluster 实际 Scaling Efficiency 如何？
这些才会决定：
Zhenwu 能不能真的成为 Nvidia 之外的大规模替代方案。
Alibaba 说现在已经有超过 650 家客户使用 Zhenwu
官方表示，
现有 Zhenwu AI Chips
已经服务超过：
650 个 Customers。
产业包括：
汽车。
金融。
Large Language Models。
Embodied Intelligence。
能源。
制造业。
但这个数字同样要小心解读。
「有 650 个 Customer」
不等于：
650 家都大规模部署。
也不能直接推出：
市场占有率是多少。
真正值得看的，
仍然是未来：
Shipment。
Revenue。
Utilisation。
以及客户是否持续扩大部署。
更大的数字在后面：20GW
如果今天只记得一个数字，
除了 10 兆 Parameters，
另一个就是：
20GW。
Eddie Wu 表示，
Alibaba 的目标是：
到了：
2032 年
Alibaba Cloud 在全球营运的：
Data Centre Capacity
超过：
20 Gigawatts。
20GW 这里指的是：
Data Centre Capacity。
不是：
模型速度。
不是：
芯片 FLOPS。
也不是：
Alibaba 今天已经拥有 20GW。
它是一个：
2032 年目标。
为什么 Alibaba 要自己盖这么大的 Compute？
原因很直接：
它认为 AI Demand 会远远大于现在供应。
Eddie Wu 今天表示，
目前 AI 客户需求：
exceptionally robust。
而且中长期需求：
远超过公司目前 Supply Capabilities。
问题已经不是：
「有人要不要用 AI？」
而是：
你有没有足够算力给他用？
这也和全球其他 AI 公司面临的问题一样。
模型需求成长太快，
最后卡住的可能是：
Chip。
Power。
Data Centre。
Networking。
Cooling。
而不是：
Prompt。
Alibaba Cloud 甚至准备让 AI Supernode 这一季就开始商业化
Reuters 报导，
Eddie Wu 表示：
Alibaba Cloud 将在：
本季
开始让 AI Supernodes：
Commercial Scale
上线。
这一点比：
2032 年 20GW
更值得近期观察。
因为 20GW 是长期目标。
但 Supernode 商业化，
是：
现在就要接受客户测试。
真正的问题会变成：
性能好不好？
价格有没有竞争力？
能不能稳定跑大型 Qwen？
企业愿不愿意付钱？
为什么 Alibaba 要连芯片都自己做？
这背后还有一个不能忽略的原因：
Nvidia。
Reuters 指出，
中国科技公司正加快开发：
Domestic Alternatives
来降低对 Nvidia AI Processor 的依赖。
其中一个原因就是：
美国对高级 AI 芯片出口限制持续收紧。
如果 Alibaba：
模型用自己的。
Cloud 自己营运。
但最底层所有高级 Compute
永远只能靠美国芯片，
整套 AI Strategy 还是会有：
Supply Chain Risk。
所以 Zhenwu V900 的意义，
不只是：
「Alibaba 也想当芯片公司。」
而是：
AI 自主性最后一定会一路往下碰到 Silicon。
这和 Huawei 的方向非常像
SasaDaily 9 月 17 日才写过：
Huawei 的 AI 算力供不应求。
公司甚至把：
Ascend 960DT
提前：
9 个月。
同时把竞争拉向：
大规模 Supernode。
今天 Alibaba 又做同一件事：
Zhenwu。
Supernode。
50 万卡 Cluster。
20GW Cloud Capacity。
这已经不像两家公司刚好都出了芯片。
更像是中国 AI Infrastructure 正出现共同方向：
模型公司开始往硬件走。
硬件公司开始往 System 走。
最后竞争的是：
完整 AI Factory。
Nvidia 真正厉害的也从来不只是 GPU
这也是为什么：
「中国做出一颗接近 Nvidia 的 Chip」
本身还不够。
Nvidia 的优势长期不只是：
Silicon。
还包括：
CUDA。
Libraries。
Networking。
NVLink。
InfiniBand。
Systems。
Developer Ecosystem。
Cloud Partnerships。
所以如果 Alibaba 真正想降低 Nvidia Dependence，
光有 V900 不够。
它需要让：
Model。
Compiler。
Network。
Storage。
Cloud。
Agent Platform。
全部能一起跑。
今天 Apsara Conference 真正展示的，
就是这个方向。
Alibaba 甚至连 Agent Cloud 都一起往上盖
今天 Alibaba 还公布：
AgentCore。
定位是：
让企业创建、
运行、
管理 AI Agents
的一套 Enterprise Platform。
另外还有：
Agent Security Center。
Agent Context。
以及新的 Context Engine。
也就是 Alibaba 的 Full-stack Roadmap，
现在大概可以一路排成：
Qwen Model
↓
Agent Platform
↓
Cloud Software
↓
Networking
↓
Storage
↓
Supernode
↓
Zhenwu AI Chip
↓
Data Centre。
这是一条非常长的 Vertical Stack。
这会带来一个非常现实的优势：自己替自己优化
如果 Model Team
和：
Chip Team
属于完全不同公司，
通常只能透过公开 Interface 配合。
但如果 Alibaba 同时控制：
Qwen。
Compiler。
Chip。
Network。
Storage。
Cloud。
就可以从整体系统去调整：
这个模型最常用哪种 Precision？
Memory 怎么放？
Token 怎么 Cache？
Network 怎么减少 Waiting？
Inference 怎么降低成本？
这就是 Full-stack Optimization 的价值。
不是每一层都一定世界第一。
而是：
全部加起来可以一起优化。
但 Full-stack 也代表非常烧钱
反过来看，
风险也一样大。
自己做：
Model。
Chip。
Server。
Network。
Cloud。
Data Centre。
每一层都是：
巨额 Capital Expenditure。
而且任何一层失败，
都可能拖累整体。
例如：
模型很好，
但 Chip Yield 不够。
Chip 很快，
但 Network Scaling 不行。
Data Centre 盖很多，
但客户需求没跟上。
都会变成：
非常昂贵的问题。
所以 Full-stack Strategy 的真正考试不是：
发布会可以公布多少东西。
而是：
这些层最后能不能一起产生收入。
市场今天先给了正面反应
Reuters 报导，
Alibaba 香港股价今天上涨：
5.1%。
来到约一个月高点。
这代表市场目前至少先认为：
Alibaba 把 AI 投资从：
「一直烧 Capex」
讲成：
Model＋Chip＋Cloud＋Data Centre
的完整 Strategy，
具有想像空间。
但股价一天上涨，
当然不能证明：
Zhenwu 已经成功。
真正能证明的仍然是：
后面的 Deployment
与：
Business Results。
今天真正值得记住的不是 10 兆参数
10 兆很吸睛。
50 万卡也很吸睛。
20GW 更大。
但 Alibaba 今天真正传出的信号其实只有一个：
下一场 AI 战争，可能不是单点产品战。
以前可以问：
谁的 Model 最强？
谁的 GPU 最快？
谁的 Cloud 最大？
现在这些问题开始被绑在一起。
因为大型 AI 需要：
模型知道怎么跑。
芯片撑得住。
网络传得动。
Storage 跟得上。
Data Centre 有电。
Cloud 能卖出去。
最后才变成：
真的可以使用的 AI Service。
中国 AI 下一阶段可能会愈来愈像「全产业链竞赛」
前几天是 Huawei。
今天是 Alibaba。
未来还可能看到：
其他 Cloud Providers。
Chip Companies。
Model Labs
往彼此领域延伸。
因为当 AI 模型大到：
兆级 Parameters。
Agent 跑到：
几十小时。
Cluster 扩到：
几十万卡。
真正的 Bottleneck
不再只存在一层。
所以 Alibaba 今天不是只宣布：
更大的 Qwen。
也不是只宣布：
更快的 Zhenwu。
而是在告诉市场：
它想自己盖出一整座 AI Factory。
接下来最值得看的，
不是发布会还能再加多少「兆」。
而是：
这座 Factory
能不能真的：
量产。
稳定。
便宜。
而且有人愿意一直付钱使用。
今天，和 AI 一起进步一点。
每天学会一个 AI 技巧。
每天节省一点时间。
每天提升一点能力。
SasaDaily，陪你一起成长。
推荐阅读
AI 晚报｜2026/09/17：华为 AI 算力供不应求，Ascend 960DT 提前 9 个月，战场从单颗芯片拉到百万卡超节点
