云栖大会定调：AI 基建成阿里长期战略

2026 云栖大会于 9 月 22 日上午在浙江杭州开幕。阿里巴巴集团 CEO 吴泳铭在会上表示，当前客户对人工智能的需求非常强劲，阿里将全力投入 AI 基础设施建设，目标到 2032 年，阿里云运营的全球数据中心规模超过 20GW。

本届云栖大会上，英伟达位列巅峰合作伙伴，是最高等级合作伙伴；英特尔、AMD 分获钻石、红宝石合作伙伴。阿里巴巴集团 CEO 吴泳铭、阿里千问大模型（LLM）项目负责人刘大一恒等将在大会上发表主题演讲。云计算、人工智能、智能制造等领域的国内外头部企业，以及多家算力、大模型产业链厂商集中亮相，算力生态合作成为本次大会的一大看点。

机器思考将承担 99.9% 的思考工作

吴泳铭在演讲中给出了一个判断：今天机器动力已经承担了 99.9% 的物理工作，未来人类的思考总量还会继续增长，但机器思考将以更快的速度扩张，预期将会承担 99.9% 的思考工作。

他认为，顶级思考将从奢侈品变成可规模化供给的商品，每个细分领域都可以拥有上百万量级的 AI 科学家和专家，这将给人类社会带来巨大改变。吴泳铭表示，AI 模型、AI 芯片和 AI 云是机器智能时代的三大基石，阿里巴巴将坚定投入这三项基础设施建设，这是阿里的长期战略选择。

全栈 AI 体系与万亿参数模型

阿里巴巴集团董事会主席蔡崇信在会上表示，AI 发展已迈入全新阶段，正持续从前沿技术突破转向真实场景的规模化价值创造。目前 AI 已深度赋能自动驾驶、具身智能、世界模型等核心领域，有效赋能千行百业、提升产业生产力。

蔡崇信透露，阿里巴巴正持续坚定加码全栈 AI 体系建设，搭建起覆盖芯片、云模型、模型服务、智能体应用的五层协同完整架构。该体系可形成从底层技术研发到全域产业落地的完整闭环，高效推动各项 AI 技术成果转化为实体产业进步。

此外，阿里巴巴计划训练一款参数量为 5 万亿至 10 万亿的人工智能模型。

销量翻倍的预期

黄仁勋在会上强调，AI 安全“至关重要”。他表示，如果企业无法对产品的安全性充满信心，就不应该推出相关产品。这一表述呼应了近期业界对 AI 监管走向的高度关注。

监管博弈

与此同时，《华尔街日报》报道称，黄仁勋、Meta CEO 马克·扎克伯格以及 SpaceX CEO 埃隆·马斯克近期曾就一项拟议中的行业资助监管机构向美国总统唐纳德·特朗普表达担忧。据报道，三人的介入最终使这一计划暂时搁置。

市场反应

IT之家注意到，在上述表态发布后，英伟达股价盘前上涨 2.1%，报 218.4 美元。作为 AI 算力的主要供应商，英伟达的芯片出货预期被视为整个 AI 基础设施投资景气度的风向标。

黄仁勋对 2027 年销量的乐观判断，延续了过去两年 AI 加速器需求持续走高的趋势。不过，最终出货量仍取决于数据中心客户资本开支节奏、供应链产能以及全球监管环境的变化。

强调”设计+制造+封装”一体化

陈立武在主题演讲中回答思科总裁兼首席产品官 Jeetu Patel 关于英特尔晶圆厂重要性的提问时表示，芯片企业同时掌握设计、制造和先进封装能力至关重要。他认为，晶圆代工业务需要先进制程技术，并对良率、缺陷率、生产周期和工艺波动进行严格管理，以保证产量可预测；不同客户的需求各不相同，代工厂还需具备相应知识产权并支持电子设计自动化（EDA）工具。

先进封装成竞争焦点

陈立武特别强调了先进封装的重要性，即将 CPU、内存、输入输出设备及不同硅芯片整合到同一封装中。他对英特尔 EMIB（嵌入式多芯片互连桥）技术表示信心——该技术通过硅桥连接不同芯片，使多个裸片协同工作，正被英特尔作为与台积电 CoWoS 竞争的先进封装方案。他同时指出，封装基板是当前面临的主要挑战之一，日本和中国台湾地区的企业通过预付款锁定了大量基板供应。

警示 AI 芯片代工过度集中

陈立武表示，全球 AI 芯片制造不应过度依赖单一代工企业。他指出，若将 95% 的订单交给台积电，供应链风险将显著增加。目前英伟达、AMD 和苹果等美国企业几乎都将 AI 芯片生产交给台积电。根据市场研究机构 Counterpoint 的数据，台积电 2026 年第一季度占全球晶圆代工收入的 70% 以上，领先三星电子、中芯国际和英特尔。

代工复苏与制程进展

对于英特尔代工业务的复苏，陈立武表示晶圆代工”并非易事”，需要谨慎推进并投入大量资本，但”过去 18 个月情况已经有所改善”。英特尔此前在 14A 制程良率上遇到困难；2026 年 4 月，公司同意向由特斯拉和 SpaceX 主导的 Terafab 项目提供 14A 制程技术，首款产品预计 2028 年年中推出。2026 年 6 月，英特尔聘请前 SK 海力士 CEO 李锡熙（Lee Seok-hee）担任高级副总裁，负责代工部门先进封装及后端技术研发与制造。

陈立武认为，随着面向推理的 AI 智能体数量持续增长，未来将需要更多计算资源与安全能力。GPU 主要用于 AI 模型训练，而 CPU 负责协调大量 GPU 协同工作并管理应用程序，因此在 AI 推理时代仍具重要作用。

从 Arke 到 Astrid

Meta 于 2023 年公布自研 AI 芯片计划，目前正在测试第三代产品 MTIA 450（代号 Arke）。下一代 MTIA 500（代号 Astrid）预计约一个月后完成设计，并于 2027 年底进入数据中心。相比前几代产品，Meta 计划更大范围地部署 Astrid。负责 Meta 定制芯片项目的工程副总裁 Yee Jiun Song 接受采访时指出，每一代产品都会在技术上承担稍高一些的风险，同时换来更好的性能。新一代芯片不仅要提高能效，也要在同等投入下提供更强性能。

降本增效与去英伟达化

Meta 正大举建设 AI 基础设施，自研芯片是其中的重要一环。芯片由 Meta 与博通（Broadcom）合作设计、台积电负责制造，目标之一是减少对英伟达领先 AI 处理器的依赖。若按能耗规模衡量，Meta 计划在 12 个月内部署超过 1GW（吉瓦）规模的自研芯片，后续部署速度预计还会加快，前提是 AI 市场和需求不出现大幅下滑。Meta 超级智能实验室也参与芯片调校，向硬件团队提供未来 AI 模型以及推理阶段所需能力的信息。Yee Jiun Song 称，由于大量工程工作由 Meta 自行完成，自研芯片运行自家 AI 模型时，可以比”英伟达当前出货的任何产品”更高效。

9 月 1 日，台积电向 Meta 交付 12 枚新型号芯片，实测性能与此前模拟结果的差距只有 2% 至 3%。拿到芯片当天，团队便成功运行 Meta 自家模型，以及 DeepSeek 和阿里巴巴的模型。初步测试未发现芯片设计缺陷，但后续仍需要数月测试和调优，工厂也将在此期间逐步提高产量。四代芯片基本都采用高带宽内存，定位并非追求极致响应速度的超高速推理市场，这些产品将成为用于通用推理的主力芯片。

实测表现与后续路线

Meta 此前还规划过一款代号 Olympus 的芯片，希望同时承担 AI 训练和推理任务，原定 2028 年或 2029 年推出，后来取消了该项目，转而集中资源开发推理芯片。成本是主要考虑之一：当容量扩大到数 GW 级别时，成本会变得非常重要；若同时兼顾训练和推理会让芯片成本提高 30%，在这种规模下”完全无法接受”。

Astrid 开发完成后，Meta 下一阶段将重点提高芯片速度和吞吐量，即单位时间内能够处理的 AI 任务规模，同时利用光纤技术进一步提升性能。Yee Jiun Song 表示，产品路线图非常完善，未来几年会继续开发性能足以与供应商产品竞争的芯片。

全栈自研：从芯片到科学计算一条龙

太初元碁的 AI4S 平台于今年 7 月正式上线，覆盖硬件、基础组件、加速库、模型框架和开发套件全链路。平台以自研异构众核 AI 芯片为算力底座，兼容龙芯、申威、飞腾、x86 等国内外主流中央处理器，并深度适配 PyTorch、JAX、飞桨、MindSpore 等主流 AI 框架。

配套的 DevKit 开发套件大幅降低了算子开发和性能调优门槛。算法工程师杜非凡表示，平台的目标是让”中国芯”直接赋能科学计算，让科研团队不必再依赖国外专用硬件。目前平台已在气象预报、量子模拟、基因分析、材料仿真等方向与清华大学、湖南大学、山东大学、百度、东润等高校与机构落地合作。

TecoWeatherNext：把台风轨迹装进 AI 大模型

此次外滩大会首次公开的 TecoWeatherNext 台风追踪系统，把气象数据、AI 预报模型与台风识别技术整合在一起，可在一套界面内同时展示台风轨迹、风场、海平面气压、温度、降水等图层，并适配国产气象大模型输出。

系统支持数据获取、智能预测与台风识别的一体化流程，目标是让气象防灾减灾工作从单点台风路径预报，扩展到完整气象要素场的滚动预测。对沿海省份的应急、海洋与农业部门来说，这意味着可以在同一个国产计算平台上跑出更细粒度的台风风险评估。

生态与人才：联合近 20 家高校发起倡议

平台已上架量子力学、化学材料、生物医药、气象预测、能源科学、低空经济等多款场景应用模块，并联合近 20 家国内高校、科研机构与企业发起”AI4S 国产算力创新生态校企共建倡议”，推动人工智能与科学研究的纵深融合。

在外滩大会同步设置的科技人才招聘专场上，太初元碁现场开放 AI 工程、芯片研发、基础软件等十余个核心岗位，覆盖 AI 芯片推理架构研究员、高性能算子库研究员、解决方案架构师等热门方向。校招负责人刘锐涵介绍，太初元碁硕博学历人才占比超过 70%，两年来在北京、上海、无锡累计引进校招人才 50 余位，”新任干部内培率达 90%”，并通过”启航”培养计划孵化内部高阶业务骨干超 80 位。

对正在寻找算力底座的科研团队而言，国产 AI4S 计算平台的出现，意味着从天气预报到量子模拟的关键算力，第一次有了从芯片到框架再到场景模块的完整国产路径。

主攻芯片设计、生命科学和金融服务

Friar 表示，OpenAI 目前重点布局芯片设计、生命科学和金融服务三个领域。随着企业越来越希望 AI 系统能够针对特定任务进行优化，公司也在探索更加行业化的解决方案。

与此同时，OpenAI 正在尝试按企业最终获得的业务成果，而不是模型的实际使用量来制定价格。企业客户对 AI 投资回报的要求越来越明确，这种模式成为 OpenAI 正在探索的方向。

这一转变背后是日益激烈的竞争：一方面，中国的开放权重模型持续发展；另一方面，Anthropic 等竞争对手也在争夺企业客户。AI 厂商需要证明产品能够带来可量化的商业价值。

9 个月完成自研芯片流片

Friar 透露，OpenAI 自身在使用 AI 开发芯片方面已经获得了积极经验。公司利用自研模型参与 Jalapeno 芯片的开发，并在 9 个月内完成了”流片”（tape out）。流片意味着芯片设计已经最终确定，并被送往晶圆厂进行实际生产。

这一案例也成为 OpenAI 向芯片设计行业推销 AI 能力的主要依据。

Luna 降价 80%，用量涨约 10 倍

开源和开放权重模型一直被广泛视为前沿模型的低成本替代方案。不过 Friar 表示，OpenAI 近期将旗下低成本 Luna 模型的价格下调了 80%，推动该模型的使用量增长了约 10 倍。

她还指出，对企业而言，直接部署 OpenAI 的低成本模型，有可能比通过云服务商运行中国开源模型更加便宜。她的原话是：”如果你部署 Luna，并将其与智谱（Z.ai）的 GLM 5.3 在云端环境中的成本进行比较，我们的价格更低。”

Codex 用户 2500 万，企业收入增速跑赢大盘

在开发者侧，OpenAI 的编程工具 Codex 目前拥有 2500 万用户。

企业业务的增长更为明显。Friar 透露，今年 6 月至 7 月期间，OpenAI 企业业务收入增长了 32%，同期整体年化收入的增幅为 20%。到今年年中，企业业务和消费者业务收入已经大致达到各占一半的水平，比公司原本计划在年底实现这一目标提前了半年。

成果定价能走多远仍是未知数

按业务成果收费的模式在企业软件领域并非首次出现，成败关键在于如何公平地定义和衡量”成果”。OpenAI 目前尚未披露该模式的具体指标与价格档位。

对缺少深度 AI 工程团队的企业来说，把基础设施、维护等成本打包进可预测的单价确实有吸引力；但受数据合规与供应商锁定考量影响的金融、医疗等行业，可能仍倾向于把模型部署在自己的基础设施上。价格战已经打响，最终比拼的仍是单位成本之下能否交付可量化的业务结果。

500mm² 大芯片，专攻大模型推理

SEMIFIVE 表示，Bertha 的面积达到 500mm²。结合”数据中心”这一定位来看，本次量产版本应为 HyperAccel 官网公示的 Bertha 500；该公司另有一款面向端侧部署的产品 Bertha 100。

规格方面，Bertha 500 拥有 768 TFLOPS 的 FP8 算力，支持 FP16、FP8、FP4 以及 INT8、INT4 数据格式，集成 256MB 片上 SRAM 缓存，片外可连接 128GB 或 256GB 的 LPDDR5X 内存，带宽为 546GB/s（推测为 512-bit 8533MT/s 配置）。芯片 TDP 为 250W，采用双槽 PCIe AIC 外形规格。

HyperAccel 宣称，该芯片在吞吐量、成本效益、能效三个方面分别可达到英伟达 H100 的 2 倍、19 倍和 12 倍。不过这组数据来自厂商自身表述，目前尚无独立的第三方可复现基准测试结果。

从设计到量产，比原计划晚了半年

Bertha 项目合作始于 2024 年 10 月。当时双方签订开发与量产合同，计划基于 4nm 制程开发，并目标在 2026 年第一季度量产。实际量产时间落在第三季度，比原计划有所延后。

2026 年 5 月，SEMIFIVE 在圣何塞举行的三星先进代工生态论坛上表示，已基于三星晶圆代工 4nm SF4X 工艺完成 Bertha 大芯片的设计与验证工作。

据 SEMIFIVE 介绍，公司为该项目提供了覆盖前端设计、验证、封装、测试到量产供应的交钥匙服务，这也是其在三星 4nm 工艺上的首个大规模量产项目。芯片面积超过 500mm² 之后，功耗、散热与良率管理的难度显著上升，这也是先进制程大芯片量产的主要门槛。

LPU 架构：为 Transformer 推理而生

HyperAccel 将 Bertha 定位为”大模型处理单元”（LPU），架构围绕三个方向展开：可编程的 AI 专用核心、让内存带宽与算力相匹配的数据流设计（模型参数可跨核心复用），以及在模型规模扩大时让通信与计算重叠的多芯片扩展能力。

对大模型推理而言，权重与中间数据的搬运效率往往与算力同等重要，内存带宽、互联行为、批处理策略和调度方式都会影响最终的实际吞吐与延迟。这也是专用推理架构与通用 GPU 设计路线的差异所在。

SEMIFIVE 订单半年翻倍

Bertha 是 SEMIFIVE 近一年第三个进入量产的项目。此前，该公司已在 2025 年第三季度为韩华视觉的安防摄像头量产 Wisenet 9 AI 专用芯片，并在 2026 年第二季度为一家日本客户量产高性能计算 AI 芯片。

订单数据同步走高。SEMIFIVE 在 2026 年上半年获得 4230 亿韩元的新增量产订单，接近 2025 年全年 2120 亿韩元的两倍；季度订单额从第一季度的 156 亿韩元增至第二季度的 267 亿韩元，环比增长 71%，其中海外订单占第二季度订单的 45%。

SEMIFIVE 首席执行官表示，随着 AI 产业重心从训练转向推理，数据中心对专用加速器的需求正在快速上升，此次量产验证了公司在先进制程上的执行能力。

从存储供应，走向联合研发

Kim Kyoung-hoon 在发布会上提到，与三星电子在下一代芯片的联合生产与研发方面，是 OpenAI 取得进展最多、获得认可最多的领域之一，但未透露技术与商业细节。他还表示，OpenAI 将继续与韩国半导体供应链企业建立合作，先进芯片对加速人工智能处理非常重要。

这一表态的背景是双方关系的持续升温。去年，三星电子与 SK 海力士已签署意向书，为 OpenAI 的 Stargate 数据中心项目供应存储芯片。今年 6 月，OpenAI 发布了首款与博通联合设计的定制 AI 芯片 Jalapeno，专为 AI 推理任务开发，由台积电代工生产。

Kim Kyoung-hoon 同时指出，随着更先进芯片需求增长以支撑更快、更复杂的计算，与韩国半导体供应商的合作已成为 OpenAI 当地办公室的优先事项。此外，OpenAI 还计划在韩国建设 AI 推理基础设施，以规避数据跨境流动潜藏的监管风险。

三星是 ChatGPT 全球最大规模部署之一

在企业应用侧，Kim Kyoung-hoon 称三星电子是”全球范围内 ChatGPT 部署规模最大的企业之一”，其韩国及海外员工在研发、营销、销售等工作中广泛使用 ChatGPT。

三星自身也在扩大生成式 AI 的使用范围。该公司 6 月曾表示，负责手机、电视及家电业务的 Device eXperience 部门员工可在内部使用 ChatGPT、谷歌 Gemini 以及 Anthropic 的 Claude。

韩国市场数据：企业版用户一年增长约 28 倍

OpenAI 公布的数据显示，截至 8 月底，韩国企业与机构的 ChatGPT 企业版用户数量较一年前增长约 28 倍；ChatGPT Work 与 Codex 用户规模在近半年增长 14 倍；ChatGPT 周活跃用户数量增长 35%。OpenAI 未披露绝对用户数量。

企业使用 AI 的范围正从个人任务扩展到公司级运营，覆盖法务、销售、财务、营销及运营等职能。按 OpenAI 的说法，韩国是 ChatGPT 付费订阅用户数量仅次于美国的市场。OpenAI 预计，随着 9 月 4 日发布的最新模型 GPT-6 Astra 上线，采用率将进一步加速，该模型在计算机使用、专业工作、科学、编程及网络安全等场景的性能有所提升。

另外，OpenAI 韩国近期组建了专门的广告团队，旨在为韩国本土广告主和代理商提供更全面的支持。

自研芯片成为头部 AI 公司的共同选择

把芯片合作从采购延伸到联合研发，反映的是头部 AI 公司降低算力成本、掌握硬件节奏的普遍诉求。对三星电子而言，拿下 OpenAI 这类超大客户的定制芯片订单，也是在存储业务之外切入 AI 算力核心环节的机会。不过，目前双方均未披露具体的技术路线、制造安排与产品时间表，合作的实际成色还需等待更多细节公布。

合作聚焦定制芯片与光互连

随着 AI 工作负载呈指数级增长，计算、存储、网络、内存带宽与高能效基础设施的需求正以前所未有的速度攀升。根据高通方面的说明，本次合作将结合亚马逊全面、安全且具有成本性能优势的 AI 基础设施，以及高通在低功耗处理、芯片设计与系统级集成上的技术积累。

在互连层面，双方将共同开发高性能光互连方案，以满足 AI 基础设施不断扩大的规模与带宽需求，相关技术将依托高通的 SerDes 高速串行器/解串器技术与光学 DSP（数字信号处理器）技术。高通还计划进一步加大对 AWS AI 基础设施的使用，包括 Amazon Bedrock，并将其应用于电子设计自动化（EDA）工作负载，以缩短自身的芯片设计周期。

双方高层表态

高通公司总裁兼 CEO 克里斯蒂亚诺·阿蒙表示，随着 AI 需求加速增长，数据中心基础设施需要在计算与互连两方面同时取得进步，以实现更高性能与更高效率；高通很高兴与 AWS 围绕定制芯片和连接方案展开合作，把先进处理与高能效计算领域数十年的积累应用于此，推动下一代 AI 基础设施发展。

AWS 副总裁 Prasad Kalyanaraman 称，这项合作建立在双方长期合作的基础之上，体现了共同推动技术边界的承诺；通过在定制芯片与先进连接技术领域协作，双方将为客户提供性能更强、效率更高、成本效益更出色的基础设施。

一份最高 600 亿美元的战略协议

据 SEC 文件披露，高通及其子公司、部分关联公司与亚马逊数据服务公司及其部分关联公司达成战略合作。高通已向亚马逊的关联公司签发一份认股权证，赋予权证持有人以每股 161.26 美元（约合人民币 1085 元）的行权价，购买合计最多 2500 万股高通普通股的权利。

该权证允许以无现金方式行使，有效期至 2036 年 9 月 3 日。相关付款总额最高可达 600 亿美元（约合人民币 4037 亿元），其中基于初始采购承诺，已有 375 万股在权证签发时归属。截至 IT之家发稿，高通盘前股价涨幅超过 8%。

这笔覆盖芯片、互连与资本绑定的合作，显示出云厂商与芯片设计公司在 AI 基础设施上的绑定正从单纯的采购关系，走向联合定制与深度集成的阶段。

Vera 为何而生

传统意义上，CPU 在 AI 系统里只负责辅助工作；但智能体 AI 不同——它要反复调用工具、执行代码、处理数据，并在多次模型调用之间运行仿真。这些工作高度依赖 CPU。英伟达把 Vera 定位为”专为 AI 智能体打造的 CPU”，用来加速模型推理周边的 CPU 密集型任务。

据英伟达介绍，相比 x86 架构 CPU，Vera 在智能体 AI、强化学习与数据处理等多种负载下，任务完成速度最高可提升 1.8 倍。早期交付信息显示，Vera 集成 88 颗英伟达专门设计的 Olympus 核心，提供 1.2 TB/s 的内存带宽，单核性能提升 50%。

SpaceXAI 怎么用

SpaceXAI 前身是埃隆·马斯克创立的独立公司 xAI，现为 SpaceX 旗下部门。按照英伟达的说法，SpaceXAI 计划在 Vera Rubin 平台上扩展其聊天机器人 Grok 背后的基础设施，并借助第一代 Starmind 卫星，把优化后的 Vera Rubin NVL72 方案延伸到太空。

随着 SpaceXAI 的算力规模向吉瓦级扩张，Vera Rubin 提供了一套可统一扩展的架构，支撑其下一代”AI 工厂”——这也是 SpaceXAI 计划超越地面数据中心、迈向轨道计算的基础。英伟达超大规模与高性能计算副总裁伊恩·巴克（Ian Buck）表示，Vera 为 AI 智能体提供了实时行动所需的 CPU 性能，SpaceXAI 正将这一架构从大型 AI 工厂推向轨道计算的新前沿。

更大的棋盘：智能体基础设施

同一天，英伟达还公布了面向交互式推理的 Groq 3 LPX 全面投产，以及 Vera Rubin NVL72 在真实智能体负载下的新测试结果：基于 SemiAnalysis 的 AgentX 负载、采用 DeepSeek V4 Pro 模型，Vera Rubin 每兆瓦吞吐量最高达到上一代 GB300 NVL72 的 30 倍，每 Token 成本最高降低 35 倍。

这些数据指向一个趋势：当 AI 从”一问一答”走向”多步自主”——一次任务可能循环数百甚至数千个步骤——上下文管理与低延迟 Token 生成，正成为新的算力瓶颈。Vera 与 Groq 3 LPX 的组合，正是英伟达围绕智能体 AI 补齐的”最后一公里”。