阿里巴巴 RISC-V AI CPU 進軍伺服器

阿里巴巴的DAMO Academy又丟出一個數字：64 位元、多核心 RISC-V CPU，最高 3.2 GHz，還用上TSMC 5nm 製程。這顆晶片不是拿來做展示品。它瞄準的是 agentic AI，也就是會規劃、會呼叫工具、還會記住上下文的軟體。
講白了，阿里巴巴想把 AI 軟體和底層硬體一起抓在手上。

這件事很有意思。阿里巴巴不是第一次碰 RISC-V，但這次明顯更像伺服器路線。官方說法是，這是延續 2024 年雲端模型、以及 2025 年伺服器晶片之後的下一步。對開發者來說，重點不是「有沒有新晶片」，而是它能不能真的進資料中心，幫雲端服務省錢。

阿里巴巴到底做了什麼

這顆 CPU 是 64 位元、多核心設計。它還有一個專有 tensor engine，直接透過 RISC-V extension 跟核心叢集連在一起。翻成白話，就是阿里巴巴把一部分 AI 運算塞進 CPU 本體，不是每次都丟給外部加速器處理。

這種設計的好處很直接。資料搬運少一點，快取重用高一點，耗電也可能低一點。對 agentic AI 來說，這比單次大推論更重要。因為它不是只跑一輪，而是很多輪思考、查詢、記憶和回應。

阿里巴巴還說，這顆晶片可以原生跑數百億參數以上的 foundation model。這句話聽起來很猛，但我會先保留。真正的考驗不是簡報，而是上雲後的吞吐量、延遲和成本。

• 架構：RISC-V，不是 Arm 或 x86
• 製程：TSMC 5nm
• 最高時脈：3.2 GHz
• 整數 benchmark：超過 70 分
• 目標場景：agentic AI 與雲端推論

這幾個數字放在一起看，味道就出來了。阿里巴巴不是只想做一顆「能跑」的 CPU。它想做一顆「適合自己雲端工作負載」的 CPU。這是兩回事。

而且它還把 tensor 能力跟核心整合在一起。這代表它不是單純複製既有伺服器 CPU 的玩法。它想把 AI 計算路徑縮短，讓更多工作留在晶片內部完成。

為什麼 RISC-V 這麼重要

RISC-V 最大的賣點很簡單：開放。公司可以自己改指令集，不用像 Arm 那樣付授權費，也不用像 x86 那樣受制於既有生態。對想自己調硬體的人來說，這很香。

在中國市場，這件事更敏感。供應鏈壓力一直都在，很多公司都想把更多控制權拿回來。RISC-V 就變成一條可走的路。不是因為它天生比較強，而是因為它比較能自己掌握。

阿里巴巴這步棋，也在挑戰一個老觀念：只有 Arm 和 x86 才能做認真的伺服器 CPU。它現在不是要在通用運算全面打贏，而是要在工作負載適配、成本控制、以及跟自家 AI 服務的整合上贏。

“We are looking at ways to make it easier for customers to create, deploy, and manage AI models.” — Alibaba Cloud CEO Eddie Wu

這句話很直白。阿里巴巴做晶片，不是為了秀技術。它是想讓雲端 AI 更便宜，也更容易部署。對雲廠來說，這才是會算帳的地方。

如果推論成本能壓下來，AI 服務的定價就有空間。對開發者來說，這可能比單純的峰值算力更有感。因為你最後付的是帳單，不是晶片海報。

它跟 Apple、Huawei、Nvidia 怎麼比

原始素材提到，阿里巴巴這顆 CPU 的效能和效率，接近 Apple 的消費級晶片。這種比法可以看，但不能直接拿來下結論。Apple 強在單核效能和功耗控制，阿里巴巴則是瞄準伺服器和 AI 推論。

阿里巴巴也說，這顆新 CPU 的單執行緒整數效能，比Huawei現有伺服器 CPU 高出兩倍以上的 instructions per clock。這代表它想在中國伺服器市場直接對打，不是只在自家雲裡做內部優化。

加速器部分，阿里巴巴還是很務實。它已經推出平行運算單元，要跟部分Nvidia晶片競爭，但短期內仍計畫採購 Huawei 最新推論加速器。這表示它知道轉換期不會太短，不能一口氣全押自研。

• 阿里巴巴新 CPU：5nm、3.2 GHz、64 位元多核心
• 整數 benchmark：超過 70 分
• Huawei 對比：單執行緒整數 IPC 高出 2 倍以上
• T-Head 累計出貨：超過 470,000 顆
• T-Head 年營收：近年逼近 100 億人民幣

這些數字很有意思。470,000 顆聽起來不算巨量，但放在自研晶片裡，已經不是玩票。它代表阿里巴巴至少有能力把晶片送進某些實際場景。

不過，別急著把它跟全球 x86 或 Arm 伺服器出貨量相比。那不是同一個量級。阿里巴巴現在的價值，不在市場總量，而在它能不能在自己的雲裡形成成本優勢。

這其實是全棧 AI 戰

阿里巴巴做晶片，不是單點事件。它是在拼一條完整鏈路，從硬體、雲端、模型，到協作軟體和代理工具，全都想自己掌握。這樣一來，AI 服務的成本和節奏才比較好控。

這也跟中國整體的算力策略有關。美國出口管制讓高階 AI 加速器變得不好買。很多中國公司只好分散硬體風險，一邊買現成貨，一邊自己養晶片團隊。阿里巴巴就是這種雙軌策略的代表。

我覺得這種做法很現實。沒有公司會傻到等自研晶片成熟才做產品。該買的還是要買，該做的還是要做。只是長線來看，能自己控制更多層級的公司，談成本時會比較硬。

對開發者和 SRE 來說，這種變化很實際。如果雲廠把部分 AI 工作搬到自家 RISC-V CPU，上層的 instance 型號、價格、延遲，甚至配額，都可能跟著變。你不一定馬上感受到，但帳單會先告訴你。

產業脈絡沒那麼浪漫

先說結論。RISC-V 不會一夕之間取代 Arm，也不會直接把 x86 打趴。它比較像一種工程選項。當公司想要更高控制權、更低授權成本，還有更貼身的工作負載設計時，它就變得有吸引力。

這幾年大家一直在講 AI 伺服器，但很多討論都太浮。真正卡住的，常常是功耗、記憶體頻寬、PCIe 通道數，還有供應鏈。晶片架構只是其中一塊，但它會決定你能不能把其他零件拼起來。

阿里巴巴這次的訊號很清楚：它想把「雲端買算力」改成「雲端自己造算力」。這件事不會很快完成，但一旦跑順，影響的就不只是晶片團隊，還有產品、採購、以及雲端定價。

從產業角度看，這也是中國雲廠的共同題目。誰能把 AI 推論成本壓低，誰就比較有機會在企業市場拿到長約。硬體不是全部，但它會直接反映在毛利上。

接下來該看什麼

我會盯兩件事。第一，這顆 RISC-V CPU 會不會真的進到阿里雲的正式 instance。第二，它在真實 workload 下，能不能把每 token 成本壓下來。

如果這兩件事都成立，阿里巴巴就不只是多一顆晶片，而是多一套可重複的雲端成本模型。那時候，其他雲廠也會開始想：我們有沒有必要自己做一顆？

我的判斷是，接下來 12 到 18 個月會很關鍵。這段時間會看出來，阿里巴巴的 RISC-V 路線是內部優化，還是會變成更大規模的伺服器策略。你如果是做雲端架構或 AI 產品，現在就該開始問供應商一句話：你的推論成本，是不是還有機會再降？

這問題很土，但很重要。因為最後真正決定誰能活得久的，通常不是簡報，而是單位成本。