作者丨思原 编辑丨江蓠、九黎
16年前，在热闹的阿里巴巴十周年庆典上，阿里云默默成立，并且 启动了“飞天”云计算项目，当时国内几乎没人真正理解“云”是什么，只知道这是一件“烧钱无底洞”的事，更没人看得清其未来的商业价值。
然而，正是这个看似“提前了十年”的决策，使阿里在今天AI以及云的热潮中赢得了先手。
过去两年里，云厂商的竞争焦点主要集中在“卷模型”和“卷价格”上，如今，算力成为数字时代的“石油”，云厂商的竞争逻辑也从“应用层”转向了“基础设施层”。
有消息称，阿里的新款AI芯片已经在测试中，且新一代芯片兼容英伟达生态但性能超越H20，新的芯片不再由台积电代工，转为由国内一家企业代工。
虽然这个消息还未得到官方证实，但消息传出时正值阿里巴巴发布第二季度财报，CEO吴泳铭在电话会议上的说法与传闻并不产生冲突：“根据全球AI芯片的供应和政策的变化，我们其实也有后备方案，和不同的合作伙伴共同去做供应链的不同方式的储备。”
各家自研AI芯片陆续迭代，标志着中国云计算巨头们的竞争已从单纯的价格战、规模战，延伸至底层硬件层面。这不仅是技术自主的突破，更是一场关于未来AI和云计算市场主导权的战略卡位。
这不再是谁能提供更多存储、更快网络的速度竞赛，而是转向了指甲盖大小的硅片上的较量。当算力成为数字时代的"新石油"，自研芯片能力正成为云厂商最核心的竞争力。
阿里将行业拖进“芯片竞赛”
过去十多年的时间里，中国云计算行业的共识是“买英伟达、做应用、打价格战”。这一模式的问题在于，云厂商的命门掌握在英伟达手中。
英伟达A100/H100芯片的单价高达1.5万-2万美元，且受美国出口管制限制，一旦供应链断裂，云厂商的业务将面临系统性风险。此外，高昂的GPU成本也严重侵蚀着云厂商的毛利率。
这种“买算力”的模式本质上是“运营游戏”：云厂商通过降价吸引客户，但降价空间有限，因为GPU成本是刚性的。
而根据报道，阿里正在开发的AI芯片，意在填补英伟达在中国市场的空白，目前，这款芯片已进入测试阶段，主要面向更广泛的AI推理任务，还能够兼容英伟达的软件生态，这意味着开发者几乎无需重写代码，就能使用国产芯片。
虽然阿里云暂未对此做出回应，不过事实是阿里自研芯片，是符合行业发展势头的。正如财报所言“我们将继续对客户增长与技术创新进行投入，包括AI产品和服务，以提升AI领域的云采用量，并维持市场领先地位。”
阿里蔡崇信近期表示，AI大模型的建立非常依赖于计算能力，当前国内企业的芯片存货可以支持AI大模型未来18个月的训练需求，但是到了大模型下一阶段的“推理（Inference）”应用，并不一定要使用英伟达最顶级的高端计算芯片，市场上有很多选择。
其实阿里的芯片业务归在阿里云，最早可追溯到7年前收购中天微成立“平头哥”。也是当时，平头哥被一分为二：做RISC-VIP的“玄铁”划到达摩院，主要是技术探索，不以盈利为目标；另一部分留在阿里云，专注自研服务器芯片，已经实际投入使用。
互联网大厂自己做芯片并不稀奇。因为它们本来就有海量的云业务，对芯片和服务器的需求巨大。国外领先的云厂商，亚马逊、谷歌、微软等，无一不在设法走“云+自研芯片”路线，以此降低对外界的依赖。
自研AI推理芯片，一方面可以减少对英伟达等外部供应商的依赖，增强供应链韧性，保证算力供给。另一方面，也能提升其定价权与成本控制能力，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。反映到云服务上，就是算力性价比提升超过30%，单位算力功耗降低60%。高性价比的AI算力服务，自然会吸引海量的AI开发者和企业客户。
对于国内的云厂商来说，“算力自主可控”便是区别于价格战的新故事，而不管是阿里买寒武纪芯片，还是自研芯片的传闻，都是围绕这个目标来的，未来云计算的竞争规则也将从“运营游戏”（价格战、规模战）升级为“工艺和资本的游戏”。
生态兼容与技术主权的博弈
当阿里在芯片领域高歌猛进时，中国其他云厂商也各自布局，但家家有芯的背后是家家有坎的现实困境。
百度手里的昆仑芯片在性能上不乏亮点，百度昆仑芯超节点在8月宣布全面启用，并接入百度公有云服务。昆仑芯3万卡集群也于今年正式点亮，可同时承载多个千亿参数大模型的全量训练，支持1000个客户同时做百亿参数的大模型精调。
但昆仑芯研发的初衷，是为了百度的AI生态体系服务，跟飞桨PaddlePaddle框架+文心大模型+百度云深度绑定，这就导致了它不是一个开放性的生态，上限受到限制。相比之下，能够兼容英伟达CUDA路线的芯片，可以消除开发者的平台迁移成本，市场的接受度更高。
腾讯此前推出了三款自研芯片，分别为AI推理芯片“紫霄”、视频转码芯片“沧海”以及智能网卡芯片“玄灵”。还曾与AMD合作推出星星海智慧木系GA01 GPU卡。只是这些芯片主要的运用场景各不相同，对业务带来的实际价值也十分有限。
对于AI运算依托的芯片，腾讯管理层在前不久的业绩分享会上表示，芯片进口的情况还需要观察。腾讯目前有足够的芯片来做训练，并升级现有模型，推理方面则有不同的芯片选择。
腾讯管理层还表示，GPU供应情况变幻莫测，公司不会过度依赖于此。如果腾讯有足够的GPU，可以在云上出租更多资源，但云策略不会过度依赖于当前的GPU资源。腾讯会关注一些重要的因素，从而实现云业务更快增长。
腾讯的打法更像个聪明的基金经理，在牌桌上四处下注，这种策略虽然不会输掉整个游戏，但也注定了永远无法All in。换句话说，这种模式分散了风险，但也使其难以形成软硬一体的深度协同效应。
华为凭借昇腾系列芯片在这场竞赛中占据特殊地位。昇腾910作为全球单芯片计算密度最大的AI处理器，算力达到256TFLOPS，是英伟达V100的2倍以上。
但华为面临着最为严峻的挑战——因为制裁被锁在7nm工艺，代工上的限制让单卡能效落后同代GPU20%以上。华为昇腾910C性能据称达到H100的76%，2025年910B/C预计各出货35万片，主要供电信、国企及大型云服务商。
华为云CEO张平安的表态耐人寻味，“芯片重不重要？重要。但更重要的是，能够提供客户所需要的计算结果。”这实际上反映了华为的战略转向——通过系统级创新弥补单点不足。其CloudMatrix384超节点声称每卡性能可达英伟达H20三倍，正是这种思路的体现。
家家有芯，却家家有坎是当下国产云厂商的困境，性能、工艺、生态三道门槛拦住了各大厂商，这些挑战背后是全球芯片产业的竞争升级，中国云厂商的芯片自研不仅是为了应对国内竞争，更是为了在全球AI基础设施竞赛中占据一席之地。
价格战成历史，“成片”将决胜负
云计算行业的终局竞争正在被重新定义。当芯片成为核心竞争力，决定云厂商生死的不再是服务器数量，而是三个关键指标：规模量产能力、先进工艺掌控力和场景优化深度。这三个维度构成了云计算新时代的“生存三定律”。
规模量产能力是降低成本的关键。IDC数据显示，阿里云在中国AI基础设施市场的份额超过第二名和第三名的总和，这种市场地位带来的规模化采购能力，使其芯片研发的固定成本能够摊薄到足够多的用户身上。
相比之下，腾讯的"投资+自用"模式虽然风险较低，但难以形成足够大的量产规模，导致单位成本居高不下。百度和华为则受制于生态和工艺限制，短期内无法实现规模效应。这种差距使得阿里能够以更低的价格提供更高性能的算力服务，形成"规模-成本-市场"的正向循环。
先进工艺掌控力决定技术代差，4nm节点的布局使其芯片能效比相比7nm工艺提升约30%，这种优势在大型数据中心场景下会被放大为巨大的运营成本优势。例如华为昇腾910B因停留在7nm工艺导致能效比落后20%，这个数字背后是每年数亿元的额外支出。
再好的芯片如果不能适配实际应用场景，也无法发挥全部性能。多样化的场景需求为芯片优化提供了丰富的反馈数据，这种"场景定义芯片"的模式，相比单纯追求参数的芯片设计更具实际价值。百度的昆仑芯片和华为的昇腾芯片虽然在特定场景表现出色，但在未来，大家拼的将会是在多元化的场景中的打磨优化能力。
单一维度的突破已不足以改变竞争态势，这三大定律的共同作用，正在重塑云计算行业的竞争格局。
回望云计算的发展历程，从最初的服务器托管到如今的AI算力服务，每一次行业升级都伴随着核心技术的革新。价格战、规模战已成过往，芯片级的竞争刚刚开始，这不仅是企业战略的选择，更是产业发展的必然。
自研芯片背后是百亿级的投入和数年的研发周期。芯片自主化浪潮下，中国云计算市场将重新洗牌。而一次失败流片可能意味着数亿资金的损失和一年的时间窗口，当然，对于没有流片能力的企业，也终将在竞争中被逐渐边缘化。
参考资料：
财联社，《事关AI芯片，阿里发声》
源Byte，《不卖芯片，才是阿里的大生意》
科创 版日报《事关AI芯片！阿里发声：支持国产为真大规模采购寒武纪不实》
量子位，《阿里市值一夜暴涨368亿美元！造AI芯传闻+业绩双重推动，AI产品连续8个季度三位数增长》
