国产算力“训推一体”进入落地期:千问上平头哥芯片、百炼用国产芯片推理,长沙企业智能体项目的三层算力栈

分享:微博LinkedIn· 复制链接 点击复制
📌 核心要点

11 月 19 日这一天,两条互不相干的公司消息,指向了同一个方向。 一条来自阿里巴巴。在 2027 财年第二季度财报分析师电话会上,阿里巴巴集团 CEO 吴泳铭表示,千问已经在平头哥芯片上训练下一代模型,百炼已经基于国产芯片提供模型推理服务;他还提到,2027 年以后阿里云的芯片供给都会以国产平头哥芯片为主,同时也会采购其他国产芯片来支持内部推理需求(来源:财联社、界面新闻,转引自 IT之…

11 月 19 日这一天,两条互不相干的公司消息,指向了同一个方向。

一条来自阿里巴巴。在 2027 财年第二季度财报分析师电话会上,阿里巴巴集团 CEO 吴泳铭表示,千问已经在平头哥芯片上训练下一代模型,百炼已经基于国产芯片提供模型推理服务;他还提到,2027 年以后阿里云的芯片供给都会以国产平头哥芯片为主,同时也会采购其他国产芯片来支持内部推理需求(来源:财联社、界面新闻,转引自 IT之家 2026 年 11 月 19 日报道)。

另一条来自范式智能(原第四范式)。据量子位 2026 年 11 月 19 日报道,范式智能发布了自研基座模型 Phai-A1(通用语言模型)与 Phai-M1(面向真人影视场景的视频生成模型),全流程在华为昇腾平台上完成训练与后训练优化,两款模型近期将在 Hugging Face 与 ModelScope 开放权重。

两条消息合在一起,说明国产算力正在从”能跑起来”走向”能训练、能推理、能交付”。这件事对长沙企业的意义,不在于要不要立刻把智能体项目搬上国产芯片,而在于一件更具体的事:企业项目里的模型、算力、运维这三层责任边界,正在被重新划分。换句话说,下一份采购文件里,多出来的往往不是一张价格表,而是一张版本矩阵和一份责任边界表。

一、供给侧的两个变化,和一个反向信号

先把这三组事实放在一起,因为它们构成本文的判断基础。

变化一:训练环节搬进了国产芯片

范式的表述值得完整看一遍。据量子位报道,Phai-A1 主打代码开发与智能助手场景,官方给出的对比口径是:在同一任务质量的比较条件下,响应速度比同参数级别模型快约 8 到 10 倍;这组对比的两个模型都跑在单张 RTX 3090 上,跑的是同一版本的代码智能体。官方同时提到,Phai-A1 的后训练数据直接覆盖百万 Token 场景,属于原生长上下文而非后拼接;两款模型全流程在华为昇腾平台上完成了专项后训练优化,有 ModelHub XC 社区支持(来源:量子位 2026 年 11 月 19 日报道,转述范式方面介绍)。

阿里侧的表述更直接:千问已经在平头哥芯片上训练下一代模型。往前推一步看这块硬件本身:据 IT之家 2026 年 11 月 19 日报道,平头哥在 2026 年 9 月云栖大会上发布了新一代训推一体 AI 芯片真武 V900,配备 216GB 显存、1200GB/s 片间互联带宽,原生支持 FP8 与 FP4 精度,官方称性能较上一代真武 M890 提升至三倍,计划 2027 年一季度量产上市。公开数据显示,基于平头哥处理器 IP 授权生产的芯片累计出货已超过 60 亿颗,AI 芯片累计出货 56 万片。2026 年 11 月 10 日,阿里巴巴公告宣布分拆平头哥赴港独立上市,不同机构给出的估值区间为 200 亿美元至 620 亿美元。

变化二:推理环节也开始落到国产芯片上

训练侧的进展往往更容易上头条,但对企业更贴身的是推理侧。百炼(即阿里云大模型服务平台 Model Studio)已经基于国产芯片提供模型推理服务,这个平台面向全体阿里云用户提供覆盖文本、图像、音视频等多模态场景的 100 多个基础模型,同时支持模型微调、独享算力预留及 MaaS 服务。吴泳铭的补充说明是:旗舰芯片会优先满足大模型的训练以保障模型迭代,推理层面则尽量采购更多不同品牌的国产芯片(来源:IT之家 2026 年 11 月 19 日报道)。

反向信号:国际算力通道同时在变贵和变窄

同一天还有一组方向相反的信息。据 IT之家 2026 年 11 月 19 日报道,英伟达在财报电话会议上披露,随着 AI 推理需求持续增长,旗下不同代际 GPU 的租赁价格均出现上涨:Hopper 架构 GPU 的多年期续约租赁价格最高达原价的 2 倍,Blackwell 架构 B300 GPU 的租赁价格较推出时上涨超过 60%。英伟达临时 CEO 兼 CFO 科莱特·克雷斯在同场表示,自 5 月以来 AI 词元价格下降近 60%,进一步刺激了用量和算力需求增长。

另一条来自《金融时报》的报道:英伟达已要求全球数据中心及云服务合作伙伴,将至少 51% 的服务提供给非中国客户,该要求通过销售团队口头传达,适用于未来签订的合同,不涉及现有租赁协议。同一篇报道提到,一套国际市场售价约 60 万美元(约合 400.8 万元人民币)的 B300 机架系统,上个月在中国市场的售价据称达到 1850 万元人民币(来源:IT之家 2026 年 11 月 19 日报道,转引自《金融时报》)。

把国内这两条消息和这一条海外消息放在一起,能看到一个对称的结构:一边是国产供给从训练端往推理端补位,另一边是海外供给在价格和通道上收紧。对没有自建机房、靠 API 或云服务调用模型的长沙企业来说,这两件事指向的并不是”赶紧换栈”,而是”采购谈判的结构变了”。

口径说明:本文涉及的支出类数据来自不同机构、不同定义,不能相互相减。Gartner 于 2026 年 11 月 12 日发布的预测是:全球人工智能支出将在 2027 年达到 4.05 万亿美元,同比增长 47.5%,其中人工智能基础设施支出约 2.4 万亿美元、增幅 53%,人工智能智能体和助手支出从 2026 年的 300 亿美元升至 670 亿美元,生成式人工智能模型支出从 280 亿美元升至 510 亿美元(来源:IT之家 2026 年 11 月 19 日报道)。这与我们在《AI算力成本对比:长沙中小企业的算力来源选择清单》里记录的高盛 2030 年全球数据中心容量预测、摩根士丹利十年资本开支区间,属于完全不同的统计口径,请勿混用。

二、模型层:权重拿不拿得到,拿到跑不跑得动

国产算力训推一体要真正承接业务,前提是模型这一层先落地。11 月的公开信息里,模型层的可获得性正在提高:范式宣布 Phai 系列即将在 Hugging Face 与 ModelScope 开放权重;阿里董事会主席蔡崇信在公开场合表示,只有开源才能推动 AI 普及,千问开源模型已超过 470 款;Qwen4 系列中小尺寸模型也将陆续开源(来源:IT之家 2026 年 11 月 19 日报道)。

我们此前在《通义千问 Qwen4-Max 正式上线:2.4万亿参数、单任务成本降58%》里记录过 Qwen4-Max 的口径:总参数 2.4 万亿,每个 Token 激活 71B,上下文 100 万 Token,官方给出的单任务平均费用从 26.58 元降至 11.16 元。这些是模型侧的账。但对准备把模型放进自己机房的团队来说,还有一道更早的门槛。

这道门槛我们在《DeepSeek 开源 DeepInfer 推理框架:昇腾 950 与 Blackwell 双适配,私有化推理的四道现实门槛》里已经写得很清楚:可下载不等于可本地运行。一个总参数量 2.8 万亿、以 BF16 存储约 5.6TB 的模型,即使做 INT4 量化仍需约 1.4TB,单机消费级显卡基本不具备部署可能;当时 Kimi 的公开权重也要配套昇腾的专门适配才跑得动。所以模型层的判断只有两条:一是许可证是否允许你的商业场景,二是量化后的体积与显存是否匹配你能拿到的卡。这两条不解决,讨论国产算力没有意义。

三、算力层:跑在哪张卡上

供给端的变化已经清楚,需求端的数据则解释了为什么这个变化发生得这么密集。

据 IT之家 2026 年 11 月 19 日报道,在 11 月 19 日至 20 日举行的 2026 集成电路发展论坛(北京)上,中国半导体行业协会集成电路设计分会主任魏少军教授预测,2026 年国内芯片销售额将突破 1.5 万亿元,同比增幅达 89%;分区域看,长三角产业规模领先、销售额约 9700 亿元,粤港澳大湾区 3044 亿元、增长 28%,京津冀环渤海地区 2168 亿元、增长 38.4%,中西部地区 2730 亿元、增速高达 80%。长沙所在的中部,恰好在增速最陡的位置上。

需求侧则有两个官方口径。11 月 19 日,商务部消费促进司负责人介绍 2026 年 1—10 月消费市场情况,据商务部商务大数据显示,重点平台智能眼镜销售额增长 1 倍,外骨骼助力器销售额增长 44.4%,具身智能机器人销售额增长 25.2%;同期限额以上单位通讯器材(含手机)零售额增长 16.5%,文化办公用品(含电脑、平板)零售额增长 6.0%。11 月 18 日,工业和信息化部等六部门公布 2026 年度领航级智能工厂培育名单,共 34 家工厂入选,这是我国智能工厂梯度培育体系中的顶层级别,其下依次为基础级、先进级和卓越级;官方同时披露,第二批领航工厂全员劳动生产率平均提升 34.4%,生产效率平均提升 19.3%,这 34 家工厂已累计带动近 4000 家企业协同开展数字化、智能化升级(来源:IT之家 2026 年 11 月 19 日报道)。

这条名单里有一个对长沙读者很具体的细节:34 家中湖南占 2 席,分别是特变电工衡阳变压器有限公司和株洲中车时代电气股份有限公司,长沙没有企业入选。这不是坏消息,反而是一张现成的台阶表——梯度培育体系里的基础级、先进级,是长沙企业够得着的层级。

把需求和供给合起来,算力层就出现了一个过去没有的选择题:跑在国产芯片上,还是继续跑在原有的国际通道上?这里必须把话说清楚,不是所有场景都值得重新论证。参照我们在《AI算力成本对比:长沙中小企业的算力来源选择清单》里拆过的四层成本结构(显性资产投入、按量服务支出、隐性人力与集成、返工与机会成本),以及私有化推理的四道现实门槛,值得专门论证国产私有化部署的,通常是下面这三类场景:

  • 数据确实不能出域:客户合同、财务底稿、人事档案这类内容,脱敏与权限隔离的代价高于自建;
  • 负载足够稳定:调用量长期处于高位,排队与限流已经开始影响交付节奏;
  • 有国产化或信创的硬要求:招标文件或客户方的供应链审查里明确要求国产芯片与国产模型的适配证明。

三类都不满足的,继续用云端 API 或现有托管服务,通常仍是更务实的路径——这一点在《智能体托管部署还是自建:Kimi 开放权重与昇腾适配之后,中外企业级 Agent 服务的四条分界线》里已经展开过,本篇不再重复。

四、交付与运维层:出了事谁负责

这是过去半年里变化最大、也最少被写清楚的一层。国产算力训推一体的链路上,正在出现两种典型的组织形态:

阿里是全栈同源:芯片(平头哥)、模型(千问)、平台(百炼)都在同一家手里。吴泳铭的说法是,自研芯片与自研模型的深度协同会持续转化为更优的单位算力成本和更高的 AI 应用研发效率。范式则是另一条路线:据量子位报道,Phai 系列已全量接入其 PhanRouter、ModelSphere、Phanthy(万神殿)、PhanthyMovie、PhanthyCode/Work 等产品线;范式此前在国产 AI 生态上的投入包括异构算力纳管的 HAMi,以及芯片模型适配层面的信创模盒社区。

全栈同源的好处很实在:版本天然对齐,出了问题只需要找一家;风险也很实在:绑定加深,一旦某个版本的稳定性不达预期,整条链路没有现成替代。多供应商混合则相反——能力组合更灵活,但版本矩阵、适配验证、故障定界要企业自己扛。判断标准可以沿用我们在《智能体托管部署还是自建:Kimi 开放权重与昇腾适配之后,中外企业级 Agent 服务的四条分界线》中梳理的边界,这里只补一条更具体的:先分清楚哪些模块必须同源(通常是模型与推理框架的版本组合),哪些可以异构(通常是应用层与数据层)。把必须同源的部分交给一家负责,把可以异构的部分留给多家竞争,是目前比较省力的组合方式。

落到采购文件上,有四件事建议在合同附件里写死,它们都属于可验证条款,不需要企业自己承担判断风险:

  1. 版本矩阵与兼容范围:模型版本、推理框架版本、驱动与固件版本的对应关系,以及明确不支持的组合;
  2. 升级节奏与变更窗口:谁决定升级、提前多久通知、重大版本切换是否提供并行运行期;
  3. 故障定界与响应口径:硬件、模型、框架、应用四层各自的定界责任,以及对应的响应时限与赔付条款;
  4. 数据与日志归属:推理日志、提示词记录、向量数据的存留位置、可导出范围与销毁机制。

这四条的必要性,和智能体进入终端后的合规要求是相通的——我们在《智能体终端进网管理新规:工信部四项任务拆解,长沙 AI 应用与智能硬件企业的合规准备动作》里提到过,能被写进合同的条款,比停留在架构图上的设想有用得多。

五、长沙企业现在可以落地的三件事

如果把上面的分析翻译成这个月就能做的动作,大致是三件。

动作一:把在跑的智能体场景分成两类。一类是算力不敏感的——内部知识问答、文档摘要、报表生成、客服辅助,这些场景用云端服务或托管运行时更省事,不要动。另一类是算力敏感且数据敏感的——合同审查、质检判定、财务底稿处理、经销商价格测算,这一类才进入国产私有化论证清单。分类做完后,论证范围通常会缩小到两三个场景,而不是”整个智能体项目”。

动作二:先把版本矩阵和责任边界写进下一份采购文件。这件事不需要预算,也不需要换供应商,而且下一次招标、续约或比价时就能派上用场。这也是应对”算力供给变紧”最实际的一步——当供应商的国产芯片产品线在快速迭代时,能约束住版本节奏的企业,交付确定性会明显更高。

动作三:优先用现成的本地算力,不要自建机房。湖南省的”六张网”文件把算力网与水电网、通信网、物流网并列,其中第(八)条明确算力项目优先采用源网荷储、绿电直连等方式供电,第(十二)条推动实施一批产业园区智改数转项目,第(十三)条要求省市县国企每年开放 50 个以上各类场景(来源:湘政办发〔2026〕62 号);我们在《湖南”六张网”20项举措:算力网与数算电协同之后,长沙中小企业能接的三类活与四个对接节点》里拆过这三类活与四个对接节点。场景来源上,湖南场景超市上架的 279 个机会及其对接路径,在《长沙AI应用场景从哪找:湖南场景超市上架279个机会后的三条对接路径》里已经梳理过。对预算在数万元到二十万元级的企业来说,”接入现成算力与场景”通常比”自建推理集群”更匹配现金流节奏。

一张速查表,大致是这样:

层级要确认的一件事可以向谁要到答案
模型层许可证是否覆盖你的商业场景;量化后体积与可用显存是否匹配模型发布方、开源仓库的 LICENSE 与技术报告
算力层你要私有化的那类场景是否真的落在”数据不出域 / 负载稳定 / 有国产化要求”之一里云厂商的国产芯片产品页、供应商的适配清单
交付与运维层版本矩阵、升级窗口、故障定界、日志归属是否写进合同你自己的采购与法务,别指望对方主动写

回到开头那两条消息。阿里把模型训练搬上自研芯片,范式把训练与后训练全流程放在昇腾上并准备开源权重,国产算力训推一体由此具备了从训练到推理的闭环条件。这两件事真正改变的,是企业做智能体项目时可选的货架,以及在货架之间切换的难度。对长沙的企业决策者来说,重要的不是判断哪家路线更优——这两家走的都是同一条方向;而是趁项目还在小规模运行阶段,把”模型、算力、运维”这三层的关系理顺,让下一次扩容、换型或招标发生时,你有底气谈条件。

免责声明:本文基于行业通用场景分析与公开信息整理撰写,所述效果为典型应用中的可能表现,具体结果因行业、业务规模及实施条件而异,不构成对预期效果的承诺。文中提及的企业与产品信息均来自公开报道与官方口径,不代表与相关企业存在合作或商业推荐关系。

想在你的业务中落地AI智能体?

我们的AI专家会免费为您出具可行性评估报告

或添加微信 hanlinxx 直接沟通

发表评论

您的邮箱地址不会被公开。 必填项已用 * 标注

湘ICP备19021114号-1
免费获取方案 联系专家 微信
滚动至顶部