阿里真武M890芯片与Qwen3.7‑Max模型：构建国产AI算力生态

阿里将其定位为适配“AI代理（Agent）时代”的计算平台。这类AI系统不仅回答问题，还会规划任务、调用工具并执行多步骤流程，因此需要更大的内存容量和更快的处理器通信速度。

高速互联：解决大规模AI集群瓶颈

在AI计算系统中，芯片之间的数据交换速度往往决定整体性能。为此，真武M890采用了阿里自研的并行计算架构：

• 800GB/s芯片间互联带宽，用于加速多芯片协同计算。
• 搭配自研网络芯片 ICN Switch 1.0，可实现64卡全带宽互联。

这种架构主要解决大模型训练中的通信瓶颈问题，使数十甚至上百个加速器能够高效协同工作。

磐久AL128：128卡超节点服务器

为了将芯片能力转化为可部署的基础设施，阿里云同时发布了磐久（Panjiu）AL128超节点服务器。

该系统将128颗AI加速芯片整合到一个计算节点中，并通过ICN Switch 1.0实现低延迟互联，从而减少分布式计算中常见的通信开销。

这类高密度服务器主要用于：

• 超大规模模型训练
• 高并发AI推理服务
• AI代理系统的任务调度与运行

通过同时设计芯片与服务器架构，阿里可以对整套系统进行优化，而不完全依赖第三方硬件供应商。

Qwen3.7‑Max：面向AI代理的大模型

与硬件同步发布的还有阿里最新的旗舰大模型Qwen3.7‑Max。

该模型被定位为AI代理的基础模型，在以下方面表现突出：

• Agent式编程与工具调用
• 复杂推理能力
• 长时间任务执行（long‑horizon tasks）

阿里表示，该模型可以在长时间自主运行的情况下保持稳定性能，最长可持续执行任务约35小时而不明显退化。

这种能力对于自动化软件开发、数据分析、企业流程自动化等场景尤为重要，因为这些任务通常需要持续规划和执行多个步骤。

构建“全栈AI平台”

从整体来看，阿里的战略是打造类似Nvidia生态的垂直整合AI平台，覆盖多个层级：

• 自研AI芯片（真武系列）
• 高密度服务器与集群架构（磐久系统）
• 阿里云AI服务与模型平台
• 基础大模型（Qwen系列）

这种全栈模式能够让硬件、网络与软件深度协同，从而提高AI工作负载的整体效率。

阿里将这一方向称为“Agentic时代”——在这个阶段，AI不仅生成内容，还能自主规划任务、调用外部工具并执行复杂流程。

芯片路线图：V900与J900

在发布会上，阿里还首次披露了真武系列的后续发展计划：

• 真武V900：预计2027年推出
• 真武J900：预计2028年推出

这一路线图显示公司计划持续提升自研AI芯片性能，以逐步缩小与国际领先加速器生态的差距。

中国AI算力自主化的重要一步

阿里此次发布的芯片、模型和服务器系统，也反映了中国科技行业的一种趋势。

随着美国对先进AI处理器的出口限制加强，中国企业越来越重视开发本土AI芯片和算力基础设施。

如果阿里的全栈方案成功落地，中国开发者可能获得一个完整的平台——从底层芯片到云服务——用于训练和部署大模型以及AI代理应用。

不过，目前关于真武M890性能的多数数据来自公司披露或媒体报道。与Nvidia H100等国际主流AI加速器的独立基准测试仍然较少。

即便如此，这次发布已经释放出一个明确信号：在全球AI竞争中，大型云厂商正争夺AI技术栈的每一层控制权，而阿里正试图成为中国本土AI基础设施的重要参与者。