韶关项目到底部署了什么？

据多家媒体报道，阿里巴巴与中国电信于2026年4月在广东韶关启用了一座AI数据中心，初始配置为1万颗由阿里巴巴旗下芯片设计部门平头哥（T-Head）开发的含武（Zhenwu）AI加速器。5813

这不是面向普通消费者的传统云数据中心，而是一套用于大模型训练和推理的集中式算力基础设施。报道显示，该集群能够处理参数规模达数千亿级的模型；其网络架构还被描述为支持低延迟互联，使大量芯片协同工作时更接近一个统一计算系统。28

项目的背景是美国持续收紧对英伟达及其他先进AI芯片和相关技术的出口限制。对中国科技企业而言，挑战不仅在于“能不能买到一张GPU”，还在于能否长期获得稳定的芯片供应、软件适配和大规模集群部署经验。因此，韶关项目的意义并不只是找一个英伟达产品的替代品，而是搭建一套由中国企业主导的计算平台。13

谁在拥有和运营这座数据中心？

从目前公开报道看，更准确的表述是：这是一个由中国电信拥有并运营、以阿里技术为核心的合作项目。5

中国电信负责数据中心的基础设施和运营，阿里巴巴提供平头哥设计的含武加速器，阿里云则贡献云服务、AI软件工具和模型部署能力。换句话说，阿里巴巴并不是单独建设并运营整座数据中心，而是与电信运营商共同完成从芯片到算力服务的落地。

这种分工也有现实意义。电信运营商拥有数据中心建设、网络连接和企业客户服务能力；阿里巴巴则可以把自研芯片、云平台和模型技术放入真实生产环境中验证。两者结合，有助于将芯片从实验室设计推进到可被企业调用的算力服务。

1万颗如何扩展到10万颗？

公开信息显示，韶关集群未来可能扩展至10万颗芯片。5711

如果扩容实现，项目将从一次大规模示范部署，进一步转向面向企业和公共部门的共享算力平台。可能受益的工作负载包括：

• 医学影像分析和药物研发；
• 材料发现、工程模拟与科学计算；
• 制造业流程优化和工业智能化；
• 政府部门的AI服务与数据处理。

这些是与大规模AI算力相匹配的应用类别，但目前公开资料并未充分披露具体签约用户或已经上线的行业项目。因此，相关行业应用应理解为潜在使用方向，而不是已被逐一证实的商业成果。

扩容的关键也不只是增加芯片数量。要让10万颗加速器稳定运行，还需要配套的高速网络、存储、散热、软件编排、任务调度和故障管理系统。芯片能否在不同模型和不同云服务中高效协同，将直接影响扩容后的实际利用率。

为什么阿里巴巴要坚持自研芯片？

自研加速器最大的价值，在于让阿里巴巴获得更强的软硬件协同设计能力。如果完全依赖外部GPU，云服务商通常需要围绕供应商的芯片规格、软件生态和产品更新节奏进行适配；拥有自己的芯片后，阿里可以更直接地调整：

• 内存容量与带宽；
• 芯片间网络连接；
• 大模型训练和推理所需的算子与内核；
• 推理吞吐量和集群调度策略；
• 芯片供应、部署节奏与单位成本。

这会增强阿里云对AI服务成本、性能和扩展速度的控制，也能减少对受限制进口GPU的暴露程度。对中国AI产业而言，更重要的是，真实部署会带来芯片使用反馈、软件工具链和客户需求，进而形成围绕国产加速器的应用生态。13

不过，自研芯片并不自动等于性能已经追平英伟达的前沿产品。现有公开资料中的效率和吞吐量说法主要来自项目相关报道，独立、可复现的横向基准测试仍然不足。因此，更稳妥的判断是：含武芯片证明了国产方案可以进行大规模部署，但尚不能据此确认其整体性能与英伟达顶级AI加速器相当。

含武集群与通义千问有什么关系？

阿里巴巴正在尝试构建的不只是单一模型，而是一条包括芯片、服务器系统、数据中心、云服务和基础模型在内的完整技术链。通义千问（Qwen）正是这条链条中的模型层。

通义千问最初于2023年4月以测试版推出，随后于2023年9月在中国面向公众开放。25 早期Qwen模型被广泛描述为基于或接近Meta的Llama系列架构；随着版本迭代，阿里逐步发展出自己的稠密模型、多模态模型和混合专家（MoE）架构。25

阿里巴巴在2026年4月发布了托管模型Qwen3.6-Plus，重点强调智能体编程、多模态感知和推理能力。阿里云资料还显示，该模型提供100万令牌上下文窗口，有利于处理大型代码仓库、长文档和需要频繁检索信息的工作流。

“针对RAG优化”更适合被理解为一种工作负载或使用场景描述，而不是说该基础模型只能用于检索增强生成。Qwen3.6-Plus可以服务于代码代理、工具调用、多模态理解和复杂任务执行等更广泛的场景。

还需要注意“最新版本”这一说法的时间限定：Qwen3.6-Plus在发布时被称为旗舰系列的最新迭代，但阿里巴巴当前模型页面已经列出Qwen3.7-Plus。因此，除非明确说明时间点，否则不宜继续把Qwen3.6-Plus称为Qwen的最新版本。11

这对中美AI竞争意味着什么？

韶关项目的战略信号在于，阿里巴巴试图把AI竞争从“谁拥有最强单一模型”扩大到“谁能掌握完整的AI供应链”。

在这一模式下，芯片设计可以围绕模型需求优化，模型和编译工具可以针对芯片调整，云平台负责把能力包装成服务，电信运营商则提供数据中心、网络和客户触达。这样的垂直整合，可能帮助阿里在供应受限的环境中保持更大的部署自主权，并控制成本和扩容节奏。

但这条路线仍面临芯片制造、软件生态、规模化运维和独立性能验证等挑战。就目前证据而言，韶关集群更适合被视为中国推进自主AI基础设施的重要大规模部署案例，而不是国产芯片已经全面取代英伟达的证明。

将含武集群与Qwen放在一起看，阿里巴巴的目标十分清晰：在中美AI竞争加剧、先进芯片获取难度上升的背景下，同时经营模型、云服务、数据中心和芯片。未来竞争的胜负，可能不仅取决于模型回答得多好，也取决于企业能否稳定获得并高效运行支撑这些模型的计算能力。

韶关项目到底部署了什么？

据多家媒体报道，阿里巴巴与中国电信于2026年4月在广东韶关启用了一座AI数据中心，初始配置为1万颗由阿里巴巴旗下芯片设计部门平头哥（T-Head）开发的含武（Zhenwu）AI加速器。5813

这不是面向普通消费者的传统云数据中心，而是一套用于大模型训练和推理的集中式算力基础设施。报道显示，该集群能够处理参数规模达数千亿级的模型；其网络架构还被描述为支持低延迟互联，使大量芯片协同工作时更接近一个统一计算系统。28

项目的背景是美国持续收紧对英伟达及其他先进AI芯片和相关技术的出口限制。对中国科技企业而言，挑战不仅在于“能不能买到一张GPU”，还在于能否长期获得稳定的芯片供应、软件适配和大规模集群部署经验。因此，韶关项目的意义并不只是找一个英伟达产品的替代品，而是搭建一套由中国企业主导的计算平台。13

谁在拥有和运营这座数据中心？

从目前公开报道看，更准确的表述是：这是一个由中国电信拥有并运营、以阿里技术为核心的合作项目。5

中国电信负责数据中心的基础设施和运营，阿里巴巴提供平头哥设计的含武加速器，阿里云则贡献云服务、AI软件工具和模型部署能力。换句话说，阿里巴巴并不是单独建设并运营整座数据中心，而是与电信运营商共同完成从芯片到算力服务的落地。

这种分工也有现实意义。电信运营商拥有数据中心建设、网络连接和企业客户服务能力；阿里巴巴则可以把自研芯片、云平台和模型技术放入真实生产环境中验证。两者结合，有助于将芯片从实验室设计推进到可被企业调用的算力服务。

1万颗如何扩展到10万颗？

公开信息显示，韶关集群未来可能扩展至10万颗芯片。5711

如果扩容实现，项目将从一次大规模示范部署，进一步转向面向企业和公共部门的共享算力平台。可能受益的工作负载包括：

• 医学影像分析和药物研发；
• 材料发现、工程模拟与科学计算；
• 制造业流程优化和工业智能化；
• 政府部门的AI服务与数据处理。

这些是与大规模AI算力相匹配的应用类别，但目前公开资料并未充分披露具体签约用户或已经上线的行业项目。因此，相关行业应用应理解为潜在使用方向，而不是已被逐一证实的商业成果。

扩容的关键也不只是增加芯片数量。要让10万颗加速器稳定运行，还需要配套的高速网络、存储、散热、软件编排、任务调度和故障管理系统。芯片能否在不同模型和不同云服务中高效协同，将直接影响扩容后的实际利用率。

为什么阿里巴巴要坚持自研芯片？

自研加速器最大的价值，在于让阿里巴巴获得更强的软硬件协同设计能力。如果完全依赖外部GPU，云服务商通常需要围绕供应商的芯片规格、软件生态和产品更新节奏进行适配；拥有自己的芯片后，阿里可以更直接地调整：

• 内存容量与带宽；
• 芯片间网络连接；
• 大模型训练和推理所需的算子与内核；
• 推理吞吐量和集群调度策略；
• 芯片供应、部署节奏与单位成本。

这会增强阿里云对AI服务成本、性能和扩展速度的控制，也能减少对受限制进口GPU的暴露程度。对中国AI产业而言，更重要的是，真实部署会带来芯片使用反馈、软件工具链和客户需求，进而形成围绕国产加速器的应用生态。13

不过，自研芯片并不自动等于性能已经追平英伟达的前沿产品。现有公开资料中的效率和吞吐量说法主要来自项目相关报道，独立、可复现的横向基准测试仍然不足。因此，更稳妥的判断是：含武芯片证明了国产方案可以进行大规模部署，但尚不能据此确认其整体性能与英伟达顶级AI加速器相当。

含武集群与通义千问有什么关系？

阿里巴巴正在尝试构建的不只是单一模型，而是一条包括芯片、服务器系统、数据中心、云服务和基础模型在内的完整技术链。通义千问（Qwen）正是这条链条中的模型层。

通义千问最初于2023年4月以测试版推出，随后于2023年9月在中国面向公众开放。25 早期Qwen模型被广泛描述为基于或接近Meta的Llama系列架构；随着版本迭代，阿里逐步发展出自己的稠密模型、多模态模型和混合专家（MoE）架构。25

阿里巴巴在2026年4月发布了托管模型Qwen3.6-Plus，重点强调智能体编程、多模态感知和推理能力。阿里云资料还显示，该模型提供100万令牌上下文窗口，有利于处理大型代码仓库、长文档和需要频繁检索信息的工作流。

“针对RAG优化”更适合被理解为一种工作负载或使用场景描述，而不是说该基础模型只能用于检索增强生成。Qwen3.6-Plus可以服务于代码代理、工具调用、多模态理解和复杂任务执行等更广泛的场景。

还需要注意“最新版本”这一说法的时间限定：Qwen3.6-Plus在发布时被称为旗舰系列的最新迭代，但阿里巴巴当前模型页面已经列出Qwen3.7-Plus。因此，除非明确说明时间点，否则不宜继续把Qwen3.6-Plus称为Qwen的最新版本。11

这对中美AI竞争意味着什么？

韶关项目的战略信号在于，阿里巴巴试图把AI竞争从“谁拥有最强单一模型”扩大到“谁能掌握完整的AI供应链”。

在这一模式下，芯片设计可以围绕模型需求优化，模型和编译工具可以针对芯片调整，云平台负责把能力包装成服务，电信运营商则提供数据中心、网络和客户触达。这样的垂直整合，可能帮助阿里在供应受限的环境中保持更大的部署自主权，并控制成本和扩容节奏。

但这条路线仍面临芯片制造、软件生态、规模化运维和独立性能验证等挑战。就目前证据而言，韶关集群更适合被视为中国推进自主AI基础设施的重要大规模部署案例，而不是国产芯片已经全面取代英伟达的证明。

将含武集群与Qwen放在一起看，阿里巴巴的目标十分清晰：在中美AI竞争加剧、先进芯片获取难度上升的背景下，同时经营模型、云服务、数据中心和芯片。未来竞争的胜负，可能不仅取决于模型回答得多好，也取决于企业能否稳定获得并高效运行支撑这些模型的计算能力。