阿里巴巴发布了一款全新服务器芯片,声称这是迄今为止使用RISC-V指令集的最强大处理器。
根据阿里巴巴DAMO院在社交媒体上发布的消息,这款名为玄铁C950的新芯片已经准备好为云服务器、生成式AI工作负载、高端机器人技术和边缘计算设备提供动力支持。
DAMO院在帖子中热情地表示:"玄铁C950配备了自主研发的AI加速引擎,首次原生支持千亿参数级别的大语言模型,如通义千问3和DeepSeek V3,有望成为AI智能体时代的全新高端CPU类型。"
阿里巴巴声称该芯片的"单核通用性能在SPECint 2006基准测试中超过了70分"。从周二阿里巴巴发布芯片活动的照片来看,其SPECInt 2017基准测试结果为2.6GHz。根据谷歌研究员Laurie Kirk的分析,这一性能几乎与苹果2020年发布的M1芯片相当。
Kirk还注意到,阿里巴巴声称已经实现了RISC-V RVA的23.1版本,这是2025年8月提出的一个小更新。她对阿里巴巴能如此迅速地使用该版本表示惊讶。
芯片的产品页面和规格表提供了更多细节,但也省略了核心数量等重要信息,只是将芯片模糊地描述为"64位多核CPU IP"。
根据这些文档,上述提到的"加速引擎"很可能是玄铁张量处理引擎(TPE),支持从FP16到INT4/FP8的数据类型,以及微缩放格式MXFP8、MXFP4和RVFP4。该芯片每个TPE可实现8 TOPS的算力。
内存子系统显然"包含高性能多级缓存层次结构,具有超低的4周期加载到使用L1数据缓存延迟、支持大容量配置的每核私有L2缓存,以及支持多种RISC-V虚拟内存模式和两阶段地址转换的MMU"。
在规格表讨论总线的部分中,提到了多处理器模式,"利用XL-300互连形成最多8个核心的集群"。
据消息显示,阿里巴巴使用5纳米工艺制造了这款芯片,这对一些中国芯片制造商来说并非不可能实现。但他们能否大规模生产这种级别的芯片还不太确定。
阿里巴巴CEO吴泳铭上周承认,中国芯片落后于西方芯片制造商。他表示,公司的应对策略是"与阿里巴巴的云基础设施和通义千问模型进行更深入的协同设计,以提供更好的成本效益。这是使我们区别于其他芯片公司的一个关键差异化因素"。
因此,虽然玄铁C950可能不是一款特别强大的芯片,阿里巴巴也可能难以将数百万颗芯片投入生产,但对公司自有通义千问模型的原生支持表明,吴泳铭对和谐统一AI技术栈的愿景正在成为现实。
Q&A
Q1:玄铁C950芯片有什么特别之处?
A:玄铁C950是阿里巴巴声称的最强大RISC-V指令集处理器,配备自主研发的AI加速引擎,首次原生支持千亿参数级别的大语言模型,如通义千问3和DeepSeek V3。
Q2:玄铁C950的性能表现如何?
A:该芯片单核通用性能在SPECint 2006基准测试中超过70分,SPECInt 2017基准测试结果为2.6GHz,性能几乎与苹果2020年发布的M1芯片相当。
Q3:阿里巴巴为什么要开发这款芯片?
A:面对中国芯片落后于西方的现状,阿里巴巴希望通过与自家云基础设施和通义千问模型的深入协同设计,提供更好的成本效益,构建和谐统一的AI技术栈。
好文章,需要你的鼓励
Replit与RevenueCat达成合作,将订阅变现工具直接集成至Replit平台。用户只需通过自然语言提示(如"添加订阅"),即可完成应用内购和订阅配置,无需离开平台。RevenueCat管理超8万款应用的订阅业务,每月处理约10亿美元交易。此次合作旨在让"氛围编程"用户在构建应用的同时即可实现商业变现,月收入未达2500美元前免费使用,超出后收取1%费用。
LiVER是由北京大学、北京邮电大学等机构联合提出的视频生成框架,核心创新是将物理渲染技术与AI视频生成结合,通过Blender引擎计算漫反射、粗糙GGX和光泽GGX三种光照图像构成"场景代理",引导视频扩散模型生成光影物理准确的视频。框架包含渲染器智能体、轻量化编码器适配器和三阶段训练策略,支持对光照、场景布局和摄像机轨迹的独立精确控制。配套构建的LiVERSet数据集含约11000段标注视频,实验显示该方法在视频质量和控制精度上均优于现有方法。
所有人都说AI需要护栏,但真正在构建它的人寥寥无几。SkipLabs创始人Julien Verlaguet深耕这一问题已逾一年,他发现市面上多数"护栏"不过是提示词包装。为此,他打造了专为后端服务设计的AI编程智能体Skipper,基于健全的TypeScript类型系统与响应式运行时,实现增量式代码生成与测试,内部基准测试通过率超90%。他认为,编程语言的"人类可读性时代"正走向终结,面向智能体的精确工具链才是未来。
这项由蒙特利尔学习算法研究所(Mila)与麦吉尔大学联合发布的研究(arXiv:2604.07776,2026年4月)提出了AGENT-AS-ANNOTATORS框架,通过模仿人类数据标注的三种角色分工,系统化生成高质量网页智能体训练轨迹。以Gemini 3 Pro为教师模型,仅用2322条精选轨迹对90亿参数的Qwen3.5-9B模型进行监督微调,在WebArena基准上达到41.5%成功率,超越GPT-4o和Claude 3.5 Sonnet,并在从未见过的企业平台WorkArena L1上提升18.2个百分点,验证了"数据质量远比数量重要"这一核心结论。