Chipy AI: Alibaba pokazuje Zhenwu V900 i szerzej otwiera swój stos programistyczny SAIL

Wyścig o chipy AI rozgrywa się dziś tyle samo w oprogramowaniu, co w krzemie. Taki przekaz towarzyszył konferencji Yunqi firmy Alibaba, o której pisze chińskie medium 量子位 (QbitAI). 22 września prezes grupy Wu Yongming zaprezentował nowy chip Zhenwu V900. Nazwał go „najwydajniejszym chipem AI w Chinach” i podał, że jest trzy razy szybszy od M890.

Oprogramowanie, wierzchołek góry lodowej

Sam procesor jest jednak wart tyle, ile da się na nim uruchomić. Nazajutrz, 23 września, T-Head, spółka zależna Alibaby zajmująca się półprzewodnikami, opublikowała nowe postępy w otwieraniu swojego stosu programistycznego T-Head SAIL. Rozszerzyła adaptacje frameworków, biblioteki akceleracji, łańcuch narzędzi i biblioteki komunikacyjne.

Firma porównuje chip AI do silnika, a stos programistyczny do skrzyni biegów, przeniesienia napędu i układu jezdnego. Choćby silnik był najlepszy, wynik zależy od tego, czy oprogramowanie pozwoli przenieść, uruchomić i zoptymalizować modele.

650 klientów i zastosowania przemysłowe

Według przedstawionych danych chipy AI Zhenwu obsługują już ponad 650 klientów w ponad dwudziestu branżach. Z T-Head SAIL korzystają takie firmy jak Ant Group, Xiaohongshu czy producent samochodów Xpeng. Xiaohongshu zbudowało nawet na otwartym kodzie SAIL agenta, który migruje modele i optymalizuje operatory. Firma chce w ten sposób szybciej wdrażać swoje generatywne modele rekomendacji.

Kontekst tego otwarcia sięga lipcowych targów WAIC. T-Head zapowiedziała tam przejście SAIL na open source, wraz z zestawami programistycznymi, sterownikami, narzędziami analizy wydajności i dokumentacją techniczną. Dwa miesiące później otwarte projekty obejmują adaptację frameworku do modelu PyTorch, narzędzie migracji kodu źródłowego, narzędzie do tworzenia operatorów inspirowane Tritonem oraz projekty akceleracji obliczeń.

Obniżyć koszt migracji

Główną troskę klientów podsumował jeden z odpowiedzialnych za ekosystem programistyczny T-Head: „największym popytem z punktu widzenia biznesu jest koszt migracji”. Wiele firm uruchamia swoje oprogramowanie od lat. Zmiana chipa oznacza ponowną ocenę tego dorobku bez przerywania działalności. Udostępnianie narzędzi migracji to właśnie próba zachowania tego dorobku.

Drugim wyzwaniem jest wydajność po migracji. Jeśli efektywność spada do 30 albo 40 % pierwotnej, zmiana staje się trudna do przyjęcia. Stąd publikacja projektów akceleracji, które pozwalają zespołom biznesowym zrozumieć implementację i samodzielnie ją optymalizować. Trzecim wyzwaniem jest szybkość adaptacji nowych modeli, z celem dostępności już w dniu premiery.

Po stronie zasobów T-Head podaje, że na platformie ModelScope udostępnia 39 skwantyzowanych modeli. Obejmują one zwłaszcza serie Qwen, DeepSeek i Kimi, a do końca września 2026 roku pobrano je ponad 348 000 razy. Wśród użytkowników Xpeng przeniósł trening swoich modeli inteligentnej jazdy z platformy GPU do klastra chmurowego Zhenwu, a Ant Group przeprowadziła adaptację wnioskowania swoich głównych modeli na chipach Zhenwu 810E i M890.

Produkcja chipów przez duże grupy przechodzi z logiki dostaw na logikę otwartego współtworzenia.