计算机：阿里巴巴自研AI芯片的增量在哪里？

　　阿里巴巴在FY26Q1 业绩电话会上表示：将在未来三年持续投入3800 亿元用于AI 资本开支，虽单季投资额会因供应链因素有所波动，但整体节奏不变。同时，公司表示：已为全球AI 芯片供应及政策变化准备“后备方案”，通过与不同合作伙伴合作，建立多元化的供应链储备，从而确保3800 亿元投资计划能够如期推进。　　阿里自研芯片的目标：阿里自研AI 芯片主要是为了满足自身在AI 领域的推理需求，直接控制芯片的设计和生产成本，减少对外部供应商的依赖。阿里于2019 年推出AI 推理芯片含光800，作为一款云端AI 推理芯片，峰值性能为7.8 万IPS（每秒能处理7.8 万张照片），峰值能效达到500IPS/W。含光800 在部分数据指标上超越英伟达T4、P4 等推理芯片。达摩院计算技术实验室也于2021 年成功研发了使用混合键合3D 堆叠技术实现存算一体的芯片。　　大厂自研AI 芯片的难点：近年来，由于GPU 产品在供给端一定程度上受到供应商的限制，头部的云服务大厂出于降低成本、更好地适配自身业务场景的考虑，增大了自研AI 芯片的部署数量。但自研芯片的前提是自身有较大的需求量，能够分摊芯片研发成本，若需求有限，那么平均到单颗芯片的成本将会较大幅度上升。由于大厂在短时间内难以形成有足够技术和经验积累的团队，往往将后端物理实现交给以博通、Marvell 为代表的芯片设计服务企业。　　阿里的推理需求：2025 年4 月29 日，阿里巴巴旗下通义千问团队正式发布并开源新一代模型Qwen3。Qwen3 系列涵盖了多个模型类型，包括2 款参数规模为30B 和235B 的混合专家（MoE）模型，以及6 款参数从0.6B 到32B 的密集模型。Qwen3 部署成本较低，Qwen3-235B-A22B（推理激活22B参数）只需要4 张H20，而其小模型的部署成本则更低。目前，阿里自研AI 芯片主要面向如智能客服、语音助手、AI 搜索等推理场景。　　上下游哪些板块有增量：数据中心作为能耗大户，其PUE（电源使用效率）值受到政策与成本的双重约束。液冷技术（尤其是冷板式、浸没式）能够显著降低散热能耗，将PUE 轻松压降至1.1-1.2 的超低水平，远优于风冷的1.5 以上。此外，AI 数据中心的功耗正在从传统的每机架20 kW-30 kW 快速跳升。英伟达的满配NVL AI 服务器机柜功率或将突破100kW。　　我们认为：在大厂加大AI 芯片投入的背景下，电源、液冷等领域有望获得新的增量空间，与大厂存在较强商业绑定关系的行业龙头有望充分受益。　　风险提示：下游需求不及预期；新技术落地和商业化不及预期；宏观经济不及预期。 【免责声明】本文仅代表第三方观点，不代表和讯网立场。投资者据此操作，风险请自担。

   【免责声明】本文仅代表第三方观点，不代表和讯网立场。投资者据此操作，风险请自担。

【广告】本文仅代表作者本人观点，与和讯网无关。和讯网站对文中陈述、观点判断保持中立，不对所包含内容的准确性、可靠性或完整性提供任何明示或暗示的保证。请读者仅作参考，并请自行承担全部责任。邮箱：