云栖大会2026算力速览：从真武V900到KVCache，阿里把“算力的账本”摊开讲了

云栖大会2026算力速览：从真武V900到KVCache，阿里把"算力的账本"摊开讲了

声明：本文作为笔者个人备忘的文章，不喜勿喷。本文由 AI 辅助生成，仅供个人记录与交流，不代表任何专业结论。
相关服务：马来西亚服务器

前两周（9月22日—24日）阿里在杭州办了 2026 云栖大会。网上很多人刷到的是"真武 V900 好猛""国产芯片又进步了"，但我作为一个比较关注算力的人，更想看的是阿里怎么把一套"算—网—存"的自研体系串起来，以及它到底想解决什么问题。这篇就按我的备忘习惯，把大会里跟算力强相关的东西挑出来捋一遍。

先一句话了解：这场大会到底在讲什么

2026 云栖大会主题是"智以致用"，主线是 Agentic AI（智能体时代）。整场分三大主论坛：模型、芯片、云基础设施，外加 120 多场分论坛，聚焦 AI 原生云、智能体应用和行业落地。

对算力感兴趣的人，最该盯的是这几个词：芯片（真武）、CPU（倚天）、超节点（磐久）、云基础设施（CIPU）、网络（TPN）、存储（CPFS、KVCache）。下面挨个拆。

芯片篇：国产 AI 芯片天花板被抬高了

真武 V900——本次大会的"主角芯片"

平头哥这次发布的新一代训推一体 AI 芯片真武 V900，是目前算力性能最强的中国自研 AI 芯片：

单芯片性能是上一代真武 M890 的 3 倍；
搭载 216GB 大显存，片间互联带宽 1200GB/s；
原生支持 FP8、FP4 低精度计算，算力密度更高、推理成本更低；
可满足万亿级参数大模型的训练和推理，2027 年一季度量产。

它厉害的不只是单颗芯片，而是和自研的网络、存储芯片联动：通过自研 ICN Switch 互联芯片连接后的"超节点"，具备原生内存语义和内存统一编址能力，上千颗 V900 能像"一颗超级芯片"一样协同工作。

倚天 CPU 路线图 + 磐久超节点

倚天服务器 CPU：公布路线图，2027 年推出倚天 720、倚天 730，未来还有支持自研 ICN 片间互联的倚天 750。CPU 和 AI 芯片要更紧密协同。
磐久超节点服务器：新一代磐久把真武 V900、ICN Switch、磐脉智能网卡、镇岳 SSD 主控芯片全集成在一起，实现"算、存、网"全栈协同；磐久 AL64 / AL144 两种超节点 Scale-Up 域最高能扩到 1024 卡乃至万卡级，单一 AI 集群可扩展至 50 万卡规模。

一句话：阿里在把过去需要找外部采购的"核心芯片全家桶"，全都换成自研——这是要打通从芯片到集群的全栈自主可控。

基础设施篇：CIPU、网络的"算网"协同

除了芯片，阿里还亮出了"云"层面的底座：

CIPU（云基础设施处理器）：这是阿里云自研的"云计算专用处理器"，负责把 CPU、存储、网络这些硬件能力,打包成更高效、更可控的云服务底座，尤其在多租户隔离、资源调度上降低损耗。
智算中心融合网络 TPN：采用 2 层网络设计，访问带宽增加 2.5 倍、网络规模增加 10 倍、时延降低约 1/3。大模型集群最怕"网慢"，TPN 就是专门为千卡万卡互联设计的。

存储篇：CPFS——让数据更快"喂"给 GPU

模型训练最怕的是"等数据"。阿里云这次推出新一代高性能并行文件存储 CPFS：

高达百 TB/s 级吞吐、亿级 IOPS；
单文件系统规模提升 5 倍，达到 100PiB（可以装下海量训练数据）；
实测能把模型启动平均耗时降低 50%、峰值算力利用率提升 30%、AI 存储成本降低约 69%。

推理篇：KVCache——Agent 时代最烧钱的地方

这一段是我最想讲的重点。随着大模型上下文越来越长、Agent 多轮任务越来越多，KVCache（KV 缓存）的规模会快速膨胀——它是模型推理时用来"记住前面说过什么"的缓存，长对话多了它会吃掉大量内存和成本。

阿里这次围绕 KVCache 做了两件大事：

Tair KVCM（KVCache 管理和调度系统）：统一编排多级缓存，缓存有效命中率可达 99%，每 token 成本下降 50%；
KV CacheStore（存储加速引擎）：位于 GPU 显存、主机内存和远端共享存储之间的一种"G3.5 存储层"，用"存储换计算"来承接长上下文、多轮对话和复杂 Agent 任务产生的大量缓存，单实例可满足千亿级 KV 存储规模；在客户生产环境里，缓存覆盖时间窗口扩大 900%、吞吐提升 20%、首 token 延迟降低 54%。

说白了，"KVCache 省下来的钱，就是 Agent 时代能不能跑起来的钱"——这是阿里在推理成本这个生死线上下的功夫。

模型与端侧：让算力"下沉"到手机

Qwen 全家桶：Qwen4 已经在训练中，未来 Qwen4.5、Qwen5 等参数规模将迈向 5 万亿—10 万亿，向 ASI（超级智能）方向演进；
RSI（递归自我改进）：Qwen3.8-Max 在人类"零参与"下完成 33 轮有效迭代，还会自己适配新 GPU 的推理框架（在没见过的平头哥新 GPU 上，单实例推理吞吐提升 96%）；
Qwen Intelligence AI 手机方案：面向手机的三套端侧模型 + Agent 方案——这也是普通用户能直观感受到的"算力下沉"（小红书上很多人晒的就是用手机本地 AI 干活的体验）。

数据中心篇：阿里的"算力扩张版图"

吴泳铭在大会上说，未来是"机器智能时代"，阿里的目标是把 AI 基础设施做起来：到 2032 年，阿里云运营的全球数据中心规模超过 20GW。未来 12 个月还会在土耳其、芬兰、荷兰新增云节点，并扩建马来西亚、德国、法国、阿联酋、中国香港等多地数据中心。

20GW 有多大？有券商测算，按每 GW 对应上百亿美元收入算，这意味着阿里云的外部收入空间未来有望做到万亿级——算力在这里，已经从"成本"变成了"生意"。

从算力从业者的角度看：这是为什么、想解决什么问题？

看完整个清单，我最强的感受是：这一次阿里没有"单点秀"，而是把一层层的算力账本摊开给你看。它的逻辑大概是这样：

为什么要自研全家桶？ 因为卡脖子的核心风险在芯片与连接。单靠外购，超大规模集群既贵又不自主。从真武（算）、倚天（CPU）、磐脉（网卡）、镇岳（SSD）、ICN（互联）到 CIPU（云底座）、TPN（网络）、CPFS（存储）、KVCache（推理缓存）——全栈自研，才能把"芯片—网络—整机—集群"捏成一套能打的东西。
为什么要搞 50 万卡超节点？ 因为大模型的规模已经逼到了"一卡一柜扛不住"的地步，只有超节点把几百上千卡像一颗芯片一样互联起来，才能训得动、推得快。
为什么要死磕 KVCache？ 因为 Agent 时代真正的成本大头在推理，尤其是在长上下文、多轮任务里疯狂膨胀的 KV 缓存。谁把这块降下来，谁就能让"常驻智能体"这种新形态既好用又不烧钱——这和我上篇写 OpenAI DevDay 的逻辑是一脉相承的。
为什么要堆到 20GW？ 因为算力就是下一轮互联网的"水电煤"。阿里把数据中心当成战略基础设施来投，赌的是 AI 时代对算力的持续、海量需求。