在2026云栖大会半导体专场，工信部电子司副司长史惠康出席并致辞。他提出「以用促研、以用促产、以用促强」的发展理念，强调算力、存力、运力、电力「四力融合」的系统性思维。
史惠康指出，AI芯片作为承载算法、支撑算力、连接软硬生态的关键底座，其战略基础性作用日益凸显。「致广大而尽精微」不仅是对格局与细节的要求，也精准概括了平头哥半导体的实践路径：从客户需求出发定义芯片，而非闭门造车。
应用驱动定义：从场景倒推芯片架构
传统芯片厂商通常遵循「定规格-设计-流片-量产-找客户」的路径，依赖行业报告和经验判断。而背靠阿里云的平头哥，能够直接洞察平台上数百个客户、二十多个行业的真实业务负载（如大模型训练推理、自动驾驶、具身智能等），精准掌握显存、带宽及算力需求。
平头哥半导体副总裁李伟良将这种模式称为「应用芯片驱动定义」。芯片特征选型、算力与显存配比均通过与业务方多轮对焦确定，实现从芯片到业务的闭环迭代。
以低精度计算为例，针对大模型推理对FP8甚至FP4的需求，平头哥在V900芯片中专门进行了LP4/LP8增强，确保精度下降的同时输出质量不受损。这种基于真实场景需求的底层优化，与传统厂商让上层应用适配固定硬件的模式形成鲜明对比。
构建三大护城河：软件协同、多芯融合与工程落地
除了场景驱动，平头哥还构建了三层核心竞争优势：
1. 软硬一体化协同设计
摒弃传统「先硬后软」导致的性能损耗与漫长返工周期，平头哥在架构设计初期即实现算法与芯片的深度耦合，根据算法所需的计算模式定制芯片架构，最大化提升能效比。
2. 全链路多芯片融合
鉴于AI场景中任务调度、数据传输及缓存加速的复杂性，平头哥不仅研发AI芯片，还自研CPU、SmartNIC（智能网卡）及SSD。通过打通计算、存储、传输全链路，实现端到端的性能极致化。
3. 扎实的工程交付能力
从810E、M890的成功交付到V900即将发布，再到规划中的GA900，平头哥保持了每年交付一颗高性能芯片的节奏，且全部实现100落地应用，验证了其稳定的工程实现与技术底气。
V900重磅发布：重塑AI算力底座
作为最新成果，V900并非对现有方案的简单改良，而是对AI算力底座的重新架构。李伟良指出，V900旨在应对三大变化：从单芯片性能向超节点多维性能提升转变；生态从封闭走向开放灵活；安全成为客户选择的关键变量。
极致性能：三倍算力提升
V900的计算单元数量是M890的2倍，针对FP4/FP8低精度浮点格式的算力提升至3倍（涵盖算子平均及大模型端到端平均）。这一提升源于计算规模翻倍与数据通路架构优化的双重加持，包括针对大模型推理重构的调度效率及片上数据搬运机制。
在存储方面，V900配备216GB HBM高带宽内存，可容纳更大参数规模的模型权重，减少切分带来的效率损失；片间互联带宽高达1200GB/s，确保数据高速吞吐。
生态开放：零门槛迁移
为解决国产芯片迁移成本高的痛点，平头哥于2026年7月开源全套AI软件栈T-Head SAIL，涵盖驱动、运行时、编译器及工具链。实测显示，客户现有的CUDA代码仅需约7天即可完成迁移并跑通，无需重写，极大降低了切换门槛。
安全可信：硬件级防护
面向金融、能源等高敏感行业，V900构建了包含资产管控、安全调试及芯片级硬件防护墙在内的六大安全能力。基于MLA标准和SPDM协议，提供设备身份验证及远程验证机制，实现从「可用」到「可信」的跨越。
市场验证：头部客户规模化采用
目前，平头哥已服务超过650家客户，覆盖20多个行业。线上领域涉及40多家自动驾驶企业及20多家具身智能公司；线下则深入运营商、计算中心及金融行业。其中，150多家金融机构部署超10万张芯片，成本较英伟达方案降低30%-60%。
Kimi K3案例：访存带宽决定经济性
月之暗面工程副总裁徐欣然透露，拥有2.8T参数、1.5TB权重的开源大模型Kimi K3，对芯片性能有着极端要求。为实现100毫秒内的流畅输出，系统需提供至少15TB/s的带宽。若访存能力不足，成本将呈指数级上升。
推理成本主要集中在Decode阶段（占总成本60%-90%），该阶段高度依赖访存带宽而非单纯算力。此外，微小的延迟累积也会显著压缩Attention机制的处理时间，进而推高成本。因此，K3选择芯片时要求各项指标均衡，无任何短板。
目前，Kimi K3已在M890上稳定运行，兼容性表现优异。徐欣然表示，随着超节点技术的发展，系统级并行策略有望进一步突破单卡瓶颈，这也与V900主打的系统级优化方向高度契合。
结语：真武系统，不止于芯片
平头哥的「真武」不仅是单一AI芯片，而是包含自研CPU、SmartNIC、SSD在内的软硬件全栈系统。通过算存网协同，将芯片转化为可灵活调配的生产性资产，真正践行了史惠康提出的「四力融合」理念。
从芯片定义到系统交付，平头哥用两年时间、650余家客户的实践，诠释了「致广大而尽精微」的内涵：造芯片不难，难的是基于真实场景，造出对的芯片。
