Компания Pingtouge открыла исходный код SAIL: программный стек ИИ для 560 000 чипов «Zhenwu»

Введение

Ускорители ИИ не становятся полезными только благодаря мощным аппаратным характеристикам.

Разработчики работают с такими фреймворками, как PyTorch, TensorFlow, vLLM и SGLang. Их модели должны быть скомпилированы, запланированы, выполнены, профилированы, отлажены и распределённо развёрнуты между устройствами. Между приложением и чипом существует огромный инфраструктурный слой, который определяет, сможет ли теоретическая производительность превратиться в полезную вычислительную мощность.

На Всемирной конференции по искусственному интеллекту 2026 года полупроводниковая компания Alibaba, T-Head, открыла исходный код T-Head SAIL — программного стека ИИ для серии ускорителей XuanTie.

SAIL расшифровывается как Seed of AI Library.

Компания T-Head описывает проект как полный путь, охватывающий поддержку операционной системы, компоненты SDK, программные интерфейсы, оптимизированные библиотеки, компилятор, программное обеспечение времени выполнения и инструменты для разработчиков. Его чёткая цель — сделать оборудование XuanTie более доступным для внедрения, не заставляя разработчиков отказываться от привычных языков, фреймворков, кода или рабочих процессов.

Alibaba сообщает, что по состоянию на апрель 2026 года суммарные поставки ИИ-чипов XuanTie достигли 560 000 единиц, обслуживая более 400 клиентов в более чем 20 отраслях. До публичного выпуска это оборудование и программный стек использовались в Alibaba Cloud и внешних производственных средах.

Таким образом, T-Head представляет SAIL не как небольшой исследовательский прототип. Они открывают исходный код программной основы, которая уже была проверена крупномасштабными рабочими нагрузками и требованиями производственного обслуживания.

Почему программный стек имеет решающее значение

Новоиспечённый ускоритель не может напрямую выполнять код Python, определяющий нейронные сети.

Программный стек должен преобразовывать высокоуровневые программы в операции, которые оборудование может эффективно выполнять. Этот процесс включает:

1. Обеспечение того, чтобы операционная система могла распознавать устройство и управлять им.
2. Предоставление аппаратных возможностей через драйверы пользовательского пространства и ядра.
3. Управление памятью, очередями команд, контекстами выполнения и синхронизацией.
4. Компиляцию вычислительных графов моделей и ядер в исполняемые инструкции.
5. Предоставление оптимизированных математических библиотек, библиотек нейронных сетей, медиа- и коммуникационных библиотек.
6. Подключение ускорителя к существующим ИИ-фреймворкам.
7. Предоставление разработчикам инструментов профилирования, отладки, мониторинга и эксплуатации кластеров.

Слабость на любом из этих уровней может снизить производительность или затруднить развёртывание.

Отсутствие одного оператора может привести к медленному откату. Плохое коммуникационное ПО может ограничить масштабируемость на нескольких устройствах. Непрозрачный компилятор усложнит оптимизацию. Слабые инструменты профилирования превратят работу с производительностью в слепые догадки.

Вот почему конкурентная позиция NVIDIA основана не только на аппаратном обеспечении GPU, но и на CUDA, её библиотеках, цепочке инструментов компилятора, документации и многолетнем опыте разработчиков.

Решение T-Head открыть исходный код SAIL направлено на конкуренцию на уровне экосистемы.

От чёрного ящика к более проверяемой платформе

Программное обеспечение для ускорителей ИИ часто распространялось в виде предварительно скомпилированных двоичных файлов. Разработчики могли вызывать документированные API, но видимость того, как модель преобразуется и выполняется, часто была ограничена.

Распространённые проблемы включали:

• Какая реализация оператора была выбрана?
• Почему часть графа работает плохо?
• Как распределяется память?
• Какой путь связи использовался?
• Откуда начинаются проблемы совместимости?
• Можно ли оптимизировать рабочую нагрузку для конкретной среды развёртывания?

Открытый исходный код, документация, драйверы и инструменты предоставляют разработчикам больше возможностей для проверки, диагностики, настройки и оптимизации платформы.

Открытый исходный код не означает автоматически создания зрелой экосистемы. Соответствующие компоненты всё ещё необходимо документировать, поддерживать, тестировать, предоставлять с чёткими лицензиями и поддерживать в реальных рабочих нагрузках. Управление сообществом и стабильность версий так же важны, как и первая публикация кода.

Что уже доступно

Основной официальный портал доступа — «Сообщество разработчиков T-Head»:

https://developer.t-head.cn/home

Официальное объявление заявляет, что портал предоставляет:

• Полностековую техническую документацию
• Пакеты SDK
• Драйверы ядра
• Инструменты профилирования
• Инструменты отладки
• Ресурсы для разработки на чипе Zhenyu AI

Первое открытие не следует рассматривать как завершение всего маршрута с открытым исходным кодом.

Этап	Опубликованный план
Первое открытие	Документация, пакеты SDK, драйверы ядра, инструменты производительности и отладки
Второй этап	Дополнительное ПО для коммуникационных библиотек, версия 2.2 Docker и PIP-репозитории, а также форум разработчиков
Третий этап	Вычислительные библиотеки ускорения, ПО для инференс-движка, а также Docker и PIP-репозитории версии 2.3
Последующие разработки	Дополнительные обновления, инструменты, мероприятия сообщества и расширение экосистемы

Поскольку версии постоянно выпускаются, доступность пакетов, лицензии, требования к оборудованию и инструкции по сборке необходимо проверять через портал в реальном времени.

Пятиуровневый стек технологий SAIL от T-Head

T-Head описывает SAIL как пятиуровневый стек разработки от управления устройствами до производственных инструментов.

Уровень	Основные компоненты	Назначение
Драйверы и среда выполнения	Драйвер PPU, KMD, UMD, среда выполнения PPU	Доступ к устройству, управление памятью, отправка команд и контекст выполнения
Языки программирования	C, C++, Python	Знакомые интерфейсы для прикладной и системной разработки
Компилятор	Компилятор, отладчик	Трансформация графов и кода, оптимизация, проверка и отладка
Высокопроизводительные библиотеки	acBLAS, acDNN, acFFT, acRAND, acSOLVER, acSPARSE, медиа- и коммуникационные библиотеки	Оптимизированные реализации для распространённых рабочих нагрузок ИИ и численных расчётов
Инструменты разработчика	Asight Compute, Asight Systems, PPU-SMI, PPU-DCGM	Профилирование, отладка, мониторинг и управление кластером

Драйверы и среда выполнения

Самый нижний уровень соединяет операционную систему с ускорителем.

Драйвер PPU

T-Head делит драйвер на:

• KMD: Драйвер режима ядра.
• UMD: Драйвер пользовательского режима.

Компонент режима ядра обрабатывает привилегированные взаимодействия с операционной системой и устройством. Компонент пользовательского режима предоставляет функциональность устройства вышележащим средам выполнения и прикладному ПО.

Среда выполнения PPU

Среда выполнения PPU управляет ресурсами, включая:

• Память устройства
• Очереди команд
• Контексты вычислений
• Операции от приложения к устройству
• Выполнение

Это координирующий слой. Этот слой определяет, может ли оборудование быть обнаружено, распределено и использовано предсказуемым образом.

Интерфейсы C, C++ и Python

SAIL поддерживает языки C, C++ и Python. Это снижает потребность разработчиков в изучении специфического языка поставщика перед пробой оборудования. Python остаётся основным языком для определения моделей и экспериментов, в то время как C и C++ остаются незаменимыми для библиотек производительности, сред выполнения, расширения фреймворков и системной интеграции. Поддержка этих основных языков помогает командам повторно использовать существующий код, внутренние библиотеки, практики отладки, системы сборки и инженерный опыт. Совместимость языков не гарантирует бесшовной работы всех приложений. Пользовательские расширения CUDA, неподдерживаемые операторы, аппаратно-специфичные предположения или особые зависимости могут всё ещё потребовать переноса.

Компилятор и отладчик

Компилятор преобразует графы моделей и операции исходного уровня в код, который может быть выполнен на оборудовании Zhenwu. Типичная работа компилятора ИИ включает:

• Оптимизацию графа
• Слияние операторов
• Преобразования расположения данных
• Планирование памяти
• Выбор ядра
• Оптимизацию планирования
• Преобразование точности
• Свёртывание констант
• Планирование параллельного выполнения

T-Head также перечисляет отладчик на уровне компилятора. Это крайне важно — разработчикам необходимо понимать, почему скомпилированный граф ведёт себя ненормально или почему часть кода не достигает ожидаемой производительности. Официальное объявление описывает компилятор и отладчик как полный цикл разработки. Конкретные возможности проверки и отладки необходимо проверять в текущей выпущенной документации.

Высокопроизводительные библиотеки

Оптимизированные библиотеки являются одними из наиболее ценных компонентов экосистемы ускорителя. Большинство систем ИИ повторно используют одни и те же категории вычислительных задач. Настроенные библиотеки позволяют фреймворкам вызывать эффективные реализации, вместо того чтобы заставлять каждого разработчика писать устройства-специфичные ядра.

Основные вычислительные библиотеки

Имя библиотеки	Основная роль
acBLAS	Основные операции линейной алгебры
acDNN	Вычисления глубоких нейронных сетей
acFFT	Быстрое преобразование Фурье
acRAND	Генерация случайных чисел
acSOLVER	Численные решатели
acSPARSE	Операции с разреженными матрицами

Их практическая ценность зависит от покрытия операторов, типов данных, числовой стабильности, технической документации, качества ядер и степени интеграции с поддерживаемыми фреймворками.

Медиа- и библиотеки предварительной обработки

Имя библиотеки	Основная роль
HGDEC	Декодирование видео
HGENC	Кодирование видео
HGJPEG

Обработка JPEG-изображений |
| HGPP | Предварительная обработка данных |

Обработка мультимедиа становится всё более важной для мультимодальных моделей. Кодирование/декодирование изображений и видео, масштабирование, преобразование форматов и предварительная обработка могут стать основным узким местом конвейера.

Коллективная связь

T-Head перечисляет:

• PCCL
• sailSHMEM

Библиотеки коллективной связи поддерживают операции, необходимые для обучения на нескольких устройствах и узлах, включая all-reduce, all-gather, reduce-scatter, broadcast и синхронизацию. Производительность связи часто определяет эффективность масштабирования крупных кластеров. Официальная дорожная карта указывает, что в будущем будет открыто больше программного обеспечения для связи.

Разработчикам следует проверять текущее состояние исходного кода каждого компонента.

Дополнительные компоненты

Технологический стек также включает следующие компоненты:

• acext
• HGML

Эти компоненты расширяют базовый набор библиотек и поддерживают дополнительные функции машинного обучения. Рекомендуется обращаться к актуальной документации пакетов для получения свежей информации об API.

Инструменты разработки и эксплуатации

Asight Compute

Asight Compute — это инструмент производительности на уровне операторов, предназначенный для помощи разработчикам в анализе выполнения ядер, использования ресурсов, поведения памяти и узких мест производительности на низком уровне.

Asight Systems

Asight Systems предоставляет системное представление выполнения в различных фреймворках, активности времени выполнения, ядер, передачи данных, связи, работы хоста и периодов простоя.

PPU-SMI

PPU-SMI поддерживает мониторинг и управление устройствами в реальном времени. За конкретными метриками и командами обращайтесь к текущей документации.

PPU-DCGM

PPU-DCGM поддерживает управление ресурсами и устройствами на уровне кластера. Крупномасштабные развертывания требуют глобальной видимости на нескольких ускорителях и узлах, а не только на отдельной карте.

Три обещания миграции

T-Head обобщает позицию SAIL для разработчиков тремя ключевыми идеями:

1. Не требуется полная перезапись кода
2. Не требуется долгое ожидание адаптации экосистемы
3. Не навязывается привязка к конкретному фреймворку

Это заявления производителя, которые следует проверять на реальных рабочих нагрузках каждой организации.

Без полной перезаписи

Дизайн SAIL согласован с основными моделями программирования и фреймворками.

T-Head заявляет, что разработчики могут повторно использовать значительную часть существующего кода, моделей, инженерного опыта, знаний об операторах и практик оптимизации. Официальные объявления утверждают, что миграция требует лишь небольшой адаптации кода.

Стандартные модели, построенные на широко поддерживаемых операциях, могут быть перенесены без проблем, в то время как системы, содержащие пользовательские ядра CUDA, специфические расширения производителей, неочевидные зависимости или тесно связанную инфраструктуру вывода, могут потребовать больше усилий.

Без длительной задержки адаптации

Фреймворки и модели ИИ развиваются быстро. Если аппаратной платформе требуются месяцы для поддержки каждой важной версии, она всегда будет отставать от программной экосистемы.

T-Head заявляет, что среднее время адаптации SAIL к основным фреймворкам вывода ИИ составляет менее 7 дней.

Это среднее значение, представленное производителем, и не является гарантией для всех моделей, версий фреймворков, операторов или функций.

Разработчикам следует подтвердить поддерживаемые версии, достижение производственного уровня реализации, доступные типы данных и проверку распределенного выполнения.

Без привязки к фреймворкам

T-Head заявляет, что SAIL адаптирован для более 260 основных компонентов обучения, вывода и экосистемы, включая PyTorch, TensorFlow, vLLM и SGLang.

Это число может включать фреймворки, интеграционные модули, модели, библиотеки и связанные компоненты, а не 260 полностью независимых высокоуровневых фреймворков. Рекомендуется использовать актуальный каталог совместимости в качестве авторитетного источника.

Стратегический замысел заключается в том, что разработчики должны иметь возможность сохранить предпочитаемый фреймворк, а не быть вынужденными переходить на единую проприетарную среду приложений.

Практический процесс оценки

Команды, рассматривающие внедрение SAIL, должны тестировать свои собственные модели, а не полагаться только на заявления о совместимости.

1. Подтверждение

Требования

Проверьте:

• Поддерживаемое аппаратное обеспечение Zhenwu.
• Версии операционной системы и ядра.
• Версии драйверов и среды выполнения.
• Поддержку контейнеров.
• Версию Python.
• Версии фреймворков.
• Требования к компилятору.
• Требования к сети кластера.

2. Начните с проверенных примеров

Используйте модели, перечисленные в официальной документации, чтобы убедиться, что установка, компиляция, результаты корректны, их можно запустить через профилировщик, и статус устройства отображается нормально.

3. Сравните функциональную точность

Измерьте:

• Точность модели.
• Числовые расхождения.
• Поведение точности.
• Детерминированность.
• Неподдерживаемые операторы.
• Выполнение с резервным вариантом.

4. Измерьте производительность

Запишите:

• Пропускную способность.
• Задержку первого токена.
• Задержку последующих токенов.
• Задержку пакетной обработки.
• Использование устройства.
• Использование памяти.
• Время компиляции.
• Возможность масштабирования на нескольких устройствах.

5. Документируйте работу по миграции

Отслеживайте каждое изменение кода, сборки, оператора, окружения и развертывания. Это позволит получить более реалистичную оценку стоимости миграции, чем однократная успешная демонстрация.

6. Тестируйте эксплуатацию

Оценка производственной среды должна включать отказы устройств, перезапуски процессов, обновления фреймворков, обновления драйверов, планирование, мониторинг, сбор логов, откат и анализ регрессии производительности.

История оборудования, стоящего за SAIL

SAIL является частью долгосрочной инфраструктурной программы T-Head.

Hanguang 800

В 2019 году T-Head представил Hanguang 800 — первый чип ИИ Alibaba для вывода.

Согласно официальному заявлению Alibaba, на тесте ResNet-50 его пиковая производительность составила 78 563 изображения в секунду и 500 IPS на ватт.

Чип был развернут во внутренних бизнес-процессах, таких как поиск товаров, рекомендации, обработка изображений, реклама и обслуживание клиентов. Alibaba заявила, что в представленном на момент запуска случае время обработки миллиарда изображений товаров сократилось примерно с часа до пяти минут.

Hanguang 800 продемонстрировал ценность специализированного оборудования в сочетании с оптимизированным программным обеспечением и алгоритмами.

Yitian 710

В 2021 году Alibaba представил Yitian 710 — 5-нанометровый серверный процессор на архитектуре Arm с 128 ядрами и 60 миллиардами транзисторов.

По данным Alibaba, его показатель SPECint2017 составил 440, что на 20% выше производительности и на 50% выше энергоэффективности по сравнению с эталонным серверным процессором Arm.

Yitian расширил позиционирование T-Head от вывода ИИ до универсальных облачных вычислений. Alibaba Cloud предлагает серию экземпляров ECS на базе процессора Yitian.

Семейство ускорителей Zhenwu

Семейство Zhenwu от T-Head поддерживает как обучение, так и вывод ИИ.

В исходной статье описывается развертывание ранней серии Zhenwu 810 в среде Alibaba Tongyi Qianwen и у внешних пользователей отрасли. Поскольку для предыдущих моделей Zhenwu не было единой подробной официальной спецификации на английском языке, эта статья не воспроизводит все аппаратные данные из исходника.

О более новой Zhenwu M890 имеется официальное представление от Alibaba.

Zhenwu M890

В 2026 году Alibaba представил Zhenwu M890.

Спецификация	Zhenwu M890
Память	144 ГБ
Межчиповая пропускная способность	800 ГБ/с
Относительная производительность	В три раза выше, чем у Zhenwu 810E
Поддержка точности	Обучение и вывод, включая нативный FP4

Чип

предназначен для высоконагруженного вывода, длинных контекстов, повторяющихся вызовов инструментов и агентных рабочих нагрузок с непредсказуемыми требованиями.

Alibaba объединяет M890 с ICN Switch 1.0, который, по заявлению, обеспечивает общую пропускную способность до 25,6 Тбит/с и бесконфликтную связь в кластерах из 64 ускорителей.

Суперузел Panjiu AL128 объединяет 128 ускорителей в стоечной системе, а SAIL предоставляет программный уровень, необходимый для предоставления, компиляции, анализа и управления этим оборудованием.

Вычисления, сеть и хранение

В исходном тексте описывается стратегия T-Head в области чипов для центров обработки данных по трем направлениям:

Вычисления

• Ускорители ИИ Zhenwu
• Серверные процессоры Arm Yitian
• Технология вывода Hanguang

Сеть

• Технология взаимосвязи ICN Switch
• Продукты интеллектуальных сетевых карт Panhai

Хранение

• Продукты контроллеров хранения Zhenyue

Современные кластеры ИИ полагаются на согласованную производительность вычислений, памяти, взаимосвязей, хранения, сети, планирования, программного обеспечения времени выполнения и интеграции фреймворков. Узкое место в любой из этих областей может снизить ценность всей системы.

Почему SAIL с открытым исходным кодом после поставки 560 000 чипов?

Предприятия, продающие ускорители, не обязаны создавать обширную платформу для разработчиков. Экосистеме нужны документация, примеры, библиотеки, совместимость, поддержка, предсказуемые версии релизов и пути, по которым внешние разработчики могут влиять на будущее развитие.

T-Head использует свои чипы внутри Alibaba и в клиентских развертываниях. Открытие исходного кода SAIL может помочь:

• Привлечь больше разработчиков к использованию оборудования Zhenwu
• Расширить поддержку фреймворков и моделей
• Помочь внешним командам диагностировать проблемы
• Поддержать исследования технологического стека в университетах и научно-исследовательских институтах
• Побудить компании-разработчики ПО создавать интеграционные решения
• Предоставить клиентам больше контроля над оптимизацией развертываний
• Снизить стоимость миграции из существующей экосистемы ускорителей

Данный релиз также отвечает на распространенную проблему в сфере отечественных AI-вычислений: развитие аппаратного обеспечения опережает зрелость программного обеспечения и осведомленность разработчиков.

Открытый технологический стек привлечет более широкое сообщество для восполнения этого недостающего слоя.

Определяющие факторы успеха SAIL

Первый релиз — это лишь начало. Уровень внедрения будет зависеть от:

• Качества документации
• Воспроизводимости сборки
• Четкости лицензионных соглашений
• Охвата операторов
• Поддержки версий фреймворков
• Прозрачности производительности
• Регулярности стабильных релизов
• Управления сообществом
• Доступа к аппаратному обеспечению
• Поддержки интернационализации

Разработчики также будут следить за тем, продвигаются ли последующие этапы открытия исходного кода по графику, и сможет ли сообщество внести реальный вклад.

Важные ограничения и нерешенные вопросы

Часть компонентов еще не готова

Официальная дорожная карта показывает, что часть коммуникационного ПО, библиотеки ускорения, компоненты инференс-движка, а также Docker/PIP-источники планируются к выпуску на последующих этапах.

Структура репозиториев и загрузок может различаться

Официальная точка входа — сообщество разработчиков T-Head. Разные компоненты могут использовать разные процессы загрузки, документации, входа, управления пакетами или работы с репозиториями.

Лицензионные соглашения компонентов требуют отдельной проверки

Лицензии на драйверы, инструменты, библиотеки, примеры и стороннее ПО —

не все пакеты используют одну и ту же лицензию. Перед модификацией или распространением проверяйте лицензию, прилагаемую к каждому загружаемому пакету.

Совместимость с CUDA не реализуется автоматически

Когда требуемые операции поддерживаются, приложения уровня фреймворка могут быть перенесены с минимальными изменениями. Пользовательские ядра CUDA и расширения, специфичные для CUDA, обычно требуют отдельной работы по портированию.

Международное внедрение остается нерешенным вопросом

Языковая поддержка, управление сообществом, каналы поддержки, облачный доступ и доступность аппаратного обеспечения повлияют на внедрение за пределами Китая.

Часто задаваемые вопросы

Что такое T-Head SAIL?

T-Head SAIL — это программный стек AI, созданный подразделением T-Head (принадлежит Alibaba) для его ускорителей ZhenYue. Он включает драйверы, среду выполнения, языковые интерфейсы, компиляцию, библиотеки оптимизации, профилирование производительности, отладку, мониторинг устройств и управление кластерами.

Что означает SAIL?

SAIL расшифровывается как Seed of AI Library (Семя библиотеки AI). В T-Head заявляют, что это название отражает цель: использовать открытый код как семя для более широкой экосистемы AI-вычислений.

Весь ли стек SAIL уже открыт?

Не все запланированные компоненты вышли на первом этапе. Первый релиз с открытым исходным кодом включает документацию, SDK-пакеты, драйверы ядра, инструменты производительности и отладочные ресурсы. Последующие этапы охватят больше коммуникационного ПО, исходные коды пакетов, библиотеки ускорения и инференс-движки.

Где разработчики могут скачать T-Head SAIL?

Официальная точка входа — Сообщество разработчиков T-Head. Используйте актуальный портал для проверки доступности пакетов, требований к оборудованию, лицензий и инструкций по установке.

Какие AI-фреймворки поддерживает SAIL?

T-Head перечисляет такие поддерживаемые экосистемы, как PyTorch, TensorFlow, vLLM и SGLang, и заявляет, что стек адаптирован для более чем 260 фреймворков и экосистемных компонентов. Конкретные версии и статус работоспособности следует уточнять в документации по совместимости.

Могут ли CUDA-приложения работать на SAIL без изменений?

Приложения уровня фреймворка, использующие поддерживаемые операции, могут потребовать лишь минимальной адаптации. Пользовательский код CUDA, расширения, специфичные для CUDA, неподдерживаемые операции, а также зависимости от аппаратных предпосылок, могут потребовать портирования.

Какие инструменты профилирования и управления включены?

T-Head перечисляет: Asight Compute для анализа операторов, Asight Systems для системного профилирования, PPU-SMI для мониторинга устройств, PPU-DCGM для управления на уровне кластера.

Какие чипы используют T-Head SAIL?

SAIL разработан специально для серии AI-ускорителей ZhenYue. Alibaba сообщает, что по состоянию на апрель 2026 года совокупные поставки ZhenYue достигли 560 000 единиц, и данный программный стек уже используется в производственных средах Alibaba Cloud и внешних заказчиков.

Связанные инструменты

• Сообщество разработчиков T-Head: официальный портал документации SAIL, SDK-пакетов, драйверов, инструментов производительности и отладочных ресурсов.
• PyTorch: фреймворк машинного обучения с открытым исходным кодом, одна из поддерживаемых экосистем SAIL.
• TensorFlow: фреймворк обучения и инференса с открытым исходным кодом, поддерживаемый через экосистему SAIL.
• vLLM: высокопроизводительный сервисный движок для LLM с открытым исходным кодом, упомянутый в объявлении о совместимости T-Head.
• SGLang: фреймворк для обслуживания языковых и мультимодальных моделей с открытым исходным кодом, поддерживаемый SAIL.
• Anolis OS: дистрибутив Linux, указанный в списке поддерживаемых операционных систем архитектуры SAIL в релизе T-Head.
• Alibaba Cloud Model Studio (Bailian): платформа Alibaba Cloud для создания и развертывания приложений на основе фундаментальных моделей.

Связанные ссылки

• Официальное объявление T-Head SAIL: объявление в сообществе разработчиков Alibaba Cloud, охватывающее технологический стек, библиотеки, инструменты, заявления о совместимости и поэтапную дорожную карту.
• Сообщество разработчиков T-Head: текущий официальный портал документации и загрузок SAIL.
• Обзор Alibaba Cloud на WAIC 2026: официальный отчет на английском, подтверждающий открытие исходного кода SAIL и данные об отгрузках ZhenYue.
• Официальное представление ZhenYue M890: официальная информация о памяти M890, пропускной способности межсоединений, производительности и связанной инфраструктуре.
• Официальное объявление Yitian 710: официальные спецификации и данные тестирования производительности Arm-серверного процессора Alibaba Cloud.
• Официальное объявление Hanguang 800: первоначальный релиз первого AI-чипа для инференса от Alibaba.
• Кейс Alibaba Cloud на Двойное 11 (Double 11): информация об официальном производственном кейсе с использованием инфраструктуры Alibaba Cloud и Hanguang 800.

Заключение

T-Head открыла SAIL после масштабного развертывания ускорителей ZhenYue. Этот стек связывает аппаратное обеспечение ZhenYue с операционными системами, языками программирования, компиляторами, библиотеками оптимизации, AI-фреймворками, инструментами профилирования производительности и системами управления кластерами.

Его главное обещание — снизить порог миграции: повторно использовать знакомый код и фреймворки, быстрее получать поддержку нового AI-ПО, избежать привязки к единственному закрытому пути разработки. Эти обещания все еще требуют проверки на реальных моделях, пользовательских ядрах, версиях фреймворков, целевых показателях производительности и эксплуатационных требованиях.

Открытие является существенным, но поэтапным. Документация, SDK, драйверы, инструменты производительности и отладочные ресурсы уже доступны через сообщество разработчиков, а дополнительные коммуникационные библиотеки, источники пакетов, библиотеки ускорения и компоненты инференс-движка запланированы к выпуску в последующих версиях.

Самым важным шагом T-Head является не просто выпуск очередного чипа, а приглашение разработчиков изучить, использовать и, в конечном итоге, совместно формировать программный слой, который определит, станут ли эти чипы долгосрочной вычислительной платформой.