de.wedoany.com-Bericht: Auf der World Künstliche Intelligenz Conference (WAIC) 2026 gab T-Head, die Chip-Tochter von Alibaba aus China, die Veröffentlichung ihres selbst entwickelten Open-Source-KI-Software-Stacks T-Head SAIL bekannt. Dabei handelt es sich um die zugrunde liegende Software für die Zhenwu-Serie von KI-Chips, die über unabhängige geistige Eigentumsrechte verfügt und vollständig mit den gängigen KI-Ökosystemen kompatibel ist. Sie deckt die gesamte Kette von der Betriebssystemebene über die Softwareentwicklungskit-Ebene bis zur Schnittstellenebene ab. Quellcode, Treiber, Toolchains und Dokumentation sind alle in der T-Head-Entwickler-Community zum Download verfügbar.
Vor der Veröffentlichung als Open Source hatte dieser Software-Stack bereits eine gewisse Anwendungsbasis aufgebaut. Bis April 2026 wurden insgesamt 560.000 Zhenwu-KI-Chips ausgeliefert, die über 400 Kunden in mehr als 20 Branchen bedienen. Darüber hinaus wurde der Software-Stack in Produktionsumgebungen von Alibaba Cloud und mehreren Branchenunternehmen validiert, einschließlich der Bewältigung massiver Verkehrsspitzen während des Double 11 und der Erfüllung strenger Service-Level-Agreement-Anforderungen in komplexen Szenarien.
Der KI-Software-Stack ist die entscheidende Brücke zwischen dem Chip und den Entwicklern. Entwickler schreiben Code mit Frameworks wie PyTorch und TensorFlow, können aber nicht direkt die zugrunde liegende Schaltung ansteuern; sie benötigen den Software-Stack für die Befehlsübersetzung und Aufgabenplanung. In der Vergangenheit lieferten Chip-Hersteller meist kompilierte binäre Toolchains aus, sodass Entwickler die interne Implementierung nicht verstehen konnten und bei Leistungsproblemen nur auf die Reaktion des Herstellers warten mussten. Die Modellmigrationszyklen dauerten oft Wochen. Dieser Hintergrund erklärt, warum NVIDIA mit dem CUDA-Ökosystem langfristig einen Vorteil auf dem KI-Rechenleistungsmarkt behält. SAIL von T-Head spielt die gleiche Rolle wie CUDA für NVIDIA. Diese Open-Source-Initiative zielt darauf ab, die ursprünglich geschlossenen zugrunde liegenden Fähigkeiten in eine transparente und kontrollierbare Whitebox zu verwandeln, sodass Forschungsteams und Entwickler auf die zugrunde liegenden Fähigkeiten zugreifen und sie tiefgreifend anpassen können.
Das nun als Open Source veröffentlichte SAIL ist ein in der Produktion validierter, fünfschichtiger Technologie-Stack, der von den zugrunde liegenden Treibern und der Laufzeitumgebung bis zu den oberen Entwicklungstools reicht. Die Treiber- und Laufzeitschicht umfasst PPU Runtime, User-Space-Treiber und Kernel-Space-Treiber und ist für die Geräte- und Speicherverwaltung zwischen Chip und Betriebssystem verantwortlich. Die Programmiersprachenschicht bietet C/C++- und Python-Schnittstellen, sodass Entwickler ohne das Erlernen einer neuen Sprache einen reibungslosen Code-Übergang erreichen können. Die Compiler-Schicht enthält Compiler- und Debugger-Komponenten, die eine durchgängige Compiler-Optimierung unterstützen. Entwickler können die Zwischendarstellung einsehen, um den Optimierungsprozess zu verstehen. Die High-Performance-Bibliotheksschicht ist der dickste Teil des Stacks und enthält mathematische und KI-Berechnungsbibliotheken wie acBLAS, acFFT, acRAND, acSPARSE, acDNN, acSOLVER sowie Codec-Bibliotheken wie HGENC, HGDEC, HGJPEG, kollektive Kommunikationsbibliotheken wie PCCL und sailSHMEM sowie die Erweiterungsbibliotheken acext und HGML. Die oberste Entwicklungstool-Schicht umfasst Asight Compute für die Analyse der Operator-Leistung, Asight Systems für die systemweite Full-Stack-Analyse, PPU-SMI für die Geräteüberwachung und -verwaltung sowie PPU-DCGM zur Unterstützung der Cluster-Ressourcenplanung.
Um die Migrationskosten für Entwickler zu senken, bietet SAIL drei Schlüsselfunktionen. Erstens ist kein Code-Neuschreiben erforderlich; seine Operator-Bibliothek ist hochkompatibel mit gängigen Programmiermodellen, sodass vorhandener Code der Entwickler direkt wiederverwendet werden kann. Zweitens ist kein Warten auf Anpassungen erforderlich; die selbst entwickelte Inferenz-Engine von T-Head bietet eine sofort einsatzbereite Leistung, mit einer durchschnittlichen Anpassungszeit von weniger als 7 Tagen für gängige KI-Inferenz-Frameworks, sodass Entwickler schnell die neuesten Operatoren und Optimierungen nutzen können. Drittens ist keine Bindung an ein Framework oder eine Plattform erforderlich; SAIL ist mit über 260 gängigen Trainings- und Inferenz-Frameworks wie PyTorch, TensorFlow, vLLM und SGLang kompatibel. Die Toolchains können nach Bedarf ausgewählt werden, ohne an einen bestimmten technischen Weg gebunden zu sein.
Seit seiner Gründung im Jahr 2018 hat T-Head kontinuierlich in die Hardware-Landschaft investiert. Im Jahr 2019 wurde der Hanguang 800-Chip für KI-Inferenz vorgestellt, der eine Inferenzleistung von 78.563 IPS erreicht und in der Energieeffizienz unter vergleichbaren Chips führend ist. Im Jahr 2021 wurde die Yitian 710-Allzweck-Server-CPU vorgestellt, deren Leistung den damaligen Branchenstandard um 20 % übertrifft und deren Energieeffizienz um über 50 % gesteigert wurde. Der Zhenwu 810 verwendet eine parallele Rechnerarchitektur und Chip-zu-Chip-Interconnect-Technologie, verfügt über 96 GB HBM2e-Speicher und eine Chip-zu-Chip-Interconnect-Bandbreite von 700 GB/s bei einer Leistungsaufnahme von 400 W. Im Jahr 2026 wurde der neue KI-Chip Zhenwu M890 für Training und Inferenz veröffentlicht, der über 144 GB Videospeicher verfügt, die Chip-zu-Chip-Interconnect-Bandbreite auf 800 GB/s erhöht, eine dreifache Gesamtleistung im Vergleich zum Zhenwu 810E bietet, nativ FP32-Hochpräzisionstraining bis hin zu FP4-Niedrigpräzisionsinferenz unterstützt und in Verbindung mit dem selbst entwickelten ICN Switch 1.0-Chip eine 64-Karten-Vollbandbreiten-Interconnect ermöglicht.
Im Rechenzentrumsbereich hat T-Head eine selbst entwickelte Anordnung der drei Komponenten Rechenleistung, Netzwerkleistung und Speicherleistung realisiert, darunter die Zhenwu-Serie von KI-Chips und die Yitian-Serie von Server-CPUs, den ICN Switch-Interconnect-Chip und die Panmai-Serie von intelligenten Netzwerkkarten sowie die Zhenyue-Serie von Speicher-Controller-Chips. Der Name SAIL steht für Seed of AI Library. T-Head erklärte, dass jede Zeile Open-Source-Code als Samen betrachtet wird, in der Hoffnung, den gemeinsamen Aufbau des inländischen KI-Ökosystems zu fördern.
