✨︎ Resumen (TL;DR):
- Alibaba planea entrenar un modelo de IA de entre 5 y 10 billones de parámetros, pero todavía no anunció una fecha de lanzamiento.
- La escala sería aproximadamente de dos a cuatro veces la de Qwen3.8-Max, su modelo insignia de 2.4 billones.
- El plan también contempla el chip Zhenwu V900 y superar los 20 gigavatios de capacidad global de centros de datos para 2032.
Alibaba planea entrenar un modelo de IA de entre 5 y 10 billones de parámetros. Eddie Wu, CEO de Alibaba, explicó que el objetivo de Qwen es resolver tareas más complejas y de mayor horizonte temporal, con la mira puesta en la superinteligencia artificial. Alibaba aún no presentó el modelo ni fijó una fecha de lanzamiento.
Wu anunció el objetivo el 22 de septiembre durante la conferencia Apsara, en Hangzhou. En el mismo evento presentó el chip Zhenwu V900 y la meta de superar los 20 gigavatios de capacidad global de centros de datos para 2032.
El anuncio establece una escala de desarrollo que conecta el siguiente salto de Qwen con la infraestructura necesaria para entrenarlo y ofrecerlo.
Más parámetros no garantizan un mejor modelo
Un parámetro de un modelo de IA es una variable que el sistema ajusta durante el entrenamiento y que sirve como una medida aproximada de su tamaño. Un recuento mayor suele exigir más datos, memoria, interconexión y tiempo de cómputo, pero no garantiza por sí solo un mejor rendimiento.
Eso representa entre 5 y 10 millones de millones de parámetros. La escala anunciada sería aproximadamente de dos a cuatro veces la de Qwen3.8-Max, su actual modelo insignia de 2.4 billones de parámetros. Alibaba presentó ese modelo en agosto. Incluso con cuantización agresiva, esa escala puede requerir cientos de gigabytes de memoria.
Reuters reportó que Alibaba todavía trabaja en la arquitectura y la optimización de datos del sistema. Según Wu, Qwen busca resolver tareas más complejas y de mayor horizonte temporal, con la mira puesta en la superinteligencia artificial.
El equipo de Alibaba también ha reportado avances en mejora recursiva: modelos que detectan limitaciones, diseñan experimentos y sintetizan datos para alimentar nuevos ciclos de entrenamiento. La descripción de Alibaba no constituye una demostración pública de que el sistema ya pueda auto-mejorarse de forma general.
El V900 lleva la apuesta al hardware
En paralelo, Alibaba presentó el Zhenwu V900, un chip de IA diseñado por T-Head, su unidad de semiconductores. Wu lo describió como el chip de IA más potente de China y afirmó que ofrece tres veces el rendimiento del M890.
Un clúster construido con el V900 puede admitir hasta 500,000 tarjetas para entrenar y ejecutar modelos de IA de frontera, de acuerdo con la información reportada por Reuters.
El supernodo de IA basado en el M890 ya puede hacer inferencia con modelos de más de 2 billones de parámetros, según Wu. El CEO afirmó que un puñado de compañías cuenta con esa capacidad a escala global.
Alibaba Cloud prevé comenzar a poner sus supernodos de IA en operación comercial a escala durante el trimestre actual. Esta apuesta se inserta en la carrera china por fabricar alternativas domésticas a los procesadores de Nvidia, en un momento marcado por las restricciones estadounidenses a la exportación de chips avanzados. Alibaba intenta cubrir con hardware propio una parte mayor de la cadena necesaria para entrenar y ejecutar sus modelos.
La meta de centros de datos supera los 20 GW
Wu fijó el objetivo de que la capacidad global de centros de datos de Alibaba Cloud supere los 20 gigavatios para 2032. También describió la demanda de infraestructura de IA como excepcionalmente fuerte.
Reuters reportó que las limitaciones de suministro en la cadena de centros de datos están frenando la velocidad a la que Alibaba puede ampliar esa capacidad.
Los 20 gigavatios miden capacidad de centros de datos, no el rendimiento del modelo. El plan combina entrenamiento e inferencia con chips, redes, memoria, almacenamiento y electricidad a una escala que requiere infraestructura propia y expansión global.
Alibaba todavía debe convertir el rango de 5 a 10 billones en un sistema entrenado y medible. La compañía no ha anunciado una fecha para un modelo terminado y los resultados públicos todavía no permiten evaluar si el aumento de parámetros se traducirá en mejores capacidades.
Por ahora, el anuncio cuantifica el tamaño de la apuesta. El V900 y la expansión de centros de datos convierten esa promesa de escala en capacidad operativa, pero los resultados públicos todavía no permiten medir el desempeño final del modelo.
