Alibaba mete sus grandes modelos en su propio silicio: el Zhenwu V900 triplica la velocidad y Qwen 4 ya está en entrenamiento

A finales de septiembre, en la conferencia Yunqi de Hangzhou, Alibaba puso tres cosas sobre la misma mesa: un chip nuevo, un modelo en entrenamiento y una factura de centros de datos que se extiende hasta 2032. En años anteriores, este tipo de eventos solían tener a los modelos como protagonistas; este año, lo que se mencionó una y otra vez fue el silicio.

T-Head, la filial de Alibaba, presentó el Zhenwu V900, un chip de IA para entrenamiento e inferencia integrados. Según la versión oficial, su capacidad de cómputo es el triple de la del Zhenwu M890, incluye 216 GB de memoria gráfica, 1200 GB/s de ancho de banda de interconexión entre chips y soporte nativo para los formatos de baja precisión FP8 y FP4. El Zhenwu M890 se había presentado apenas en mayo de este año, con solo cuatro meses de diferencia. El V900 no entrará en producción en serie ni se venderá hasta el primer trimestre de 2027, así que lo que hoy está sobre el escenario sigue siendo una ficha técnica, no un producto disponible para pedir.

Lo que realmente merece atención es la forma de interconexión que hay detrás. T-Head diseñó para el V900 su propio chip de interconexión ICNSwitch, que trabaja con semántica de memoria y direccionamiento unificado de memoria, y que según la empresa permite que miles de V900 colaboren como si fueran un único "superchip". En el servidor de supernodo presentado junto con él, además del V900, se incorporaron la tarjeta de red inteligente y el chip controlador de SSD de desarrollo propio: cómputo, almacenamiento y red, todo en casa. Según las cifras divulgadas por Alibaba, un solo clúster puede escalar hasta 500 000 tarjetas.

Alibaba ya cuenta con cargas de trabajo reales. Los supernodos basados en el Zhenwu M890 ya ejecutaron modelos de más de dos billones de parámetros, como Qwen3.8 y Kimi K3, y los chips de la serie Zhenwu han prestado servicio a más de 650 empresas cliente, con presencia en sectores como la conducción autónoma, las finanzas, la energía y la manufactura. Estas cifras explican por qué Alibaba se atreve a hablar de un clúster de próxima generación de 500 000 tarjetas.

En el lado de los modelos, el movimiento es aún más directo. Alibaba confirmó que Qwen 4 ya está en entrenamiento, y que los tamaños objetivo de Qwen 4.5 y Qwen 5 se sitúan entre 5 y 10 billones de parámetros. Como referencia, el Qwen3.8-Max, hoy el más potente de Alibaba, tiene 2,4 billones de parámetros. Que los parámetros crezcan y que el clúster crezca son dos caras de la misma cosa: sin suficientes tarjetas, el ciclo de entrenamiento de un modelo de escala billonaria se alarga hasta volverse inútil.

Alibaba Cloud fijó como objetivo de infraestructura superar los 20 GW de capacidad global de centros de datos en 2032, y al mismo tiempo planea abrir tres nuevas regiones en Turquía, Finlandia y Países Bajos en el próximo año, además de ampliar su capacidad en Malasia, Alemania, Emiratos Árabes Unidos y Francia. Presentar chips, modelos y nube dentro de una misma estrategia fue la línea más clara de esta conferencia.

Cifras bonitas, pero la referencia es contra sí misma

A la hora de juzgar esta hoja de ruta, hay dos matices que conviene tener en cuenta.

Primero: el triple de mejora compara el V900 con su propio M890, no con la Blackwell de Nvidia ni con ninguna tarjeta aceleradora de terceros. La capacidad de memoria y el ancho de banda de interconexión no se traducen directamente en rendimiento real de entrenamiento, latencia de inferencia ni costo por token. Alibaba tampoco ha publicado resultados de pruebas independientes de terceros.

Segundo: el ecosistema de software. El código de entrenamiento de los principales modelos a nivel mundial se ha escrito durante años en torno a CUDA, y las bibliotecas de controladores, los contenedores y las herramientas de orquestación se apoyan en años de acumulación. Migrar un conjunto de cargas de trabajo que corre sobre la plataforma de Nvidia a un chip nuevo suele costar no en parámetros de hardware, sino en las semanas que los ingenieros dedican a reescribir código y ajustar rendimiento. Esta vez, Alibaba no explicó la dificultad de migración entre el V900 y la cadena de herramientas actual de Nvidia, ni publicó precios, tipos de instancia disponibles o soporte regional.

No es un problema exclusivo de Alibaba. La capacidad de producción en nodos avanzados, el rendimiento por oblea y el desempeño por vatio son restricciones reales que enfrentan los chips de desarrollo propio en China. El significado del Zhenwu V900 está más en haber empujado un paso adelante el "¿podemos fabricarlo nosotros mismos?" que en haber igualado a alguien en un punto concreto.

Por qué ahora

Vale la pena desmenuzar el momento elegido. En los últimos dos años, las restricciones de EE. UU. a la exportación de GPU avanzadas hacia China no han dejado de endurecerse, y los proveedores de nube nacionales se han visto obligados a acelerar la inversión en aceleradores de desarrollo propio. Alibaba, Huawei y también actores más pequeños como Enflame o Iluvatar CoreX empujan en la misma dirección. En el mismo período se informó de que Huawei también estaba adelantando el calendario de lanzamiento de su próxima generación de chips de IA. El discurso público de ambas compañías es parecido: reemplazar la posición de Nvidia en el mercado chino antes de que las reglas los bloqueen aún más.

Para Alibaba en particular, el silicio de desarrollo propio reporta dos beneficios. Uno es reducir su exposición a los vaivenes de la política estadounidense, para que la planificación de cómputo deje de depender de las reglas de exportación. El otro es quedarse con la parte del beneficio de chip más nube que históricamente se llevaba Nvidia.

Si solo se miran los lanzamientos de modelos, uno podría pensar que esta ronda de competencia sigue siendo por quién tiene más parámetros y quién obtiene mejores puntuaciones. Pero al ver juntos los chips, los supernodos, las regiones de nube y la hoja de ruta de modelos, el campo de batalla se ha desplazado en realidad al terreno del silicio y las salas de servidores. Los modelos son la fachada; poder fabricar tus propias tarjetas, armar tu propia red y suministrar tu propia energía es lo que determina hasta dónde puede llegar el edificio.

La prueba viene después

En los próximos doce a dieciocho meses, tres cosas darán la respuesta. Si la afirmación de un supernodo de 500 000 tarjetas resiste la prueba de un despliegue real con clientes; si Qwen 4.5 y Qwen 5 llegan de verdad a una escala cercana a los diez billones de parámetros; y si el objetivo de 20 GW de centros de datos consigue la financiación y la electricidad correspondientes.

Si cualquiera de esos tres puntos se cumple a medias, ya bastaría para demostrar que la pila de hardware de IA china está acortando distancia con Nvidia. Esa reducción no se verá necesariamente en la equivalencia de un indicador concreto, sino más bien en la propia escala del despliegue. Alibaba ya lo dijo en Hangzhou; lo que queda lo responderán la línea de producción en serie y el medidor de electricidad.