Alibaba mette i modelli di grandi dimensioni nei propri silici: Zhenwu V900 triplica la velocità, Qwen 4 è già in addestramento

Alla conferenza Yunqi di Hangzhou di fine settembre, Alibaba ha messo tre cose sullo stesso tavolo: un nuovo chip, un modello in addestramento e un conto per i data center fino al 2032. Negli anni passati, in questo tipo di conferenze i modelli erano di solito i protagonisti; quest'anno il vero tema ricorrente sono stati i silici.

T-Head, la controllata di Alibaba, ha presentato Zhenwu V900, un chip AI che integra addestramento e inferenza. Secondo la versione ufficiale, la sua potenza di calcolo è tre volte quella di Zhenwu M890, con 216 GB di memoria e 1200 GB/s di larghezza di banda di interconnessione tra chip, e supporto nativo per i formati a bassa precisione FP8 e FP4. Zhenwu M890 era stato presentato solo a maggio di quest'anno, appena quattro mesi prima. V900 arriverà in produzione e vendita solo nel primo trimestre del 2027, quindi quello che c'è sul palco è ancora una scheda tecnica, non un prodotto disponibile da ordinare.

Ciò che merita davvero attenzione è il modo in cui è organizzata la rete alle spalle. T-Head ha dotato V900 di ICNSwitch, un chip di interconnessione sviluppato internamente, che adotta semantica di memoria e indirizzamento unificato della memoria, e che secondo l'azienda consente a migliaia di V900 di cooperare come un unico "superchip". Nei server super-nodo presentati insieme, oltre a V900, sono stati inseriti anche la scheda di rete intelligente e il chip controller SSD proprietari: calcolo, storage e rete, tutto in casa. Secondo i dati divulgati da Alibaba, un singolo cluster può essere esteso fino a 500.000 schede.

Alibaba ha già a disposizione un parco di carichi reali. I super-nodi basati su Zhenwu M890 hanno già eseguito modelli con oltre 2.000 miliardi di parametri come Qwen3.8 e Kimi K3; i chip della serie Zhenwu hanno servito complessivamente più di 650 aziende clienti, in settori che vanno dalla guida autonoma alla finanza, dall'energia alla manifattura. Questi numeri spiegano perché Alibaba osi annunciare una scala di 500.000 schede per la prossima generazione di cluster.

Sul fronte dei modelli i movimenti sono ancora più diretti. Alibaba ha confermato che Qwen 4 è già in addestramento; gli obiettivi di scala di Qwen 4.5 e Qwen 5 sono compresi tra 5.000 e 10.000 miliardi di parametri. Come termine di paragone, attualmente il modello più potente di Alibaba, Qwen3.8-Max, ha 2.400 miliardi di parametri. Aumentare i parametri e aumentare i cluster sono due facce della stessa medaglia: senza abbastanza schede, il ciclo di addestramento di un modello da migliaia di miliardi di parametri si allungherebbe fino a perdere senso.

Alibaba Cloud ha fissato l'obiettivo infrastrutturale di superare i 20 GW di data center a livello globale entro il 2032, e prevede di aprire nell'arco del prossimo anno tre nuove regioni in Turchia, Finlandia e Paesi Bassi, oltre ad ampliare quelle in Malaysia, Germania, Emirati Arabi Uniti e Francia. Raccontare chip, modelli e cloud dentro un'unica strategia è la linea più chiara emersa da questa conferenza.

Numeri belli, ma il benchmark è un confronto con se stessa

Nel valutare questa roadmap, ci sono due aspetti da tenere presenti.

Primo: il triplo delle prestazioni è V900 rispetto alla propria M890, non rispetto alla Blackwell di Nvidia né a qualsiasi scheda acceleratrice di terze parti. Capacità di memoria e larghezza di banda di interconnessione non si traducono direttamente in throughput reale di addestramento, latenza di inferenza e costo per token. Alibaba non ha nemmeno pubblicato punteggi di test indipendenti di terze parti.

Secondo: l'ecosistema software. Il codice di addestramento dei principali modelli al mondo è stato a lungo scritto attorno a CUDA; librerie, container e strumenti di orchestrazione si basano su anni di accumulo. Migrare un carico di lavoro che gira su piattaforma Nvidia verso un nuovo chip ha costi che spesso non stanno nei parametri hardware, ma nelle settimane in cui gli ingegneri riscrivono codice e ottimizzano prestazioni. Questa volta Alibaba non ha spiegato quanto sia difficile la migrazione tra V900 e l'attuale toolchain Nvidia, né ha pubblicato prezzi, tipi di istanza disponibili e supporto regionale.

Non è un problema solo di Alibaba. La capacità produttiva dei processi avanzati, il rendimento e le prestazioni per watt sono tutti vincoli concreti che i chip sviluppati internamente in Cina devono affrontare. Il significato di Zhenwu V900 sta più nell'aver fatto un passo avanti sul "possiamo costruirceli da soli?" che nell'aver colmato il divario su un singolo punto.

Perché proprio ora

Il momento merita di essere analizzato. Negli ultimi due anni, le restrizioni statunitensi sull'esportazione di GPU avanzate verso la Cina si sono progressivamente inasprite, e i cloud provider cinesi sono stati costretti ad accelerare gli investimenti su acceleratori sviluppati internamente. Alibaba, Huawei, insieme a player più piccoli come Enflame e Iluvatar CoreX, spingono tutti nella stessa direzione. Nello stesso periodo, alcune indiscrezioni riportavano che anche Huawei stava anticipando il ritmo di lancio della prossima generazione di chip AI. Le dichiarazioni pubbliche delle due aziende sono simili: sostituire la posizione di Nvidia nel mercato cinese prima che le regole stringano ulteriormente la presa.

Per Alibaba stessa, il silicio sviluppato internamente porta due benefici. Uno è ridurre l'esposizione alle oscillazioni della politica statunitense, così che la pianificazione della capacità di calcolo non dipenda più dagli alti e bassi delle regole sull'esportazione; l'altro è trattenere al proprio interno quella parte di profitti — chip più cloud — che storicamente finiva a Nvidia.

Se si guardasse solo al lancio dei modelli, si penserebbe che questa tornata di competizione sia ancora una gara su chi ha più parametri e chi ottiene punteggi più alti. Ma mettendo insieme chip, super-nodi, regioni cloud e roadmap dei modelli, il campo di battaglia si è in realtà spostato al livello dei silici e delle sale server. I modelli sono la facciata; è la capacità di produrre da soli le schede, di costruire da soli la rete e di alimentarsi da soli a determinare quanto in alto si può costruire l'edificio.

La prova arriva dopo

Nei prossimi dodici-diciotto mesi, tre cose daranno la risposta. Se la tesi dei super-nodi da 500.000 schede reggerà alla prova delle distribuzioni presso clienti reali; se Qwen 4.5 e Qwen 5 riusciranno davvero a raggiungere una scala vicina ai 10.000 miliardi di parametri; e se l'obiettivo di 20 GW di data center troverà i finanziamenti e l'energia corrispondenti.

Se anche solo una di queste voci si realizzasse a metà, basterebbe a dimostrare che lo stack hardware AI cinese sta riducendo la distanza da Nvidia. Questa riduzione non si manifesterà necessariamente nell'equivalenza su un singolo indicatore, ma più probabilmente nella scala stessa delle installazioni. Alibaba ha già detto la sua a Hangzhou; il resto lo dovranno rispondere la linea di produzione e il contatore dell'elettricità.