Alibaba szykuje gigantyczny model AI. Qwen ma mieć nawet 10 bilionów parametrów

Alibaba mocno podnosi stawkę w globalnym wyścigu o sztuczną inteligencję. Podczas konferencji Apsara 2026 w Hangzhou firma ujawniła, że trenuje już Qwen 4, a przyszłe modele Qwen 4.5 i Qwen 5 mają osiągnąć skalę od 5 do nawet 10 bilionów parametrów. Jednocześnie Alibaba zaprezentował własny procesor AI Zhenwu V900, który według firmy oferuje około trzykrotnie wyższą wydajność od poprzednika i ma wejść do masowej produkcji na początku 2027 roku.

Najważniejsza informacja nie dotyczy jednak wyłącznie wielkości kolejnego modelu. Alibaba rozbudowuje jednocześnie własne chipy, klastry obliczeniowe, centra danych, Alibaba Cloud, rodzinę Qwen oraz środowisko agentów AI. Do 2032 roku globalna moc centrów danych firmy ma przekroczyć 20 GW. To pokazuje, że chiński gigant nie chce być wyłącznie producentem modeli – buduje pełny stos technologiczny potrzebny do trenowania i uruchamiania kolejnych generacji sztucznej inteligencji.

Qwen 4 jest już trenowany, ale największe modele Alibaba dopiero nadejdą

Alibaba potwierdził podczas Apsara Conference, że zespół Qwen rozpoczął trening Qwen 4, czyli kolejnej głównej generacji swojej rodziny modeli. Firma nie podała jeszcze szczegółowej specyfikacji, daty premiery ani parametrów samego Qwen 4. Znacznie bardziej konkretna jest natomiast dalsza mapa rozwoju: przyszłe Qwen 4.5 i Qwen 5 mają zostać wyskalowane do poziomu od 5 do nawet 10 bilionów parametrów i być projektowane z myślą o bardziej złożonych zadaniach wykonywanych w dłuższym horyzoncie czasowym.

Skok byłby bardzo duży. Obecnym flagowym modelem firmy jest Qwen 3.8 Max z 2,4 bln parametrów, co oznacza, że największa z zapowiadanych konfiguracji kolejnych generacji mogłaby być ponad czterokrotnie większa. Nie wiadomo jednak jeszcze, czy Alibaba zastosuje podobną architekturę jak w obecnych modelach, ile parametrów będzie aktywnych podczas pojedynczego zadania ani jak firma rozłoży zasoby pomiędzy trening i inferencję. Dlatego proste porównanie „2,4 bln kontra 10 bln” mówi przede wszystkim o skali projektu, a nie o rzeczywistej przewadze przyszłego modelu.

Strategia Alibaba wyraźnie przesuwa rodzinę Qwen w stronę systemów zdolnych do znacznie dłuższej pracy. CEO Eddie Wu mówił o modelach przeznaczonych do wykonywania bardziej skomplikowanych i długotrwałych zadań, co wpisuje się w szerszy zwrot całej branży w stronę agentów AI. Zamiast odpowiadać wyłącznie na pojedyncze pytania, przyszłe modele mają planować kolejne kroki, korzystać z narzędzi, wykonywać operacje i utrzymywać kontekst przez długi czas.

10 bilionów parametrów brzmi imponująco, ale nie przesądza o jakości modelu

Liczba parametrów pozostaje jednym z najbardziej medialnych sposobów opisywania modeli AI, ponieważ daje prostą informację o ich skali. Parametry są wartościami dostrajanymi podczas treningu i współtworzą sposób, w jaki model reprezentuje zależności poznane z danych. Większa liczba może zwiększać możliwości systemu, ale nie oznacza automatycznie proporcjonalnie wyższej jakości odpowiedzi, rozumowania czy wykonywania zadań.

W praktyce równie istotne są architektura, dane treningowe, jakość post-treningu, mechanizmy rozumowania, długość kontekstu, sposób korzystania z narzędzi oraz wydajność obliczeniowa. Szczególnie ważne będzie to, czy przyszłe Qwen pozostaną modelami wykorzystującymi architekturę typu Mixture of Experts lub rozwiązania o podobnym charakterze. W takich systemach całkowita liczba parametrów może być ogromna, ale podczas pojedynczego kroku inferencji aktywowana jest tylko część modelu. Alibaba nie przedstawił jeszcze wystarczających szczegółów, aby ocenić przyszłe Qwen właśnie pod tym kątem.

Dlatego zapowiedzi 5–10 bilionów parametrów nie można traktować jako dowodu, że Qwen 5 będzie lepszy od kolejnych modeli OpenAI, Anthropic czy Google. O faktycznej pozycji zdecydują benchmarki, niezależne testy, niezawodność w długich zadaniach oraz koszt działania modelu w realnych zastosowaniach. Sama skala pokazuje jednak coś innego: Alibaba jest gotowy inwestować w modele wymagające infrastruktury obliczeniowej na poziomie największych projektów AI na świecie.

Alibaba chce, aby kolejne modele Qwen wykonywały coraz dłuższe zadania

Jedna z najciekawszych deklaracji Alibaba dotyczy nie liczby parametrów, lecz sposobu rozwijania modeli. Eddie Wu poinformował, że zespół Qwen poczynił postępy w tworzeniu systemów, które potrafią identyfikować własne słabości, prowadzić eksperymenty i generować dane treningowe przy ograniczonym udziale człowieka. Firma nie przedstawiła jeszcze szczegółowych wyników pozwalających niezależnie ocenić skalę tego postępu, ale kierunek jest zgodny z tym, nad czym pracują obecnie największe laboratoria AI.

Alibaba już wcześniej pokazywał, że chce przesunąć Qwen z klasycznego modelu konwersacyjnego w stronę narzędzia wykonującego długie procesy. W maju firma prezentowała Qwen 3.7-Max jako model zoptymalizowany pod zadania agentowe i wieloetapową pracę z narzędziami. Według danych Alibaba w jednym z wewnętrznych testów model pracował przez 35 godzin i wykonał ponad tysiąc wywołań narzędzi, rozwiązując zadanie programistyczne związane z nowym procesorem firmy. Są to wyniki przedstawione przez samego producenta, dlatego wymagają traktowania jako jego deklaracje, ale dobrze pokazują kierunek prac.

Qwen 4, Qwen 4.5 i Qwen 5 mają rozwijać właśnie tę koncepcję. Największa zmiana w kolejnych generacjach modeli może więc nie polegać na tym, że chatbot napisze lepszą odpowiedź na jedno pytanie, ale że będzie potrafił samodzielnie prowadzić znacznie dłuższą sekwencję działań. To wymaga jednak nie tylko większego modelu, lecz także ogromnej ilości mocy obliczeniowej – i właśnie tutaj pojawia się drugi filar strategii Alibaba.

Może Cię zainteresować: GPT-6 Astra oficjalnie dostępny. OpenAI pokazało swojego najpotężniejszego agenta AI

Zhenwu V900 ma zapewnić Alibaba własną moc obliczeniową dla AI

Równolegle z planami dotyczącymi Qwen firma zaprezentowała Zhenwu V900, nową generację własnego procesora przeznaczonego do obciążeń AI. Układ został zaprojektowany przez należącą do Alibaba jednostkę T-Head Semiconductor. Według Eddie’ego Wu V900 oferuje około trzykrotnie wyższą wydajność od Zhenwu M890, choć firma nie opublikowała jeszcze pełnego zestawu danych technicznych pozwalających szczegółowo porównać oba procesory.

Poprzedni M890 zadebiutował zaledwie kilka miesięcy wcześniej. Alibaba podawał wówczas, że układ posiada 144 GB pamięci, obsługuje formaty od FP32 do FP4 i został zaprojektowany zarówno do treningu, jak i inferencji modeli. Firma rozwijała dla niego również własną warstwę sieciową oraz oprogramowanie SAIL, co już wtedy pokazywało, że ambicje T-Head wykraczają poza stworzenie pojedynczego akceleratora. Alibaba buduje własną platformę sprzętową, na której może później optymalizować usługi chmurowe oraz modele Qwen.

Zhenwu V900 ma wejść do masowej produkcji i komercyjnej sprzedaży w pierwszym kwartale 2027 roku. To szczególnie istotne w sytuacji, gdy chińskie firmy technologiczne intensywnie szukają krajowych alternatyw dla najwydajniejszych procesorów NVIDIA, do których dostęp jest ograniczany przez amerykańskie restrykcje eksportowe. Alibaba nie twierdzi, że pojedynczy V900 dorównuje najnowszym układom NVIDIA we wszystkich zastosowaniach, ale stawia na coś innego: możliwość budowania własnego ekosystemu sprzętowego na ogromną skalę.

Nawet 500 tys. chipów w klastrze pokazuje prawdziwą skalę planów Alibaba

Najbardziej znaczącą cechą Zhenwu V900 może okazać się nie wydajność pojedynczego procesora, lecz sposób, w jaki Alibaba zamierza je łączyć. Firma zapowiada możliwość budowy klastrów składających się nawet z 500 tys. chipów, przeznaczonych do trenowania oraz uruchamiania największych modeli AI. Taka skala jest niezbędna, jeżeli przyszłe Qwen rzeczywiście mają wejść w zakres wielu bilionów parametrów i jednocześnie obsługiwać długie zadania agentowe.

Samo połączenie setek tysięcy akceleratorów nie rozwiązuje jednak problemu. Przy tak dużych systemach ogromne znaczenie ma przepustowość sieci pomiędzy procesorami, zarządzanie pamięcią, synchronizacja, chłodzenie oraz oprogramowanie rozdzielające obciążenia. Każda strata wydajności pomiędzy elementami klastra może przy tej skali przełożyć się na ogromne koszty. Dlatego największe firmy AI coraz częściej projektują nie tylko same procesory, ale całe systemy obliczeniowe – od sieci i serwerów po warstwę programistyczną.

Alibaba robi to samo. Już przy generacji M890 firma wprowadziła własne przełączniki sieciowe i serwery typu supernode, a obecnie chce zwiększać skalę infrastruktury jeszcze bardziej. Na Apsara Conference zapowiedziała również rozpoczęcie komercyjnego uruchamiania nowych superwęzłów AI jeszcze w tym kwartale. W praktyce rywalizacja o najbardziej zaawansowane modele staje się więc również rywalizacją o to, kto potrafi zbudować i efektywnie wykorzystać największą infrastrukturę obliczeniową.

Alibaba Cloud chce przekroczyć 20 GW mocy centrów danych do 2032 roku

Skalę inwestycji jeszcze wyraźniej pokazuje energetyka. Alibaba zakłada, że do 2032 roku globalna moc centrów danych Alibaba Cloud przekroczy 20 GW. Firma nie podała szczegółowego harmonogramu osiągania tego poziomu, ale sam cel pokazuje, jak szybko infrastruktura chmurowa ma rosnąć wraz z zapotrzebowaniem na trenowanie oraz obsługę modeli AI.

Eddie Wu przyznał, że popyt klientów na infrastrukturę AI jest obecnie wyjątkowo silny, a możliwości zwiększania podaży ograniczają m.in. problemy w łańcuchach dostaw. Według CEO średnio- i długoterminowe zapotrzebowanie rynku ma rosnąć szybciej niż obecne możliwości dostarczania mocy obliczeniowej. To ważny sygnał, ponieważ największym ograniczeniem rozwoju AI coraz częściej nie jest pomysł na nowy model, lecz dostęp do procesorów, energii, sieci oraz odpowiednio przygotowanych centrów danych.

Alibaba podczas tegorocznego Apsara Conference poświęca temu zagadnieniu osobną część ekspozycji. Firma pokazuje nie tylko serwery i klastry, ale również systemy łączące zarządzanie obliczeniami z infrastrukturą energetyczną. W oficjalnych materiałach konferencji wskazuje wprost na konieczność koordynowania produkcji energii, magazynowania, dostaw zielonej energii oraz dynamicznego obciążenia centrów danych. W erze modeli o skali wielu bilionów parametrów infrastruktura energetyczna staje się więc bezpośrednią częścią technologicznego wyścigu AI.

Alibaba buduje pełny stos AI – od własnego chipu aż po agenta

Najważniejszy obraz wyłaniający się z Apsara 2026 nie dotyczy pojedynczego produktu. Alibaba chce mieć pod kontrolą praktycznie każdą kluczową warstwę potrzebną do rozwijania sztucznej inteligencji: procesory Zhenwu, wielkie klastry obliczeniowe, centra danych, Alibaba Cloud, modele Qwen oraz aplikacje i agentów AI. Firma już wcześniej określała swoje podejście jako strategię pełnego stosu technologicznego przygotowanego na erę agentów.

To daje Alibaba przewagę, której nie posiada wiele laboratoriów skupiających się przede wszystkim na samym modelu. Jeśli zespół Qwen potrzebuje innego sposobu komunikacji pomiędzy procesorami, Alibaba może rozwijać własne rozwiązania sieciowe. Jeśli modele agentowe powodują inny profil obciążenia serwerów niż klasyczne chatboty, infrastruktura Alibaba Cloud może być projektowana właśnie pod takie zadania. Z kolei każda kolejna generacja Qwen zwiększa popyt na chmurę i własne procesory firmy, dzięki czemu poszczególne elementy biznesu wzajemnie się napędzają.

Widać to również na samej konferencji. Oficjalny program Apsara 2026 dzieli ekosystem AI firmy na warstwy obejmujące modele Qwen, platformę dla agentów, infrastrukturę obliczeniową oraz rozwiązania stosowane później w przedsiębiorstwach i aplikacjach konsumenckich. Alibaba coraz wyraźniej przypomina więc nie pojedyncze laboratorium AI, ale zintegrowanego dostawcę technologii podobnego pod względem zakresu działalności do największych amerykańskich operatorów chmurowych.

Własne chipy mają zmniejszyć zależność Alibaba od NVIDIA

Rozwój Zhenwu ma także znaczenie strategiczne. Chińskie firmy technologiczne funkcjonują w warunkach kolejnych amerykańskich ograniczeń eksportowych obejmujących najbardziej zaawansowane procesory AI. Reuters wskazuje, że właśnie ta presja przyspiesza poszukiwanie krajowych alternatyw dla układów NVIDIA, a Alibaba należy do przedsiębiorstw inwestujących we własną architekturę sprzętową.

Nie oznacza to, że chiński rynek może już całkowicie zastąpić sprzęt NVIDIA. Wydajność pojedynczego układu jest tylko jednym z elementów, a równie ważne są narzędzia programistyczne, biblioteki, oprogramowanie do trenowania modeli i cały ekosystem, który NVIDIA rozwija od lat. Alibaba próbuje jednak zmniejszyć tę lukę poprzez jednoczesne projektowanie chipów, serwerów, sieci oraz usług chmurowych. Własne modele Qwen są przy tym naturalnym obciążeniem, na którym można optymalizować cały stos.

Jeżeli firma będzie w stanie wdrażać Zhenwu na dużą skalę we własnych centrach danych, nie musi od razu stworzyć układu lepszego od każdego procesora konkurencji. Wystarczy, że cały system okaże się odpowiednio wydajny i ekonomiczny dla usług Alibaba Cloud oraz modeli Qwen. To właśnie dlatego zapowiedź 500-tysięcznych klastrów może być dla przyszłości firmy równie ważna jak deklarowana trzykrotna poprawa wydajności pojedynczego V900.

Qwen ma stać się czymś więcej niż kolejnym chatbotem

Alibaba od dłuższego czasu buduje Qwen jako szeroką rodzinę modeli, a nie pojedynczego konkurenta dla ChatGPT. Obok dużych modeli językowych rozwijane są warianty multimodalne, modele do programowania, obrazu, wideo i bardziej wyspecjalizowanych zastosowań. Oficjalna ekspozycja Apsara 2026 przedstawia Qwen jako podstawową warstwę dla agentów działających m.in. w pracy biurowej, obsłudze klienta, marketingu, kodowaniu i tworzeniu treści.

To ważne w kontekście Qwen 4 i dalszych generacji. Alibaba nie potrzebuje modelu liczącego 10 bilionów parametrów tylko po to, aby stworzyć jeszcze lepszego chatbota odpowiadającego na pytania. Największe inwestycje mają sens przede wszystkim wtedy, gdy model może być wykorzystywany do skomplikowanych procesów biznesowych, pracować z wieloma narzędziami i wykonywać zadania wymagające dużej liczby kolejnych kroków.

Eddie Wu sugeruje, że obecne zastosowania AI są dopiero początkiem znacznie większej transformacji. Tego typu prognozy należy oczywiście traktować jako wizję szefa firmy inwestującej miliardy w sztuczną inteligencję, a nie obiektywną ocenę przyszłości rynku. Kierunek strategiczny Alibaba jest jednak czytelny: Qwen ma być warstwą inteligencji działającą nad własną chmurą i własnym sprzętem, a nie wyłącznie aplikacją do prowadzenia rozmów.

Inwestorzy dobrze przyjęli plany Alibaba dotyczące AI

Reakcja rynku była szybka. Po prezentacji nowych planów akcje Alibaba notowane w Hongkongu wzrosły o 5,1 proc., osiągając najwyższy poziom od około miesiąca. Inwestorzy otrzymali jednocześnie informacje o większych modelach, nowej generacji własnych procesorów oraz ogromnym planie zwiększenia mocy centrów danych, co w praktyce tworzy jedną spójną strategię rozwoju AI.

Najważniejszym pytaniem pozostają jednak koszty. Modele liczące wiele bilionów parametrów, pół miliona procesorów w jednym klastrze i centra danych o mocy liczonej w dziesiątkach gigawatów wymagają gigantycznych nakładów inwestycyjnych. Alibaba musi więc udowodnić nie tylko, że potrafi zbudować taką infrastrukturę, ale również że popyt na modele i usługi chmurowe będzie wystarczający, aby wykorzystać ją ekonomicznie.

Firma przekonuje, że zapotrzebowanie na AI w Alibaba Cloud już dziś jest większe niż możliwości rozbudowy podaży. Jeżeli ten trend się utrzyma, własne procesory i większa kontrola nad infrastrukturą mogą poprawić zarówno dostępność mocy obliczeniowej, jak i koszty jej świadczenia. Jeżeli wzrost popytu osłabnie, ogromne inwestycje w centra danych staną się natomiast znacznie większym ryzykiem finansowym.

Alibaba i Qwen 4 – podsumowanie i wnioski

Alibaba trenuje Qwen 4, a jego kolejne generacje mają osiągnąć skalę od 5 do nawet 10 bilionów parametrów. To znacznie więcej niż 2,4 bln parametrów obecnego Qwen 3.8 Max, ale sama liczba nie przesądza jeszcze o jakości przyszłych modeli. O ich pozycji względem GPT, Claude czy Gemini zdecydują przede wszystkim architektura, efektywność, zdolności agentowe, niezawodność i koszt wykonywania zadań.

Znacznie ważniejsze jest to, że Alibaba przygotowuje dla tych modeli własne zaplecze. Zhenwu V900 ma oferować trzykrotnie wyższą wydajność od poprzednika, być łączony w klastry liczące nawet 500 tys. układów i trafić do masowej produkcji w pierwszym kwartale 2027 roku. Jednocześnie firma chce przekroczyć 20 GW globalnej mocy centrów danych do 2032 roku, co pokazuje skalę infrastruktury potrzebnej do realizacji jej planów.

Apsara 2026 pokazuje więc, że Alibaba nie chce konkurować z największymi firmami AI wyłącznie za pomocą Qwen. Buduje cały ekosystem – od półprzewodników i centrów danych, przez chmurę, aż po modele i agentów wykonujących realne zadania. Jeżeli firma będzie potrafiła skutecznie połączyć te warstwy, właśnie pełna kontrola nad stosem technologicznym może okazać się jej większą przewagą niż efektowna liczba 10 bilionów parametrów.

Źródła: Reuters, Alibaba Group, Alibaba Cloud. Opracowanie własne.

Dziękujemy za przeczytanie artykułu na Techoteka.pl.
Codziennie publikujemy najważniejsze informacje z Polski i ze świata dotyczące technologii, sztucznej inteligencji, nowych rozwiązań cyfrowych oraz trendów technologicznych, które kształtują przyszłość.
Obserwuj nas na Facebooku, aby być na bieżąco z najważniejszymi wydarzeniami ze świata technologii.