핵심 내용
Alibaba가 9월 22일 Apsara Conference에서 모델·반도체·클라우드·에이전트를 모두 포함한 full-stack AI 로드맵을 공개했다. 현재 Qwen 4가 학습 중이며 이후 Qwen 4.5와 Qwen 5는 총 파라미터를 약 5조~10조까지 확대하는 방향을 제시했다. 현 플래그십 Qwen 3.8 Max의 2.4조 파라미터보다 최대 약 네 배 큰 규모다. 파라미터 수가 실제 지능이나 품질과 일대일로 대응하는 것은 아니지만, Alibaba가 long-horizon agent와 자체 개선 연구를 위해 훈련 규모를 계속 늘리겠다는 방향은 분명하다.
Alibaba는 Qwen 3.8 Max가 한 달 동안 자동화된 pipeline 설계, 데이터 검증, 실험 반복, 오류 진단을 수행해 33회의 self-improvement cycle을 마쳤고, 회사가 인용한 Artificial Analysis 점수가 40에서 45로 개선됐다고 발표했다. 또 칩 설계 실험에서는 약 60시간 동안 1만 회 이상의 EDA tool call을 수행해 성능을 유지하면서 chip bus module 면적을 42% 줄였다고 주장했다. 이 두 결과는 회사가 구성한 실험에서 나온 벤더 발표치이므로 독립 재현 여부는 별도 확인이 필요하다.
반도체 측에서는 T-Head가 Zhenwu V900 가속기를 공개했다. Alibaba 공식 자료에 따르면 V900은 216GB 메모리와 1,200GB/s의 inter-chip bandwidth를 갖추고 FP8·FP4를 지원하며, 전세대 M890보다 성능이 약 3배 높다. Reuters는 Alibaba가 최대 50만 개 칩을 연결하는 cluster 구성을 제시했고, 2027년 1분기 양산·상용화를 목표로 한다고 전했다. Alibaba Cloud는 글로벌 데이터센터 capacity를 2032년까지 20GW 이상으로 늘리겠다는 목표도 밝혔다.
배경
미국의 첨단 AI 칩 수출규제가 강화되면서 중국 빅테크는 Nvidia 대체 칩을 별도 제품으로 만드는 것을 넘어 모델, interconnect, 서버, 클라우드 운영까지 자체적으로 묶는 전략을 강화하고 있다. Huawei가 Ascend 기반 대규모 cluster를 추진하는 것과 마찬가지로 Alibaba도 Qwen 생태계를 자체 silicon과 cloud에 직접 연결해 미국 공급망 의존을 줄이고 있다.
산업·시장에 미치는 영향
중국 AI 경쟁력의 핵심은 단일 가속기 성능보다 모델·칩·네트워크·데이터센터가 같이 최적화되는 속도에 달릴 가능성이 높다. V900이 실제 양산에서 안정적인 수율과 software compatibility를 확보한다면 중국 기업의 Nvidia 의존을 일부 줄일 수 있고, Qwen의 open-weight 생태계와 Alibaba Cloud를 결합한 가격 경쟁도 더 강해질 수 있다. 반면 20GW와 50만 칩 cluster는 장기 목표와 최대 설계치이므로 실제 energization, 수율, 전력·냉각, compiler 성숙도를 확인해야 한다.
실무에서 바로 활용할 수 있는 시사점
AI 인프라를 평가할 때 단일 GPU/NPU benchmark보다 모델 호환성 → compiler/runtime → HBM/메모리 → interconnect → cluster efficiency → 전력을 하나의 스택으로 비교해야 한다. 중국 시장을 고려한다면 Qwen 기반 self-host와 Alibaba Cloud, 미국계 모델 API를 별도의 provider path로 유지하는 것이 지정학적·비용 리스크를 줄이는 데 유리하다.
출처: Alibaba Cloud — Full-Stack AI Strategy Roadmap, Reuters — Alibaba deepens AI push with new chip, bigger model