Alibaba представила один із найагресивніших планів розвитку ШІ
Alibaba представила агресивний план розвитку ШІ: тренування Qwen 4, масштабування Qwen 4.5 та Qwen 5 до 5–10 трлн параметрів, дослідження рекурсивного самоулучшення, запуск чипу M890 для моделей понад 2 трлн параметрів, кластери з 500 000 прискорювачів V900 та глобальна потужність дата-центрів понад 20 ГВт до 2032 року. Запуск масового виробництва V900 перенесено на I квартал 2027 року.
🚀 Alibaba викликає OpenAI та NVIDIA. Масштаб інвестицій у власні чіпи та дата-центри сигналізує про готовність вести війну за інфраструктуру ШІ — для компаній, які будують власні AI-платформи або залежать від облачних гігантів.
Що це означає для вас
Оцініть залежність вашої компанії від одного постачальника AI-обчислень (наприклад, NVIDIA або AWS) та розгляньте мульти-хмарну стратегію
🕐 Спитайте свого IT-провайдера, чи підтримує він інтеграцію з Alibaba Cloud для резервного варіанту (15 хв)
📊 З новини: 500 000 ускорителей у кластері🛠 Інструмент: Alibaba Cloud
Пропустіть, якщо: ваша компанія не використовує масштабні моделі ШІ або не планує власне розгортання
Перевірте, чи має ваша IT-стратегія резервний варіант для AI-обчислень на випадок зростання залежності від одного постачальника
Отримати карту AI-можливостей →🎯 Чи підходить це вашому бізнесу?
Заповніть профіль компанії — і ми автоматично покажемо, чи варто вам це впроваджувати.
Заповнити профіль · 30 секундTL;DR
- •Alibaba тренує Qwen 4 та планує Qwen 4.5/5 з 5–10 трлн параметрів
- •Qwen досліджує рекурсивне самоулучшення для автоматичного подальшого навчання
- •Запущений чип M890 підтримує моделі понад 2 трлн параметрів
- •Кластери на V900 можуть об’єднувати до 500 000 прискорювачів
- •Глобальна потужність дата-центрів Alibaba Cloud має перевищити 20 ГВт до 2032 року
Як це змінить ваш ринок?
Компанії, що залежать від одного постачальника AI-обчислень (наприклад, NVIDIA через AWS/Azure), теж отримують альтернативу через Alibaba Cloud. Це зменшує риск постачання та може знизити вартість доступу до великомасштабних тренувань через конкуренцію на ринку інфраструктури ШІ.
Визначення: рекурсивне самоулучшення — процес, коли модель AI виявляє свої слабкі місця, проектує експерименти, генерує нові дані та використовує їх для тренування наступного покоління без прямого людського втручання.
Для кого це і за яких умов (ОБОВ'ЯЗКОВО: мін. обладнання/бюджет, потрібна команда чи ні, мін. масштаб, час на впровадження.
- •Для тестування Qwen 7B: ноутбук з 16 ГБ ОЗУ, без IT-команди, 30 хв на завантаження та запуск
- •Для доступу до моделей 72B+ через Alibaba Cloud: інтернет-з’єднання, обліковий запис, можливість оплати в USD/CNY, без власного GPU
- •Для власного розгортання моделей понад 1B параметрів: доступ до кластеру з GPU типу V900 або еквівалентом, бюджет на енергоспоживання та охолодження, IT-команда з досвідом у високопродуктивних обчисленнях
Альтернативи
| Продукт | Ціна | Де працює | Мін. вимоги | Ключова різниця |
|---|---|---|---|---|
| Alibaba Qwen через Cloud | дані не розкриті | Alibaba Cloud | інтернет, обліковий запис | доступ до моделей з рекурсивним самоулучшенням та власного чіпа V900 |
| AWS Bedrock | з $0.03/1K токенів | AWS Cloud | AWS-акаунт | інтеграція з екосистемою AWS, але залежить від чіпів NVIDIA/Trainium |
| Azure AI | з $0.025/1K токенів | Azure Cloud | Azure-підписка | тесна інтеграція з корпоративним ПЗ Microsoft, але залежить від NVIDIA |
| Самостійне розгортання Qwen | безкоштовно ( модель ) | власне залізо | GPU 24GB+ для 7B, енергоспоживання 300W+ | повний контроль, але вимагає експертизи та інфраструктури |
💬 Часті запитання
Такий розбір щоранку о 08:00
Персональний AI-дайджест для вашої галузі — щодня у Telegram
Джерела
Machinelearning — оригіналНавчіть вашу команду будувати такі AI-автоматизації
За 5 днів кожен співробітник побудує автоматизацію для своєї ділянки роботи.
Дізнатись більше → aiupskill.live