Alibaba quiere un modelo de diez billones de parámetros y sus propios chips para entrenarlo

En la conferencia anual Apsara de Alibaba Cloud en Hangzhou, el director ejecutivo Eddie Wu expuso un plan con dos mitades que sólo tienen sentido juntas. El primero es un modelo: un sucesor de Qwen en el rango de 5 a 10 billones de parámetros, frente a aproximadamente 2,4 billones del actual buque insignia, es decir, de dos a cuatro veces más grande. Qwen 4 ya está en entrenamiento, siendo Qwen 4.5 y Qwen 5 los que apuntan a esa escala. La segunda mitad es el hardware para ejecutarlo. Alibaba presentó el Zhenwu V900, un acelerador de IA de su unidad de chip interna T-Head, que según la compañía ofrece tres veces la potencia de procesamiento de su predecesor, el M890, y puede conectarse en grupos de hasta 500.000 unidades. La producción en masa está prevista para el primer trimestre de 2027. Wu también comprometió a Alibaba Cloud a 20 gigavatios de capacidad de centro de datos para 2032, ampliando un gasto en IA de tres años previamente anunciado de 53 mil millones de dólares. Las acciones subieron en Hong Kong.

¿Qué hay detrás de esto?

Los parámetros son los números ajustables dentro de un modelo, las cosas que entrenan las melodías, y más de ellos generalmente significa más capacidad para almacenar y combinar patrones. La relación con la utilidad real es mucho más vaga de lo que sugiere el número del titular, y la mayoría de los laboratorios han pasado los últimos dos años sacando más provecho de los modelos en lugar de simplemente construir modelos más grandes. Por lo tanto, es mejor leer un salto a 10 billones como una declaración de intenciones sobre computación, no como una promesa sobre calidad.

El chip es el anuncio más importante. Los controles de exportación de Estados Unidos han restringido qué piezas de Nvidia pueden comprar las empresas chinas, y la respuesta en toda la industria china ha sido construir alternativas nacionales. Un objetivo de grupo de 500.000 tarjetas es el número que importa allí, porque el entrenamiento a escala de frontera tiene menos que ver con la velocidad de un solo chip que con si se puede hacer que cientos de miles de ellos funcionen como una sola máquina sin que todo se caiga. Se desconoce si el V900 realmente cumple con los requisitos: la afirmación de rendimiento es de Alibaba, no existe una evaluación comparativa independiente y la pieza no entrará en producción en masa hasta dentro de dos trimestres. La cifra de 20 gigavatios es la que hay que tener en cuenta, porque la electricidad, y no el silicio, se está convirtiendo en la verdadera limitación de esta industria.

Qué significa esto para ti: No notarás nada este año. La razón para prestar atención es que la familia Qwen es de donde provienen muchos de los modelos descargables gratuitos, por lo que los planes informáticos de Alibaba eventualmente dan forma a lo que cualquiera puede ejecutar sin pagar una suscripción. También hay un punto más tranquilo aquí sobre cómo funcionan estos anuncios. Un modelo que no existe, un chip que no está en producción y una construcción que finaliza en 2032 son todos planes reales, y ninguno de ellos es un producto. Vale la pena guardar las noticias de la hoja de ruta y las noticias enviadas en diferentes carpetas mentales.

Fuentes

• Reuters vía Investing.com: Alibaba planea un modelo de IA con entre 5 y 10 billones de parámetros y presenta un nuevo chip
• CNBC: Las acciones de Alibaba suben a medida que se revelan los planes de construcción de un nuevo chip de IA y un centro de datos
• US News: Alibaba planea un modelo de IA con entre 5 y 10 billones de parámetros