علی‌بابا از تراشه Zhenwu V900 و مدل‌های ۱۰ تریلیون پارامتری رونمایی کرد

علی‌بابا در تازه‌ترین رویداد فناوری خود، تصویری روشن از آینده راهبرد هوش مصنوعی‌اش ارائه کرده است؛ آینده‌ای که در آن این شرکت فقط به توسعه مدل‌های زبانی بزرگ اکتفا نمی‌کند، بلکه هم‌زمان روی تراشه، زیرساخت ابری، پلتفرم‌های عامل‌محور و خدمات سازمانی مبتنی بر AI نیز سرمایه‌گذاری می‌کند. این خبر در کنفرانس سالانه Apsara Conference 2026 اعلام شد و نشان می‌دهد رقابت در دنیای هوش مصنوعی بیش از هر زمان دیگری به سمت یک رقابت «زیرساختی و تمام‌پشته» حرکت کرده است.

رونمایی از راهبرد «هوش مصنوعی تمام‌پشته»

براساس اعلام رسمی Alibaba Cloud، این شرکت در رویداد امسال مجموعه‌ای از به‌روزرسانی‌ها را معرفی کرد که از مدل‌های پایه Qwen و مدل‌های چندرسانه‌ای گرفته تا تراشه‌های اختصاصی، «ابر عامل‌محور» و پلتفرم عامل هوش مصنوعی برای تلفن‌های همراه را در بر می‌گیرد. به بیان ساده، علی‌بابا می‌خواهد از لایه سخت‌افزار تا لایه نرم‌افزار و سرویس، زنجیره کامل فناوری AI را در اختیار داشته باشد.

جو تسای، رئیس هیئت‌مدیره علی‌بابا، در همین رویداد تأکید کرد که هدف اصلی، عبور از صرفِ پیشرفت فناورانه و حرکت به سمت خلق ارزش واقعی با هوش مصنوعی در صنایع مختلف است. این موضع نشان می‌دهد AI برای علی‌بابا دیگر فقط یک حوزه تحقیقاتی یا محصول جانبی نیست، بلکه به یکی از ارکان اصلی کسب‌وکار و آینده این شرکت تبدیل شده است.

Qwen 4 در حال آموزش است

یکی از مهم‌ترین بخش‌های این خبر، وضعیت نسل بعدی مدل‌های Qwen است. علی‌بابا اعلام کرده که Qwen 4 هم‌اکنون در حال آموزش است. این شرکت همچنین نقشه راه مدل‌های Qwen 4.5 و Qwen 5 را منتشر کرده و گفته است مقیاس این مدل‌ها در آینده به ۵ تا ۱۰ تریلیون پارامتر خواهد رسید.

اگر این برنامه طبق زمان‌بندی پیش برود، خانواده Qwen وارد نسل تازه‌ای از مدل‌های بسیار بزرگ خواهد شد؛ مدل‌هایی که برای حل وظایف پیچیده‌تر، پردازش عمیق‌تر و کاربردهای پیشرفته‌تر در محیط‌های سازمانی طراحی می‌شوند. هرچند تعداد پارامترها به‌تنهایی معیار کامل سنجش کیفیت یک مدل نیست، اما همچنان یکی از شاخص‌های مهم در اندازه و ظرفیت بالقوه آن به شمار می‌رود.【turn401230view0†L32-L34】

پیشرفت در خودبهبوددهی مدل‌ها

علی‌بابا در بخش دیگری از بیانیه خود به پیشرفت در حوزه Recursive Self-Improvement (RSI) اشاره کرده است. بر اساس این گزارش، نسخه Qwen3.8-Max طی بیش از یک ماه اجرای کاملاً خودکار، ۳۳ چرخه تکراری را در زمینه طراحی فرایند، اعتبارسنجی داده، آزمایش‌های تکرارشونده و تشخیص خطا پشت سر گذاشته و امتیاز آن در ارزیابی Artificial Analysis از ۴۰ به ۴۵ افزایش یافته است.

این نکته از آن جهت مهم است که نشان می‌دهد علی‌بابا فقط روی بزرگ‌تر کردن مدل‌ها تمرکز نکرده، بلکه در حال آزمایش روش‌هایی است که مدل بتواند تا حدی عملکرد خود را نیز به‌صورت خودکار بهبود دهد. اگر این مسیر به بلوغ برسد، می‌تواند در آینده نقش مهمی در توسعه سامانه‌های هوشمندتر و کارآمدتر ایفا کند.

تراشه Zhenwu V900؛ قلب سخت‌افزاری راهبرد جدید

در کنار مدل‌ها، علی‌بابا از تراشه جدید خود با نام Zhenwu V900 نیز رونمایی کرد. این تراشه توسط واحد طراحی تراشه T-Head توسعه یافته و برای آموزش و استنتاج مدل‌های هوش مصنوعی طراحی شده است. طبق اعلام رسمی شرکت، V900 نسبت به نسل قبلی خود یعنی Zhenwu M890، حدود سه برابر عملکرد بیشتری ارائه می‌دهد.【turn401230view0†L44-L47】

این تراشه دارای ۲۱۶ گیگابایت حافظه GPU و ۱۲۰۰ گیگابایت بر ثانیه پهنای باند بین‌تراشه‌ای است و از دقت‌های محاسباتی مختلف مانند FP8 و FP4 پشتیبانی می‌کند. علی‌بابا می‌گوید این ویژگی‌ها باعث می‌شود هم برای آموزش مدل‌های پیشرفته و هم برای استنتاج کم‌هزینه‌تر مناسب باشد. همچنین برنامه‌ریزی شده که این تراشه در سه‌ماهه اول ۲۰۲۷ وارد تولید انبوه و عرضه تجاری شود.

خوشه‌های عظیم برای آموزش مدل‌های نسل بعد

علی‌بابا تنها به معرفی یک تراشه بسنده نکرده و هم‌زمان از نسخه ارتقایافته سرور supernode خود نیز پرده برداشته است. این سامانه با ترکیب Zhenwu V900، سوییچ ICN، کارت Panmai SmartNIC و کنترلر SSD اختصاصی، برای هم‌افزایی در سطح کامل سیستم طراحی شده است. بر اساس بیانیه رسمی، این سرور قادر است خوشه‌ای تا ۵۰۰ هزار کارت را پشتیبانی کند؛ عددی که نشان‌دهنده تمرکز جدی علی‌بابا بر آموزش مدل‌های بسیار بزرگ در مقیاس صنعتی است.

چنین ظرفیتی به‌ویژه در شرایطی اهمیت دارد که شرکت‌های فناوری در حال حرکت به سمت مدل‌های چندتریلیون پارامتری هستند و نیاز به توان محاسباتی، ذخیره‌سازی و شبکه به شکل بی‌سابقه‌ای در حال افزایش است.

هدف بزرگ‌تر: عبور ظرفیت دیتاسنترها از ۲۰ گیگاوات تا ۲۰۳۲

ادی وو، مدیرعامل علی‌بابا، در سخنرانی اصلی خود اعلام کرد که هدف این شرکت آن است که تا سال ۲۰۳۲، ظرفیت جهانی مراکز داده تحت مدیریت Alibaba Cloud از ۲۰ گیگاوات فراتر برود. این هدف‌گذاری نشان می‌دهد علی‌بابا رشد تقاضا برای «Machine Intelligence» را بسیار جدی گرفته و قصد دارد از حالا زیرساخت کافی برای پاسخ‌گویی به آن ایجاد کند.【turn401230view0†L28-L30】

این بخش از خبر شاید برای کاربران عادی کمتر از معرفی مدل و تراشه جذاب باشد، اما از دید صنعت فناوری، یکی از مهم‌ترین پیام‌های رویداد امسال همین نکته است: آینده هوش مصنوعی فقط به کیفیت مدل‌ها وابسته نیست؛ زیرساخت، انرژی، شبکه و دیتاسنتر نیز به همان اندازه تعیین‌کننده‌اند.

«ابر عامل‌محور»؛ گام بعدی در خدمات ابری

علی‌بابا همچنین مجموعه‌ای از خدمات جدید را با محوریت راهبرد Agentic Cloud معرفی کرده است. این راهبرد بر سه سناریوی اصلی «مدل»، «مهار/مدیریت عامل» و «زمینه/بستر اطلاعاتی» بنا شده و سه لایه متناظر نیز برای آن معرفی شده است: AI Native Cloud، Agent Native Cloud و Context Engine. هدف این ساختار، پشتیبانی از آموزش و استنتاج مدل‌ها، استقرار ایمن عامل‌های هوش مصنوعی در سازمان‌ها و فراهم کردن داده و حافظه بلندمدت برای آن‌ها است.

در عمل، این یعنی علی‌بابا می‌خواهد محیطی فراهم کند که شرکت‌ها تنها یک مدل AI دریافت نکنند، بلکه بتوانند عامل‌های هوشمندی بسازند که به داده‌ها، اسناد، سامانه‌های داخلی و حتی سابقه تعاملات دسترسی کنترل‌شده داشته باشند و در مقیاس سازمانی به کار گرفته شوند.