2026 年 9 月 22 日，Alibaba Cloud 在官網發布〈Alibaba Unveils Roadmap on Full-Stack AI Strategy from Chips, Cloud Infrastructure, Models to Agents〉，把 Alibaba 全棧 AI 的野心一次攤在桌上：自研 Zhenwu V900 晶片、20GW 資料中心目標、正在訓練的 Qwen 4，以及未來 5–10 兆參數模型。真正值得追問的，不是哪個數字最大，而是哪些已經可驗證，哪些仍只是時間表。
先把原文放在這裡。點擊下面的截圖，會在新分頁打開 Alibaba Cloud 原文；接下來會先忠實整理公告，再逐項核對晶片、模型與基礎設施的證據，最後給出獨立判讀。
這不是一場產品發表，而是一張控制整條 AI 供應鏈的地圖
公告的核心不是「Alibaba 又發布一顆晶片」或「Qwen 又要變大」，而是四層必須互相咬合的系統：
- 晶片與互連：Zhenwu V900、ICN Switch、Panmai SmartNIC 與儲存控制器。
- 資料中心與雲：把訓練、推論、儲存與網路打包成可調度的基礎設施。
- 模型：Qwen 4 正在訓練，Qwen 4.5／Qwen 5 被放進 5–10 兆參數的遠期路線圖。
- Agent：AgentCore、Context Engine 與手機端 Qwen Intelligence，把模型推向企業與終端裝置。
這套打法的商業邏輯很清楚：如果模型需求帶動雲端用量，雲端用量又能回饋晶片、網路與軟體棧的設計，那麼 Alibaba 不必只在模型榜單上競爭，而能在整個系統的成本、供應與交付速度上建立優勢。反過來說，任何一層落後，也可能拖累其餘三層。
Zhenwu V900：規格已公布，競爭力還沒有被一張標準化成績單證明
“The Zhenwu V900 delivers three times the performance of its predecessor, the Zhenwu M890.”
中文：「Zhenwu V900 的效能是前代 Zhenwu M890 的三倍。」
Alibaba Cloud，2026 年 9 月 22 日
Alibaba 公布的 V900 規格包括 216GB 記憶體、1,200GB/s 晶片間頻寬、FP8／FP4 支援，並把量產與商用時程放在 2027 年第一季。這些是具體、可對帳的產品承諾；但「三倍效能」仍是廠商口徑。公告沒有列出工作負載、精度、功耗、晶片數、軟體版本或測試方法，因此它只能證明 Alibaba 對自家兩代產品的定位，不能直接推出 V900 已領先 NVIDIA、Huawei 或其他加速器。
前代 M890 的官方資料提供了有用的縱向基準：144GB 記憶體、800GB/s 晶片間頻寬，且當時也宣稱相對 Zhenwu 810E 有三倍提升。這顯示 Alibaba 的迭代方向確實集中在容量、互連與低精度推論；但晶片真正的商業價值，仍要等供貨量、編譯器與框架支援、叢集穩定性，以及每單位成本下的實際吞吐量一起出現。
Qwen 4 與 10 兆參數：最大數字，不等於最強能力
“Qwen 4 is currently in training.”
中文：「Qwen 4 目前正在訓練中。」
Alibaba Cloud，2026 年 9 月 22 日
這句話的邊界很重要。Alibaba 確認了訓練狀態，但 9 月 22 日公告本身沒有提供 Qwen 4 的模型卡、正式發布日、API、權重或公開 benchmark。5–10 兆參數則屬於 Qwen 4.5／Qwen 5 的規劃尺度，不是已經完成的 Qwen 4 規格。
更關鍵的是，參數要先分成「總參數」與「每個 token 實際啟用的參數」。Qwen 官方模型卡顯示，Qwen3.8-2.4T-A95B 有 2.4 兆總參數，但每個 token 啟用 950 億參數；這正是稀疏 MoE 架構用容量換取較低單次計算成本的做法。未來模型即使達到 10 兆總參數，也必須同時知道活躍參數、訓練 token、資料品質、路由效率與推論成本，才有辦法判斷能力與經濟性。
Chinchilla scaling 研究早已證明，在固定算力下，模型大小與訓練資料必須一起擴張；較小但訓練更充分的模型，可以勝過參數更多的模型。換句話說，10 兆是容量上限的訊號，不是能力排名的答案。
20GW 與 500,000 張卡：現在看到的是目標，不是已部署容量
原文說 Alibaba Cloud 的全球資料中心容量要在 2032 年超過 20GW，升級後的超級節點架構則「可支援」最多 500,000 張卡。兩個動詞都不能忽略：前者是 2032 年目標，後者是架構上限，並不代表今天已經有 20GW 或 50 萬張 V900 在運作。
這個目標並非完全沒有資本基礎。Alibaba Group 在 2025 年 2 月宣布未來三年投入至少人民幣 3,800 億元（約 530 億美元）建設 AI 與雲端基礎設施。資金承諾與 20GW 方向互相呼應，但真正的限制還包括電力接入、資料中心施工、先進記憶體、封裝、網路設備與晶片良率。投資額能買到選擇權，不能自動變成可用算力。
為什麼 Alibaba 要把晶片、雲、模型與 Agent 綁在一起？
外部環境讓這條路線更合理。美國商務部 BIS 對輸往中國的先進運算晶片與半導體製造設備設有管制，且規則持續調整；BIS 的官方整理明確涵蓋先進運算晶片、超級電腦用途與製造設備。對 Alibaba 而言，自研晶片不是單純追逐規格，而是降低供應不確定性、把模型工作負載與硬體共同優化，並讓雲端客戶留在自己的服務閉環。
但「全棧」也會放大執行風險。晶片必須能量產，互連必須能在大叢集穩定運作，軟體棧必須讓開發者低成本遷移，模型必須帶來足夠需求，Agent 最後還得替企業創造可衡量的價值。只要其中一層靠補貼或內部需求撐住，整條飛輪就可能看起來比實際更快。
Alibaba 全棧 AI 的真正訊號：控制成本曲線，而不只是追逐榜單
1. 最重要的不是 10 兆參數，而是能否把模型需求轉成雲收入
大型模型的參數規模很適合做新聞標題，卻不一定形成持久優勢。真正難複製的是：一家公司同時擁有晶片設計、資料中心、雲端客戶、模型團隊與應用入口，還能讓每一層的資料與現金流支援下一層。若 Alibaba 做到這點，Qwen 不必在每個 benchmark 都排名第一，也能成為雲端需求的引擎。
2. 三倍效能是待驗證命題，不是結論
V900 最值得期待的地方，是 216GB 容量與更高晶片間頻寬可能減少超大型 MoE 模型在跨卡通訊上的瓶頸；最該保留的地方，是公告沒有提供可重現的測試條件。等到 2027 年商用後，應看相同模型、相同精度、相同延遲目標下的每瓦吞吐、每美元吞吐與大叢集有效利用率，而不是只看一個倍數。
3. 參數規模會越來越像汽車排氣量：有資訊，但不是完整答案
MoE 讓總參數與實際計算量分離。未來比較 Qwen 4.5／5 時，至少要把總參數、活躍參數、訓練計算量、資料量、推論成本與任務表現放在同一張表。少任何一項，都可能把「模型容量」錯讀成「使用者得到的能力」。
4. 這張路線圖最容易被時間驗證，也最應該被時間驗證
好消息是，Alibaba 給了清楚的對帳點：V900 預計 2027 年第一季商用、全球資料中心容量要在 2032 年超過 20GW、Qwen 4 正在訓練、4.5／5 才承擔 5–10 兆參數目標。未來每一季都能檢查它是否從簡報走向供貨、客戶與收入。
我同意什麼、我存疑什麼
我同意：在供應限制與 AI 基礎設施競賽同時加劇的情況下，Alibaba 投資自研晶片、互連、雲平台與模型共同設計，是合理而且可能形成差異化的策略。20GW 與 3,800 億元投資，也說明這不是一個只靠模型團隊完成的計畫。
我存疑：「中國最強 AI 晶片」、三倍效能、10 兆參數與 50 萬卡叢集，都還缺少足以跨廠商比較的公開證據。Associated Press 的報導同樣把三倍效能與「最強」清楚歸因為 Alibaba 的說法，而不是獨立測試結果。現階段最精準的結論不是「Alibaba 已經追平」，也不是「中國晶片注定落後」，而是它正在把可控供應、系統整合與雲端商業化放進同一場長期賽局。
接下來怎麼追蹤，不被發表會數字帶著走？
- 2027 年第一季：確認 V900 是否如期商用、哪些雲端實例可用，以及價格與供貨區域。
- 看可重現 benchmark：要求相同模型、精度、延遲、功耗與叢集規模下的比較，不接受只寫「三倍」。
- 看 Qwen 4 模型卡：分清總參數與活躍參數，並追蹤訓練資料、推論成本與長任務可靠度。
- 看 20GW 的中間里程碑：資料中心容量、電力合約、資本支出與外部雲客戶收入必須同步成長。
- 看軟體遷移成本：框架、編譯器、監控與模型服務若不能讓開發者順利搬遷，再好的晶片也難形成生態。
對讀者而言，最實用的判斷方式是把 Alibaba 全棧 AI 拆成「已交付產品、已承諾時程、遠期目標」三欄。今天能放進第一欄的是既有 Qwen3.8 與 M890 雲服務；V900 商用、Qwen 4 發布與 20GW 則分別落在後兩欄。這樣看，野心仍然巨大，但不會把路線圖誤當成現況。
接著閱讀
左右滑動查看更多推薦
下一次看到更大的參數、更多的卡或更高的 GW，不妨先問三件事：現在能不能買到、測試能不能重現、客戶是否願意持續付費。答案比任何一張發表會投影片都更接近真正的護城河。