En la Apsara Conference celebrada en Hangzhou el 22 de septiembre, Alibaba presentó muchas novedades. Habló de Qwen 4, que se encuentra en entrenamiento, y de futuros modelos que podrían alcanzar entre cinco y diez billones de parámetros, presentó el Zhenwu V900, un nuevo procesador de inteligencia artificial desarrollado por T-Head y explicó cómo pretende conectar enormes cantidades de esos chips. Eddie Wu, consejero delegado del grupo, puso una cifra especialmente llamativa sobre la mesa: Alibaba quiere que la capacidad global de sus centros de datos supere los 20 gigavatios en 2032.

Podríamos analizar cada anuncio por separado: el modelo por un lado, el chip por otro y los centros de datos en un tercer artículo, pero nos perderíamos lo más interesante: que Alibaba está construyendo esas piezas para que funcionen juntas.

Su estrategia empieza a dibujar una cadena cada vez más integrada: modelos Qwen, procesadores propios, chips para comunicaciones y almacenamiento, servidores, redes de interconexión, grandes clusters, centros de datos, Alibaba Cloud, plataformas de inferencia, servicios para desarrolladores y una nueva capa de agentes capaces de utilizar toda esa infraestructura. Alibaba denomina oficialmente a esta estrategia full-stack AI.

Entender esa pila ayuda también a entender hacia dónde se está desplazando una parte importante de la industria de la inteligencia artificial. Un buen modelo sigue siendo fundamental, pero alguien tiene que entrenarlo, ejecutarlo millones de veces, almacenar los datos que necesita, mover información entre miles de procesadores, suministrar electricidad a los centros de datos y convertir finalmente toda esa capacidad de computación en tokens, aplicaciones y servicios por los que alguien esté dispuesto a pagar. Alibaba quiere participar en prácticamente toda esa cadena.

Una pila que empieza en Qwen

En la parte más visible se encuentra Qwen. Alibaba confirmó en Apsara que Qwen 4 está actualmente en entrenamiento y presentó una hoja de ruta que contempla Qwen 4.5 y Qwen 5 con modelos que podrían alcanzar entre cinco y diez billones de parámetros. El actual Qwen3.8-Max tiene 2,4 billones.

Conviene aclarar que tener más parámetros no siempre significa tener un modelo mejor. Los parámetros son, simplificando mucho, los valores internos que un modelo aprende durante su entrenamiento y aumentarlos puede incrementar su capacidad, pero el resultado depende también de la arquitectura, la calidad y cantidad de los datos, el entrenamiento, el post-entrenamiento y, cada vez más, de técnicas que permiten activar solamente una parte del modelo para cada tarea.

Además existe otra cuestión fundamental: cuánto cuesta utilizarlo.

Ya vimos con Kimi K3 que un modelo muy grande necesita cantidades desproporcionadas de computación para producir cada respuesta puede ser técnicamente impresionante y comercialmente incómodo. Cuanto mayores y más activos sean los modelos, y cuanto más tiempo trabajen realizando tareas complejas, mayor será la presión sobre la infraestructura que hay debajo. Ahí aparece el Zhenwu V900.

Del modelo al chip

T-Head, la división de semiconductores de Alibaba, ha diseñado el V900 para entrenamiento e inferencia. Alibaba afirma que ofrece tres veces el rendimiento de su predecesor, el Zhenwu M890, junto con mayor memoria y ancho de banda.

El V900 ha sido anunciado, pero Alibaba sitúa su producción en masa y lanzamiento comercial en el primer trimestre de 2027. El M890 anterior, en cambio, ya se encuentra desplegado comercialmente: Alibaba informó en agosto de que había sido adoptado a través de sus servicios cloud por más de 650 clientes externos de más de veinte industrias.

¿Por qué dedicar recursos a fabricar un acelerador propio cuando existe Nvidia?

Una primera respuesta es geopolítica. Los sucesivos controles estadounidenses sobre la exportación de chips avanzados han hecho que el acceso chino a la tecnología estadounidense más potente sea incierto y políticamente vulnerable. Esta situación crea un incentivo enorme para desarrollar alternativas domésticas. Huawei es el caso más evidente: está acelerando su familia Ascend mientras reconoce que la demanda china supera actualmente su capacidad de suministro.

Pero no podemos reducir la decisión de Alibaba solo a las sanciones estadounidenses. Diseñar chips propios permite intentar optimizar conjuntamente hardware, modelos y cloud. Alibaba sabe qué cargas ejecuta Qwen, conoce cómo utilizan sus clientes Alibaba Cloud y puede diseñar infraestructura pensando en esos patrones concretos, y de paso, reducir su vulnerabilidad a un proveedor dominante y conseguir capturar una parte mayor del valor económico generado por cada petición de IA.

La integración vertical tiene, por tanto, una razón defensiva y otra económica.

Un chip aislado sirve de poco

Una de las partes más interesantes de esta estrategia (y a veces la menos visible) es que los grandes sistemas de IA no funcionan simplemente colocando miles de procesadores juntos. Esos chips tienen que intercambiar información a enorme velocidad. Ya lo explicamos en otro artículo, tener memoria y almacenamiento es importante pero también lo es que la información fluya correctamente entre ellos y evitar que procesadores muy caros permanezcan esperando datos. Cuando un modelo se reparte entre miles de aceleradores, la capacidad de mover información entre ellos puede convertirse en un problema casi tan importante como la potencia individual de cada chip.

Alibaba presentó junto al V900 un supernodo que integra el procesador con su ICN Switch, la tarjeta de red Panmai SmartNIC y el controlador de almacenamiento Zhenyue SSD. La compañía asegura que su arquitectura permitiría construir clusters de hasta 500.000 aceleradores.

Huawei está siguiendo una lógica parecida pero desde otro punto de partida. Ante las limitaciones que afronta en fabricación avanzada, está dedicando enormes esfuerzos a interconectar grandes cantidades de Ascend y construir sistemas completos de computación. Su nueva arquitectura Peerium pretende escalar hasta un millón de procesadores, mientras que la compañía acelera la llegada de nuevas generaciones Ascend.

Esto no convierte a Alibaba y Huawei en dos empresas equivalentes. Huawei procede de las telecomunicaciones y posee una experiencia extraordinaria en redes, equipos, hardware y sistemas. Alibaba procede del comercio electrónico y del cloud y dispone de otra ventaja: una plataforma desde la que puede vender directamente la computación, los modelos y las aplicaciones construidas sobre ellos. Pero las dos van hacia una idea parecida, la de controlar más elementos del sistema completo, y eso es una gran pista para ver hacia donde se dirige la industria.

De los chips a los 20 gigavatios

Ahora bien, todos esos procesadores necesitan un lugar donde funcionar.

Eddie Wu anunció en Apsara un objetivo bastante ambicioso: superar los 20 GW de capacidad global de centros de datos de Alibaba Cloud en 2032.

Este dato permite visualizar la escala que está adquiriendo la IA mejor que muchos benchmarks. 20 gigavatios son una medida de potencia, no de computación, pero detrás de ella aparecen edificios, subestaciones eléctricas, refrigeración, servidores, fibra óptica, almacenamiento y miles de millones en equipamiento.

Alibaba ya había anunciado en febrero de 2025 una inversión de al menos 380.000 millones de yuanes durante tres años en infraestructura cloud e inteligencia artificial, más de lo que había invertido en ambas áreas durante la década anterior.

Y el esfuerzo empieza a ser visible en sus cuentas. En el segundo trimestre de 2026, los ingresos externos de Alibaba Cloud crecieron un 45% interanual y los productos relacionados con IA volvieron a registrar crecimiento de tres dígitos por duodécimo trimestre consecutivo. Al mismo tiempo, el aumento de la inversión en infraestructura está presionando los beneficios del grupo.

Aquí empieza otro punto de vista interesante que tiene más que ver con la parte económica de la historia: Alibaba no está construyendo infraestructura solamente para utilizar Qwen. Necesita vender esa infraestructura.

La economía del token

Esta estrategia conecta directamente con otro cambio que se está produciendo en la industria: la inteligencia artificial empieza a convertirse en una unidad de consumo.

Un cliente de Alibaba Cloud puede acceder a modelos mediante Model Studio, pagar por las llamadas que realiza, comprar planes de tokens y utilizar modelos propios de Alibaba o de terceros sin tener que construir un centro de datos ni gestionar directamente los servidores. Model Studio ofrece actualmente modelos Qwen y Wan junto a modelos de terceros, y comercializa planes de consumo con precios por tokens.

Esto permite entender mejor la integración vertical. En la parte inferior hay electricidad y centros de datos, encima están servidores, almacenamiento y redes, y después aparecen chips, y sobre ellos se ejecutan modelos. Alibaba Cloud empaqueta esa capacidad de computación y Model Studio la convierte en un servicio accesible mediante API. Finalmente, desarrolladores y empresas compran esa capacidad y la consumen en forma de inferencias y tokens.

El modelo genera inteligencia, pero la infraestructura permite producirla repetidamente y venderla. Y esa segunda parte puede terminar siendo tan importante económicamente como la primera.

Los agentes aumentan todavía más la demanda

Los agentes hacen que esta estructura resulte especialmente interesante, porque mientras un chatbot recibe una pregunta y genera una respuesta, un agente recibe una tarea, la descompone, planifica los pasos a seguir, consulta información, ejecuta código, utiliza herramientas externas, comprueba el resultado, corrige errores y continua trabajando. Cada uno de esos pasos puede implicar nuevas llamadas al modelo y por eso, Alibaba ya está construyendo infraestructura específicamente pensada para esta forma de utilizar la IA.

AgentBay, por ejemplo, proporciona entornos cloud en los que los agentes pueden ejecutar herramientas y mantener estados de usuario. Model Studio permite conectar modelos con bases de conocimiento y herramientas externas. Y el supernodo Panjiu AL128 presentado en mayo fue diseñado, entre otras cosas, para manejar las cargas de inferencia altamente concurrentes que generan los agentes.

Y aquí las consecuencias económicas son importantes, porque si pasamos de pedir a una IA que escriba un correo a pedirle que gestione durante veinte minutos una tarea empresarial, el consumo de computación puede multiplicarse ya que aparecen más tokens, más contexto, más llamadas a herramientas, más almacenamiento temporal, más memoria y más inferencias.

La economía de los agentes es, por tanto, también una economía de infraestructura. Por eso el crecimiento de la inferencia puede terminar siendo uno de los grandes motores del negocio cloud porque si entrenar un modelo enorme concentra una cantidad enorme de computación durante un periodo determinado, ejecutarlo para millones de usuarios y miles de agentes convierte la computación en un consumo permanente.

¿Puede una IA mejorarse a sí misma?

Alibaba introdujo además en Apsara una afirmación que merece atención, pero también mucha cautela y más en épocas de alarmismo como las que vivimos actualmente.

La compañía asegura haber realizado experimentos de Recursive Self-Improvement, o mejora recursiva, con Qwen3.8-Max. Según Alibaba, durante un mes de ejecución automatizada el sistema realizó 33 ciclos de experimentación que incluyeron diseño del pipeline, validación de datos, experimentación y diagnóstico de errores, elevando su puntuación en Artificial Analysis de 40 a 45. En otro experimento relacionado con diseño de chips, Alibaba afirma que el sistema trabajó durante más de 60 horas, realizó más de 10.000 llamadas a herramientas EDA y produjo módulos que redujeron un 42% el área utilizada sin pérdida de rendimiento.

No se ha publicado por ahora un informe técnico suficientemente detallado que permita reproducir y validar de forma independiente esos experimentos, ni están afirmando tampoco significa que Qwen pueda rediseñarse autónomamente de manera indefinida. Lo demostrado, según la la empresa, es un sistema capaz de automatizar ciclos de experimentación, evaluar resultados y utilizar esa información para optimizar determinados procesos. Hay que tener cuidado con interpretar esto correctamente.

Alibaba y Huawei, dos pilas dentro de China

El caso de Alibaba permite ver también algo más amplio que está ocurriendo en China. No parece estar apareciendo una única pila china de inteligencia artificial que sustituya simplemente a la estadounidense. Se están desarrollando varios ecosistemas parcialmente superpuestos.

Huawei construye alrededor de Ascend, sus tecnologías de interconexión, sistemas Atlas, software CANN y sus capacidades históricas en telecomunicaciones e infraestructura, y Alibaba articula otra combinación alrededor de T-Head, Zhenwu, Qwen y Alibaba Cloud. Baidu, por su parte, desarrolla sus propios aceleradores Kunlun y su ecosistema cloud.

Incluso dentro de esos ecosistemas habrá mezclas. Un modelo de Alibaba puede ejecutarse sobre hardware que no sea de Alibaba. Esto es importantísimo porque la existencia de una pila integrada no significa que todas sus capas sean cerradas ni que todos los clientes tengan que recorrerla completa. Y además, la industria ya aprendió que la flexibilidad es importante con casos como el de Nvidia.

Los controles estadounidenses aceleran el proceso, pero no eliminan las dependencias

Hay que tener en cuenta que los controles tecnológicos de Estados Unidos han añadido urgencia de desarrollar alternativas domésticas. Huawei, Alibaba y otros fabricantes tienen ahora un mercado que necesita reducir el riesgo asociado a depender completamente de Nvidia.

Pero no se puede hablar de autosuficiencia china, aunque sea el objetivo. Diseñar un procesador es solamente una parte del proceso. La producción avanzada depende de foundries, equipos de litografía, software EDA, memoria HBM, materiales, empaquetado avanzado y cadenas de suministro extremadamente complejas. China ha realizado progresos importantes en varias de estas áreas, pero sigue afrontando cuellos de botella significativos.

El Zhenwu V900 demuestra que Alibaba quiere controlar más tecnología propia, no que Alibaba haya eliminado su dependencia de Nvidia ni que toda su cadena de fabricación sea doméstica. De hecho, una de las cuestiones más interesantes de los próximos años será precisamente comprobar cuánto de esa pila puede diseñarse en China, cuánto puede fabricarse a escala y cuánto seguirá dependiendo directa o indirectamente de tecnologías extranjeras.

Construir la fábrica es más fácil que demostrar que será rentable

Hay finalmente una cuestión financiera igualmente importante.

Los centros de datos envejecen y los chips quedan superados por nuevas generaciones, las instalaciones consumen cantidades gigantescas de electricidad, la memoria avanzada es cada vez más cara y las redes necesitan actualizarse. Así que la carrera tecnológica obliga a realizar nuevas inversiones antes incluso de haber amortizado completamente las anteriores.

Alibaba está asumiendo que la demanda futura justificará ese gasto y, al menos por ahora, existen señales que apoyan esa apuesta.

Los ingresos externos de Alibaba Cloud crecieron un 45% interanual en el trimestre de junio y los productos relacionados con IA acumulan doce trimestres consecutivos de crecimiento de tres dígitos, pero la escala de inversión introduce una pregunta que afecta a toda la industria: ¿cuántos ingresos tendrán que generar los servicios de IA para rentabilizar la infraestructura que se está construyendo?

Ese interrogante explica por qué resulta tan importante la economía del token. Alibaba necesita que sus modelos se utilicen, pero también que cada vez más empresas consuman inferencia, desarrollen agentes, almacenen información, contraten capacidad cloud y construyan aplicaciones sobre su infraestructura.

Ya sabemos que la pila completa tiene sentido tecnológico, pero ahora tiene que demostrar que también tiene sentido económico.

La inteligencia artificial se está convirtiendo en una industria de sistemas completos

Vistos por separado, los anuncios de Apsara 2026 pueden parecer una sucesión bastante convencional de novedades tecnológicas: un modelo mayor, un chip más potente, servidores nuevos y más centros de datos.

Alibaba está construyendo una infraestructura en la que cada capa alimenta a la siguiente: Qwen crea demanda de computación, Zhenwu proporciona parte de esa computación, los sistemas de interconexión permiten agrupar los chips, los centros de datos alojan esos sistemas, Alibaba Cloud convierte la infraestructura física en capacidad accesible, Model Studio transforma esa capacidad en modelos e inferencia que pueden comprarse, y los agentes aumentan la cantidad de trabajo que esos modelos realizan.

En el extremo inferior de la cadena hay electricidad, silicio, memoria, redes y almacenamiento, en el superior hay tokens, agentes y servicios. La evolución de Alibaba muestra hasta qué punto ambas partes empiezan a estar conectadas.