Rivalität zwischen Alibaba und Google Cloud verschärft sich, während fünf Super-Rechenzentren auf KI umstellen

Alibaba Cloud richtet Berichten zufolge fünf Super-Rechenzentren auf KI-Rechenleistung aus – sechs Jahre nach der Einführung des regionalen Infrastrukturplans. Dadurch wird der Vergleich zwischen Alibaba und Google Cloud weniger theoretisch und stärker von physischer Kapazität, spezialisierten Chips, Netzwerken und Strom abhängig.

Die ursprünglichen Anlagen wurden gebaut, um umfassende Cloud-Dienste in enormem Maßstab bereitzustellen. KI verändert diese Aufgabe. Das Training und der Betrieb großer Modelle erfordern eine höhere Accelerator-Dichte, schnellere Verbindungen, mehr verfügbare Energie und andere Kühlsysteme.

Dieser Wandel stellt Alibaba der vertikal integrierten KI-Infrastruktur von Google Cloud gegenüber, einschließlich der von Google entwickelten Tensor Processing Units, kurz TPUs. Alibaba muss eine ähnliche Kontrolle anstreben, während der Zugang zu fortschrittlichen ausländischen Chips stärker eingeschränkt ist.

Die berichtete Umstellung der fünf Zentren wurde bislang nicht durch eine detaillierte öffentliche technische Bestandsaufnahme dokumentiert. Kapazität, Zahl der Accelerators, Stromaufrüstungen und Fertigstellungstermine bleiben unklar. Diese Lücken sind relevant, denn die Umwandlung eines großen Cloud-Campus in eine effiziente KI-Fabrik umfasst mehr als die Installation neuer Server.

Dennoch passt die Richtung zu Alibabas offengelegter Strategie. Das Unternehmen hat sich verpflichtet, über drei Jahre mindestens 380 Milliarden RMB in KI- und Cloud-Infrastruktur zu investieren. Später erklärte es, die Nachfrage könne die Ausgaben über diese Zusage hinaus treiben.

Es handelt sich daher nicht um eine routinemäßige Modernisierung von Rechenzentren. Es ist ein Test dafür, ob Alibaba seinen bestehenden Cloud-Fußabdruck in ein wettbewerbsfähiges KI-Produktionssystem verwandeln kann.

Fünf Super-Rechenzentren übernehmen eine andere Aufgabe

Alibaba verändert, was seine größten Anlagen liefern sollen: weg von allgemeiner Cloud-Kapazität hin zu gebündelter KI-Rechenleistung.

Alibaba Cloud kündigte 2020 fünf Projekte für Super-Rechenzentren an, darunter Standorte in Hangzhou, Nantong, Ulanqab, Heyuan und Zhangbei. Die Projekte unterstützten einen breiteren Ausbau von Speicher-, Rechen- und Netzwerkkapazitäten.

Diese Campus entstanden in einer anderen Phase der Cloud-Nachfrage. Unternehmen verlagerten Datenbanken, Websites, Analysen und Geschäftsanwendungen in gemeinsam genutzte Infrastruktur. Skalierung bedeutete vor allem, mehr virtuelle Maschinen und Speicher über zuverlässige regionale Netzwerke bereitzustellen.

Generative KI schafft eine andere betriebliche Herausforderung. Tausende Accelerators müssen mit geringer Latenz kommunizieren, während sie dasselbe Modell verarbeiten. Eine langsame Netzwerkverbindung oder eine ausgefallene Komponente kann die nutzbare Leistung eines gesamten Clusters verringern.

Auch KI-Inferenz, also der Prozess, bei dem ein trainiertes Modell Antworten erzeugt, verändert Nachfragemuster. Nutzerverkehr kann unvorhersehbar eintreffen, während längere Reasoning-Aufgaben weit mehr Rechenleistung verbrauchen als eine herkömmliche Webanfrage.

Eine Anlage, die für ausgewogene Cloud-Workloads ausgelegt ist, wird nicht automatisch zu einem effizienten KI-Rechenzentrum. Betreiber müssen Rack-Dichte, Stromversorgung, Kühlung, Netzwerktopologie und Workload-Planung neu bewerten.

Die Strategie mit Super-Rechenzentren gibt Alibaba eine Grundlage für diese Umstellung. Grundstücke, Stromanschlüsse, regionale Netzwerke und Betriebsteams sind bereits vorhanden. Jede Komponente an einem neuen Standort aufzubauen, würde länger dauern und zusätzliche Genehmigungs- und Baurisiken mit sich bringen.

Die berichtete Umstellung bleibt jedoch eher richtungsweisend als messbar. Öffentliche Informationen belegen nicht, wie viel Kapazität jedes Zentrum KI-Workloads widmen wird. Sie nennen auch keinen gemeinsamen Fertigstellungstermin.

Dieser Unterschied verhindert voreilige Schlussfolgerungen. Fünf große Campus können beträchtliche Immobilienwerte darstellen, ohne fünf gleich leistungsfähige KI-Cluster bereitzustellen.

Alibabas Strategie sollte stattdessen als schrittweise Transformation verstanden werden. Bestehende Campus liefern die physische Grundlage, während neue Accelerators und Cluster-Designs ihre tatsächliche KI-Leistung bestimmen.

Die im Februar 2025 angekündigte Infrastrukturzusage des Unternehmens liefert den finanziellen Kontext. Alibaba erklärte, die geplante Investition übersteige die kombinierten Ausgaben für KI und Cloud im vorangegangenen Jahrzehnt.

Dieser Vergleich zeigt das Ausmaß des Wandels. Alibaba behandelt KI nicht als einen weiteren gemanagten Cloud-Dienst. Das Unternehmen richtet seine Investitionsausgaben auf die Rechenschicht unterhalb seiner Modelle und Anwendungen aus.

Die fünf Standorte bieten zudem geografische Vorteile. Verteilte Campus können regionale Nachfrage bedienen und die Abhängigkeit von einem einzelnen Strommarkt senken. Sie können auch Training, Inferenz, Speicherung und Disaster-Recovery-Workloads voneinander trennen.

Verteilte Infrastruktur verursacht jedoch Koordinationskosten. Modelltraining funktioniert am besten, wenn Accelerators wie eine einzige Maschine agieren. Ihre Aufteilung auf weit entfernte Standorte kann Netzwerkverzögerungen verursachen, die einige Workloads weniger effizient machen.

Alibaba muss daher regionale Verteilung mit eng verbundenen lokalen Clustern ausbalancieren. Die bloße Zahl der Anlagen sagt wenig über dieses Gleichgewicht aus.

Die deutlichste Veränderung betrifft den Auftrag. Diese Campus waren 2020 Symbole der allgemeinen Cloud-Expansion. Heute werden sie daran gemessen, ob sie knappe KI-Rechenleistung bereitstellen können.

Warum der Wettbewerb zwischen Alibaba und Google nun über Infrastruktur läuft

Die Rivalität zwischen Alibaba und Google entwickelt sich zu einem Wettbewerb um vollständige KI-Systeme, nicht zu einem einfachen Vergleich von Cloud-Dienstleistungskatalogen.

Google trat mit jahrelanger Erfahrung bei der Entwicklung von TPUs und ihrem Einsatz in seinen Rechenzentren in den Zyklus der KI-Infrastruktur ein. Eine TPU ist ein anwendungsspezifischer Chip, der für Berechnungen im maschinellen Lernen optimiert ist.

Dieser vertikale Ansatz verbindet Chips, Netzwerke, Rechenzentrumsdesign, Modelle und Software. Google kann diese Ebenen gemeinsam optimieren, obwohl das Unternehmen für ausgewählte Workloads weiterhin große Mengen externer Hardware einkauft.

Alibaba verfolgt eine eigene Full-Stack-Struktur. Das Unternehmen entwickelt Qwen-Modelle, betreibt eine Public Cloud, entwickelt Modelldienste und hat in proprietäre Chipfähigkeiten investiert. Die Umstellung der fünf Zentren würde diese Ebenen mit einer größeren physischen Basis verbinden.

Die strategische Ähnlichkeit macht Google zu einem nützlichen Vergleichsmaßstab, doch die Unternehmen konkurrieren nicht unter gleichen Bedingungen. Google verfügt über eine breitere globale Cloud-Reichweite und leichteren Zugang zu fortschrittlichen Chip-Lieferketten.

Alibaba hat eine stärkere Position innerhalb Chinas und etablierte Beziehungen zu inländischen Unternehmen. Zudem betreibt das Unternehmen Handels- und Verbraucherplattformen, die interne Nachfrage nach Modellen, Empfehlungen, Suche und Agents schaffen können.

Daraus entstehen zwei unterschiedliche Infrastrukturkreisläufe.

Googles Kreislauf beginnt mit global verteilten Cloud-Kunden, Gemini-Diensten, internen Anwendungen und Custom Silicon. Die Nutzung unterstützt weitere Investitionen in Rechenzentren, wodurch die für die nächste Modellgeneration verfügbare Kapazität wächst.

Alibabas Kreislauf verbindet Qwen, die Nachfrage chinesischer Unternehmen, inländische Anwendungen und Cloud-Infrastruktur. Seine Handelsdienste liefern Workloads, die Modelle testen und die Auslastung innerhalb der eigenen Organisation steigern können.

Die Auslastung ist entscheidend, denn ein ungenutzter Accelerator bleibt teuer. Der Gewinner ist nicht zwangsläufig das Unternehmen mit der am häufigsten angekündigten Kapazität. Es ist der Betreiber, der kostspielige Systeme produktiv auslastet.

Alibaba berichtete, dass sich das Cloud-Umsatzwachstum mit zunehmender Akzeptanz von KI-Produkten weiter beschleunigt habe. Die Geschäftsergebnisse beschreiben KI-Dienste als eine zunehmend wichtige Nachfragequelle und nicht nur als Forschungsausgabe.

Im Mai 2026 erklärte das Unternehmen, der Umsatz der Cloud Intelligence Group sei im Märzquartal gegenüber dem Vorjahr um 40 Prozent gestiegen. Zudem prognostizierte es ein rasches Wachstum des annualisierten wiederkehrenden Umsatzes aus Modell- und Anwendungsdiensten.

Diese Zahlen stammen von Alibaba und sollten als vom Unternehmen berichtete Leistung behandelt werden. Dennoch deuten sie darauf hin, dass an den Infrastrukturausbau ein kommerzieller Workload gekoppelt ist.

Ein unabhängiger Ergebnisbericht beschrieb für den Berichtszeitraum ebenfalls einen Anstieg von 38 Prozent in Alibabas KI- und Cloud-Geschäft. Der Bericht verwies auf die branchenweite Herausforderung, nachzuweisen, dass hohe KI-Ausgaben Renditen erzeugen können.

Auch Google steht vor dieser Herausforderung. Beide Unternehmen müssen Kapazität für ihre eigenen Modelle reservieren und zugleich zuverlässige Ressourcen für Cloud-Kunden bereitstellen.

Diese Spannung verschärft sich, wenn das Angebot an Rechenleistung begrenzt ist. Ein Cloud-Anbieter kann interne Anwendungen, externe Kunden oder langfristige Forschung priorisieren, doch jede Zuteilung hat Opportunitätskosten.

Googles eigene TPUs bieten ein gewisses Maß an Kontrolle über die Versorgung. TrendForce prognostizierte, dass TPUs im Jahr 2026 fast 78 Prozent der an Google ausgelieferten KI-Server ausmachen würden, angetrieben von der Nachfrage nach Gemini und Google Cloud.

Diese Prognose zum ASIC-Einsatz zeigt, warum Chips für den Wettbewerbsrahmen wichtig sind. Ein ASIC ist ein Chip, der für eine eng begrenzte Reihe von Aufgaben statt für allgemeine Datenverarbeitung entwickelt wurde.

Alibaba benötigt ebenfalls Alternativen zu einer uneingeschränkten Abhängigkeit von ausländischen Accelerators. Exportkontrollen und Lizenzanforderungen haben Chinas Zugang zu bestimmten fortschrittlichen US-Chips eingeschränkt.

Inländische Accelerators können diese Abhängigkeit verringern, doch Softwarekompatibilität und Fertigungskapazität bleiben Hindernisse. Ein Chip ist nur dann nützlich, wenn Entwickler darauf zuverlässig Modelle trainieren und bereitstellen können.

Der Vergleich zwischen Alibaba und Google hängt daher von Systemintegration ab. Alibaba muss Campus, Chips, Software und zahlende Workloads zusammenführen und dabei Einschränkungen bewältigen, denen Google in dieser Form nicht ausgesetzt ist.

KI-Rechenleistung verändert die Ökonomie von Alibabas Cloud

Die Umstellung erhöht Alibabas potenziellen Umsatz, macht jedoch Auslastung, Energieeffizienz und Hardwareverfügbarkeit für die Rentabilität wichtiger.

Traditionelles Cloud Computing verteilt zahlreiche Workloads auf flexible Pools aus Prozessoren, Speicher und Arbeitsspeicher. KI-Cluster bündeln mehr Wert in teuren Accelerators und den Netzwerken, die sie verbinden.

Diese Konzentration schafft eine anspruchsvollere finanzielle Gleichung. Betreiber geben viel Geld aus, bevor die Kundennachfrage sicher ist. Hardware kann außerdem relativ an Wert verlieren, wenn ein neuerer Accelerator eine bessere Leistung pro Energieeinheit liefert.

Alibabas Zusage über 380 Milliarden RMB deckt KI- und Cloud-Infrastruktur über drei Jahre ab. Sie enthält kein öffentliches Budget je Anlage für die fünf berichteten Zentren.

Investoren können daher nicht berechnen, welcher Anteil des Programms auf Neubauten, Serverkäufe, Netzwerke, Forschung oder Anlagenumrüstung entfällt. Sie können auch nicht zwischen Kapazität unterscheiden, die Alibaba vorbehalten ist, und jener, die über seine Cloud verkauft wird.

Das Unternehmen hat signalisiert, dass die Nachfrage stark bleibt. Auf seiner Apsara Conference 2025 erklärte Alibaba, es plane, die Investitionen über das ursprüngliche Programm hinaus zu erhöhen und gleichzeitig seine internationale Infrastruktur auszubauen.

Diese KI-Roadmap umfasste Modellveröffentlichungen, Cloud-Dienste und neue Rechenzentrumskapazitäten. Sie stellte das Ausgabenprogramm als eine Ebene einer umfassenderen Produktstrategie dar.

Diese Kombination ist wichtig, weil Infrastruktur allein keine Renditen erzeugen kann. Alibaba muss Entwickler und Unternehmen dazu bewegen, Qwen-Modelle, Model Studio, Datenbanken, Speicher- und Inferenzdienste zu nutzen.

Unternehmenskunden benötigen zudem vorhersehbare Leistung. Ein Modell-Endpunkt, der bei Verkehrsspitzen langsamer wird, kann Kundensupport, Programmierung, Suche und automatisierte Workflows beeinträchtigen.

Alibaba kann die Auslastung verbessern, indem es mehrere Arten von Nachfrage bedient. Trainingsläufe verbrauchen große Kapazitätsblöcke, während Inferenznachfrage kontinuierlich aus Produktionsanwendungen eintrifft.

Auch die Verbraucher- und Handelsplattformen des Unternehmens schaffen eine weitere Nachfragequelle. Suche, Werbung, Shopping-Assistenten und Empfehlungssysteme können Kapazität aufnehmen, bevor die externe Nachfrage ihr volles Ausmaß erreicht.

Interne Nachfrage kann den Ausbau rechtfertigen, aber auch die Wirtschaftlichkeit verschleiern. Kapazität, die von einem anderen Alibaba-Geschäft genutzt wird, erzielt nicht zwangsläufig dieselben Margen wie externe Cloud-Umsätze.

Google steht vor einer vergleichbaren Bilanzierungsfrage, weil seine Infrastruktur Search, YouTube, Gemini und externe Cloud-Kunden unterstützt. Direkte Vergleiche zwischen Cloud-Anbietern können diese gemeinsamen Kosten und internen Vorteile übersehen.

Alibabas jüngste öffentliche Berichte liefern überzeugendere Hinweise auf das Ausmaß seiner Ambitionen als auf die Stückkostenwirtschaft. Das Unternehmen hat einen Stack beschrieben, der Modelle, Cloud-Infrastruktur, Anwendungen und proprietäre Chips umfasst.

Seine Geschäftsberichte verknüpfen neue Hochleistungskapazitäten zudem mit Model-as-a-Service-Inferenz. Model-as-a-Service ermöglicht Kunden den Zugriff auf gehostete Modelle, ohne die zugrunde liegende Infrastruktur selbst betreiben zu müssen.

Dieser Dienst kann Rechenzentrumsinvestitionen in wiederkehrende nutzungsbasierte Umsätze verwandeln. Kunden können jedoch Modelle wechseln oder ihren Verbrauch senken, wenn Preise, Latenz oder Ausgabequalität sie enttäuschen.

Alibaba muss zudem einen schwierigen Beschaffungszyklus bewältigen. KI-Server benötigen Beschleuniger, Speicher mit hoher Bandbreite, Netzwerk-Switches, Stromversorgungstechnik und Kühlungskomponenten.

Eine Verzögerung bei einer Komponente kann dazu führen, dass andere Geräte ungenutzt bleiben. Dadurch entsteht eine Lücke zwischen gemeldetem Baufortschritt und nutzbarer Rechenkapazität.

Auch die Energieeffizienz stellt eine weitere Einschränkung dar. Ein Beschleuniger kann eine höhere Rohleistung liefern, dabei jedoch so viel Strom verbrauchen, dass die Gesamtkosten jeder Modellantwort steigen.

Alibabas Standorte im Norden können Vorteile bei Grundstücken und Energie bieten. Einrichtungen näher an großen Ballungszentren können die Latenz für kundengerichtete Dienste senken. Der optimale Standort hängt von der Arbeitslast ab.

Training kann häufig dorthin verlagert werden, wo Energie verfügbar ist, weil Nutzer nicht unmittelbar damit interagieren. Echtzeit-Inferenz profitiert von der Nähe zu Kunden und regionalen Netzwerkknoten.

Der Plan mit fünf Zentren könnte Alibaba ermöglichen, diese Aufgaben aufzuteilen. Das Unternehmen hat jedoch nicht genügend Informationen veröffentlicht, um zu zeigen, wie Arbeitslasten auf die gemeldeten Standorte verteilt werden sollen.

Dieses fehlende Detail ist wichtiger als die Schlagzeilenkapazität. Eine schlüssige Arbeitslastkarte würde zeigen, dass Alibaba ein KI-Netzwerk entwirft und nicht lediglich verfügbare Gebäude mit Beschleunigern füllt.

Was die Behauptung zu fünf Zentren nicht zeigt

Alibabas Infrastrukturstrategie bleibt in ihrer Richtung glaubwürdig, doch die öffentlichen Belege bestätigen weder Kapazität, Effizienz noch Fertigstellung an jedem Zentrum.

Der Hauptbericht beschreibt eine sechsjährige Entwicklung mit fünf Super-Rechenzentren. Er liefert einen nützlichen historischen Rahmen, doch viele operative Details bleiben der Öffentlichkeit verborgen.

Alibaba hat kein standardisiertes Inventar veröffentlicht, das die Zahl der KI-Beschleuniger an allen fünf Standorten aufführt. Vergleichbare Angaben zu Stromkapazität, Auslastung oder Trainingsdurchsatz fehlen ebenfalls.

Ohne diese Kennzahlen wird es schwierig, die Größe der Einrichtungen zu vergleichen. Ein modernes Cluster kann eine größere Sammlung älterer Server übertreffen und für dieselbe Arbeitslast weniger Energie benötigen.

Auch die Zusammensetzung der Chips ist ungewiss. Alibaba kann importierte GPUs, inländische Beschleuniger und eigenes Silizium kombinieren, doch jede Plattform stellt unterschiedliche Anforderungen an Software und Netzwerke.

Ein gemischter Bestand kann die Widerstandsfähigkeit der Lieferkette verbessern. Er kann jedoch auch Entwicklerwerkzeuge fragmentieren und die Planung erschweren.

KI-Frameworks werden häufig zunächst für Nvidias Softwareumgebung optimiert. Die Verlagerung einer Arbeitslast auf einen anderen Beschleuniger kann Codeänderungen, neue Kernel, Tests und Performance-Tuning erfordern.

Alibaba kann einen Teil dieser Komplexität über verwaltete Cloud-Dienste verbergen. Kunden achten dennoch darauf, ob das resultierende System ihre Erwartungen an Latenz, Zuverlässigkeit und Kosten erfüllt.

Exportkontrollen schaffen Unsicherheit bei der künftigen Hardwareversorgung. Regeln können sich schneller ändern als Baupläne, wodurch chinesische Cloud-Anbieter gezwungen werden, Systeme um Komponenten herum neu zu gestalten, die sie zuverlässig beschaffen können.

Die Entwicklung inländischer Chips bietet eine strategische Antwort, beseitigt jedoch keine Fertigungsgrenzen. Fortschrittliche Chips sind darauf angewiesen, dass Fertigung, Packaging, Speicher, Netzwerke und Software zusammenwirken.

Die Verfügbarkeit von Strom könnte zu einem ebenso wichtigen Engpass werden. KI-Racks können deutlich mehr Elektrizität benötigen als herkömmliche Server-Racks und belasten Umspannwerke sowie Kühlsysteme.

Ein Campus kann daher fertig erscheinen, während er auf elektrische Aufrüstungen wartet. Er kann auch unter seiner physischen Kapazität betrieben werden, wenn Strom oder Kühlung knapp werden.

Alibabas Umsatzwachstum liefert Hinweise auf Nachfrage, aber nicht genügend Belege für die Rendite. Cloud-Umsätze können steigen, während Abschreibungen, Energie- und Beschaffungskosten die Profitabilität verringern.

Die breiteren Geschäftsbereiche des Unternehmens verkomplizieren das Bild. Investitionen in Handel, Verbraucher-KI und Lieferdienste können die Konzernergebnisse beeinflussen, selbst wenn sich die Cloud-Performance verbessert.

Der Wettbewerb innerhalb Chinas schafft ein weiteres Risiko. Tencent, Huawei, Baidu und spezialisierte Anbieter bauen oder kaufen KI-Infrastruktur auf. Kunden haben zudem Anreize, nicht von einer einzelnen Modellfamilie abhängig zu sein.

Außerhalb Chinas steht Alibaba vor zusätzlichen Hürden. Regeln zur Datenresidenz, Sicherheitsprüfungen, Beschaffungsrichtlinien und geopolitische Bedenken können die Akzeptanz begrenzen, selbst wenn die Technologie gut funktioniert.

Google, Microsoft und Amazon unterhalten bereits umfangreiche Enterprise-Vertriebskanäle in Nordamerika und Europa. Ihre Softwarebeziehungen erleichtern es, KI-Infrastruktur mit bestehenden Verträgen zu bündeln.

Alibaba kann in Südostasien, dem Nahen Osten und anderen Märkten expandieren, in denen es regionale Erfahrung besitzt. Neue Rechenzentren erzeugen jedoch nicht automatisch Kundenvertrauen oder Entwicklerakzeptanz.

Auch die gemeldete Führungsposition in den Cloud-Märkten des asiatisch-pazifischen Raums erfordert eine sorgfältige Einordnung. Marktdefinitionen variieren, insbesondere wenn Studien Infrastruktur, Plattformdienste, dedizierte Cloud und Public Cloud getrennt betrachten.

Alibaba sagt, KI-native Arbeitslasten seien zu einer wichtigen Quelle neuer Nachfrage geworden. Seine regionale Cloud-Behauptung verweist auf externe Forschung, doch Leser sollten die einbezogenen Märkte und Dienstleistungskategorien prüfen.

Die stärkste skeptische Position lautet daher nicht, dass der Strategiewechsel fiktiv sei. Sondern dass Kapitalzusagen und die Zahl der Einrichtungen keine effiziente KI-Cloud belegen können.

Belege sollten sich durch Auslastung, Umsatzqualität, Dienstzuverlässigkeit und wiederkehrende Kundennachfrage zeigen. Diese Ergebnisse brauchen länger, bis sie beobachtbar sind, als eine Bauankündigung.

Diese Unterscheidung hält die Analyse auf dem Boden der Tatsachen. Alibaba hat genug offengelegt, um einen ernsthaften strategischen Wandel zu zeigen. Es hat nicht genug offengelegt, um die Infrastrukturumstellung für abgeschlossen zu erklären.

Alibabas eigentlicher Gegner ist Googles integrierte KI-Fabrik

Google setzt Alibaba unter Druck, weil es zeigt, wie kundenspezifische Chips, Modelle, Software und Cloud-Vertrieb einander verstärken können.

Der Begriff KI-Fabrik beschreibt Infrastruktur, die Daten, Strom und Chips wiederholt in trainierte Modelle und Produktionsantworten umwandelt. Entscheidend ist die koordinierte Leistung, nicht das Gebäude selbst.

Google hat über Jahre hinweg TPUs mit seinen Rechenzentren, Netzwerken, Machine-Learning-Frameworks und internen Produkten verbunden. Gemini schafft eine weitere Nachfragequelle über Verbraucher- und Unternehmensdienste hinweg.

Alibaba baut einen vergleichbaren Kreislauf rund um Qwen auf. Seine Cloud bietet Modellzugang, Entwicklungsdienste, Speicher, Datenbanken und Rechenleistung, während Alibabas Anwendungen interne Einsatzmöglichkeiten liefern.

Der Wettbewerb zwischen Alibaba und Google erfordert nicht, dass Alibaba jeden Google-Dienst kopiert. Alibaba muss vielmehr die operativen Vorteile erreichen, die sich aus der Kontrolle eines größeren Teils des Stacks ergeben.

Ein Vorteil ist die Planung. Ein vertikal integrierter Anbieter kann Arbeitslasten zwischen Chip-Generationen, Regionen und Service-Tiers verschieben und dabei seine eigene Software optimieren.

Ein weiterer Vorteil ist das Modell-Tuning. Ingenieure, die die zugrunde liegende Hardware verstehen, können Modellarchitekturen oder Inferenzmethoden verändern, um diese Hardware effizienter zu nutzen.

Ein dritter Vorteil ist die Lieferplanung. Interne Produkt-Roadmaps helfen Infrastrukturteams, künftige Nachfrage abzuschätzen, bevor externe Kunden Bestellungen aufgeben.

Alibaba verfügt über viele dieser Bausteine. Qwen stellt eine Modellfamilie bereit, Model Studio bietet gehosteten Zugang und Alibaba Cloud liefert die Bereitstellungsebene.

Das Unternehmen erklärte, Qwen habe bis zum 21. Januar 2026 auf Hugging Face mehr als eine Milliarde kumulierte Downloads erreicht. Downloads entsprechen nicht der Nutzung in der Produktion, können aber die Entwicklergemeinschaft um eine Modellfamilie erweitern.

Offene Modelle schaffen zudem einen strategischen Zielkonflikt. Eine breitere Verbreitung kann die Akzeptanz über Alibaba Cloud hinaus fördern, während gehostete Dienste dem Unternehmen einen Weg zur Monetarisierung bequemer Bereitstellungen eröffnen.

Google verfolgt mit seinen Gemini-Produkten, offenen Gemma-Modellen, TPUs und Vertex-AI-Diensten einen anderen Ansatz. Beide Anbieter nutzen Modellverfügbarkeit, um Nachfrage nach Infrastruktur zu erzeugen.

Alibabas lokaler Vorteil ist besonders für chinesische Kunden relevant. Das Unternehmen kann inländische Infrastruktur, chinesischsprachige Modelle und Verbindungen zu weit verbreiteten Handelsdiensten anbieten.

Googles globaler Vorteil ist umfassender. Sein Netzwerk, seine Unternehmensbeziehungen, seine Forschungsorganisation und seine Entwicklerplattformen unterstützen die Akzeptanz in mehr Märkten.

Die beiden Unternehmen agieren zudem unter unterschiedlichen politischen Rahmenbedingungen. Alibaba muss sich an chinesische Modellregulierungen anpassen und zugleich ausländische Beschränkungen beim Zugang zu fortschrittlichen Chips bewältigen.

Google sieht sich in mehreren Rechtsräumen kartellrechtlicher, datenschutzrechtlicher, urheberrechtlicher und energiebezogener Prüfung gegenüber. Seine Infrastrukturgröße hebt diese Einschränkungen nicht auf.

Damit ist die Rivalität eher asymmetrisch als unmittelbar. Google setzt einen Maßstab für integrierte KI-Infrastruktur, während Alibaba dieses Modell an eine eingeschränkte inländische Lieferkette anpasst.

Alibaba muss Googles globale Cloud-Präsenz nicht überholen, um seine Position zu stärken. Es muss zeigen, dass seine umgerüsteten Standorte Qwen- und Unternehmensarbeitslasten effizient bedienen können.

Dieser Nachweis würde zunächst chinesische Rivalen unter Druck setzen. Tencent, Huawei und Baidu müssten Alibabas Kombination aus Modellen, Kapazität, Software und Kundenreichweite erreichen.

Zugleich würde er internationalen Käufern in ausgewählten Regionen eine weitere Option für KI-Infrastruktur geben. Die Akzeptanz hinge weiterhin von Compliance, Support, Zuverlässigkeit und der Portierbarkeit von Arbeitslasten ab.

Die fünf Super-Rechenzentren sind wichtig, weil sie zur physischen Grundlage dieses integrierten Kreislaufs werden können. Ihr Wert hängt davon ab, wie eng Alibaba sie mit Chips und Software verknüpft.

Bleiben sie locker koordinierte Pools allgemeiner Server, bleibt Googles Vorteil bestehen. Arbeiten sie als optimierte KI-Cluster, gewinnt Alibaba eine glaubwürdigere Infrastrukturposition.

Drei Signale werden zeigen, ob der Strategiewechsel funktioniert

Die nächste Phase sollte anhand nutzbarer Kapazität, externer KI-Umsätze und Belegen dafür beurteilt werden, dass Alibaba mit eingeschränkten Chip-Lieferketten arbeiten kann.

Das erste Signal ist eine detaillierte Offenlegung der Infrastruktur. Alibaba sollte neue KI-Kapazitäten, den Einsatz von Beschleunigern, verfügbare Stromversorgung oder abgeschlossene Cluster-Meilensteine in den fünf gemeldeten Zentren benennen.

Eine glaubwürdige Offenlegung erfordert nicht die Preisgabe sensibler Engineering-Daten. Sie sollte ausreichend konsistente Messgrößen liefern, um installierte Server von nutzbarer Rechenleistung zu unterscheiden.

Nützliche Kennzahlen wären die aggregierte Beschleunigerkapazität, die Netzwerkleistung des Clusters, die Energieeffizienz oder die Auslastung in der Produktion. Vergleichbare Zahlen im Jahresvergleich würden Fortschritte leichter bewertbar machen.

Veröffentlicht Alibaba diese Messwerte, gewinnt die Behauptung zu den fünf Zentren an Glaubwürdigkeit. Die fortgesetzte Konzentration auf die Anzahl der Anlagen würde die zentrale Überprüfungslücke offenlassen.

Das zweite Signal sind externe KI-Umsätze. Die interne Nutzung von Qwen kann die Auslastung der Infrastruktur verbessern, doch die Nachfrage Dritter liefert deutlichere Hinweise darauf, dass Kunden Alibabas Stack schätzen.

Alibaba erwartet, dass Modell- und Anwendungsdienste zu einem größeren wiederkehrenden Geschäft werden. Anleger sollten beobachten, ob dieses Wachstum parallel zu den gesamten Cloud-Umsätzen anhält.

Sie sollten zudem Margen und Kapitalintensität prüfen. Schnelles Umsatzwachstum hat weniger Gewicht, wenn jede zusätzliche Einheit unverhältnismäßig hohe Ausgaben für knappe Hardware erfordert.

Auch die Kundenbindung liefert einen nützlichen Indikator. Wiederholte Nutzung durch Unternehmen deutet darauf hin, dass Modelle und Infrastruktur nach ersten Tests die Anforderungen des Produktivbetriebs erfüllen.

Das dritte Signal ist Alibabas Strategie für heterogene Chips. Heterogene Infrastruktur kombiniert verschiedene Beschleunigerfamilien innerhalb einer Cloud, statt von einem einzigen Anbieter abhängig zu sein.

Alibaba benötigt Software, die Arbeitslasten über diese Systeme hinweg planen kann, ohne Kunden dazu zu zwingen, jede Hardwaredifferenz selbst zu verwalten. Diese Fähigkeit würde die strategischen Auswirkungen von Lieferbeschränkungen verringern.

Belege könnten eine breitere Framework-Unterstützung, Referenzen aus dem Produktivbetrieb oder dokumentierte Leistung über heimische Beschleuniger hinweg umfassen. Benchmark-Angaben des Unternehmens sollten weiterhin unabhängig getestet werden.

Erfolg würde Alibabas Argument stärken, dass vertikale Integration auch ohne den gleichen Chipzugang wie bei Google funktionieren kann. Anhaltende Kompatibilitätslücken würden diese These schwächen.

Auch Reaktionen der Wettbewerber verdienen Aufmerksamkeit, sind jedoch gegenüber diesen drei Signalen nachrangig. Preisänderungen von Tencent, Huawei, Baidu oder Google können zeigen, wo Kapazitäten knapper werden.

Der breitere Investitionszyklus erhöht den Einsatz. TrendForce prognostizierte, dass die gemeinsamen Investitionsausgaben von acht großen Cloud-Anbietern im Jahr 2026 mehr als 710 Milliarden US-Dollar übersteigen würden.

Solche Prognosen können sich ändern, doch die Richtung ist klar. Alibaba tritt in eine Phase ein, in der auch Rivalen aggressiv in Rechenzentren, Beschleuniger und kundenspezifische Chips investieren.

Große Kapitalbudgets garantieren keinen nachhaltigen Vorteil. Sie können Überkapazitäten schaffen, wenn die Nachfrage nachlässt oder sich die Modelleffizienz schneller als erwartet verbessert.

Bessere Modelle können die Nachfrage auch steigern, indem sie mehr Anwendungen wirtschaftlich praktikabel machen. Das Verhältnis zwischen Effizienz und gesamtem Rechenverbrauch bleibt ungewiss.

Für Entwickler lautet die unmittelbare Frage: Portabilität. Teams sollten verstehen, ob sich Anwendungen ohne umfassende Neugestaltung zwischen Qwen, Gemini und anderen Modelldiensten verschieben lassen.

Unternehmenskäufer sollten regionale Verfügbarkeit, Datenverarbeitung, Zuverlässigkeit der Dienste und Hardwareabhängigkeiten prüfen. Schlagzeilenträchtige Beschleunigerzahlen beantworten diese operativen Fragen selten.

Wissensarbeiter werden die Folgen indirekt spüren. Mehr Inferenzkapazität kann schnellere Assistenten, längere Aufgaben mit komplexem Schlussfolgern und KI-Funktionen ermöglichen, die in alltägliche Unternehmenssoftware eingebettet sind.

Teams, die diese Veränderungen verfolgen, benötigen eine belastbare Dokumentation von Anbieterangaben, Benchmarks, Bereitstellungshinweisen und Richtlinienänderungen. Eine durchsuchbare Engineering-Wissensdatenbank kann dafür sorgen, dass diese Entscheidungen an Belege geknüpft bleiben.

Der Infrastrukturwettlauf zwischen Alibaba und Google geht inzwischen über Modellankündigungen hinaus. Alibaba wandelt physische Anlagen, die für eine frühere Cloud-Ära gebaut wurden, in eine Grundlage für KI-Dienste um.

Die offene Frage ist, ob diese fünf Standorte zu einem koordinierten Produktionssystem werden oder eine Sammlung beeindruckender Einrichtungen bleiben. Beobachten Sie die Kapazitätsangaben, externe KI-Umsätze und die Softwareunterstützung für mehrere Chiptypen.

Diese Signale werden mehr offenlegen als ein weiteres Investitionsversprechen. Sie werden zeigen, ob Alibaba trotz der damit verbundenen Beschränkungen eine KI-Cloud aufgebaut hat, die Kunden im großen Maßstab nutzen können.