La rivalità tra Alibaba e Google Cloud si intensifica mentre cinque super data center puntano sull'AI
Secondo quanto riportato, Alibaba Cloud sta reindirizzando cinque super data center verso il calcolo AI, sei anni dopo aver presentato il piano infrastrutturale regionale. Il confronto tra Alibaba e Google Cloud diventa così meno teorico e più dipendente dalla capacità fisica, dai chip specializzati, dalle reti e dall'elettricità.
Le strutture originali erano state costruite per offrire servizi cloud generalisti su scala enorme. L'AI cambia questo compito. L'addestramento e l'erogazione di grandi modelli richiedono acceleratori più densi, interconnessioni più rapide, maggiore disponibilità di energia e sistemi di raffreddamento diversi.
Questa transizione pone Alibaba di fronte all'infrastruttura AI verticalmente integrata di Google Cloud, comprese le tensor processing units progettate da Google, o TPU. Alibaba deve perseguire un controllo analogo operando però con un accesso più limitato ai chip avanzati stranieri.
Il passaggio riportato dei cinque centri non è stato documentato attraverso un inventario tecnico pubblico dettagliato. Capacità, numero di acceleratori, potenziamenti energetici e date di completamento restano poco chiari. Queste lacune contano, perché convertire un grande campus cloud in un'efficiente fabbrica AI comporta molto più che installare nuovi server.
Tuttavia, la direzione è coerente con la strategia dichiarata da Alibaba. L'azienda ha impegnato almeno 380 miliardi di RMB in infrastrutture AI e cloud nell'arco di tre anni. In seguito ha affermato che la domanda potrebbe spingere la spesa oltre tale impegno.
Non si tratta quindi di un normale aggiornamento di data center. È una prova della capacità di Alibaba di trasformare una presenza cloud consolidata in un sistema competitivo di produzione AI.
Cinque super data center assumono un ruolo diverso
Alibaba sta cambiando ciò che le sue strutture più grandi sono chiamate a produrre: dalla capacità cloud generalista a calcolo AI concentrato.
Alibaba Cloud ha annunciato cinque progetti di super data center nel 2020, collocandoli in località tra cui Hangzhou, Nantong, Ulanqab, Heyuan e Zhangbei. I progetti sostenevano una più ampia espansione della capacità di archiviazione, calcolo e rete.
Quei campus sono nati in una fase diversa della domanda cloud. Le imprese stavano spostando database, siti web, analisi e applicazioni aziendali in infrastrutture condivise. La scala significava soprattutto offrire più macchine virtuali e spazio di archiviazione attraverso reti regionali affidabili.
L'AI generativa crea un problema operativo diverso. Migliaia di acceleratori devono comunicare con bassa latenza mentre elaborano lo stesso modello. Un collegamento di rete lento o un componente guasto può ridurre l'output utile di un intero cluster.
Anche l'inferenza AI, ossia il processo che genera risposte da un modello addestrato, modifica i modelli di domanda. Il traffico degli utenti può arrivare in modo imprevedibile, mentre le attività di ragionamento più lunghe consumano molto più calcolo di una richiesta web convenzionale.
Una struttura progettata per carichi di lavoro cloud bilanciati non diventa automaticamente un data center AI efficiente. Gli operatori devono riconsiderare densità dei rack, distribuzione dell'energia, raffreddamento, topologia di rete e pianificazione dei carichi di lavoro.
La strategia dei super data center offre ad Alibaba una base per questa conversione. Terreni, connessioni elettriche, reti regionali e team operativi esistono già. Costruire ogni componente in un nuovo sito richiederebbe più tempo e introdurrebbe ulteriori rischi di autorizzazione e costruzione.
Tuttavia, il passaggio riportato resta più orientativo che misurabile. Le informazioni pubbliche non stabiliscono quanta capacità ogni centro dedicherà ai carichi di lavoro AI. Non identificano neppure una data comune di completamento.
Questa distinzione impedisce conclusioni premature. Cinque grandi campus possono rappresentare un patrimonio immobiliare significativo senza fornire cinque cluster AI altrettanto capaci.
La strategia di Alibaba dovrebbe invece essere letta come una trasformazione graduale. I campus esistenti forniscono la base fisica, mentre nuovi acceleratori e progetti di cluster determinano il loro effettivo output AI.
L'impegno infrastrutturale dell'azienda del febbraio 2025 offre il contesto finanziario. Alibaba ha dichiarato che l'investimento previsto superava la sua spesa complessiva in AI e cloud del decennio precedente.
Questo confronto rivela la portata del cambiamento. Alibaba non sta trattando l'AI come un altro servizio cloud gestito. Sta riorganizzando le spese in conto capitale attorno al livello computazionale su cui poggiano i suoi modelli e le sue applicazioni.
I cinque siti offrono anche vantaggi geografici. Campus distribuiti possono servire la domanda regionale e ridurre la dipendenza da un singolo mercato energetico. Possono inoltre separare i carichi di lavoro per addestramento, inferenza, archiviazione e ripristino di emergenza.
Tuttavia, un'infrastruttura distribuita comporta costi di coordinamento. L'addestramento dei modelli funziona al meglio quando gli acceleratori si comportano come un'unica macchina. Suddividerli tra località distanti può introdurre ritardi di rete che rendono alcuni carichi di lavoro meno efficienti.
Alibaba dovrà quindi bilanciare la distribuzione regionale con cluster locali strettamente interconnessi. Il solo numero delle strutture dice poco su questo equilibrio.
Il cambiamento più evidente è nella missione. Questi campus erano simboli dell'espansione cloud generalista nel 2020. Ora vengono giudicati dalla loro capacità di fornire calcolo AI scarso.
Perché la competizione tra Alibaba e Google ora passa dall'infrastruttura
La rivalità tra Alibaba e Google sta diventando una competizione sui sistemi AI completi, non un semplice confronto tra cataloghi di servizi cloud.
Google è entrata nel ciclo dell'infrastruttura AI con anni di esperienza nella progettazione di TPU e nel loro impiego nei propri data center. Una TPU è un chip specifico per applicazioni, ottimizzato per i calcoli di machine learning.
Questo approccio verticale collega chip, rete, progettazione dei data center, modelli e software. Google può ottimizzare insieme questi livelli, sebbene continui ad acquistare grandi quantità di hardware esterno per carichi di lavoro selezionati.
Alibaba sta perseguendo una propria struttura full-stack. Sviluppa modelli Qwen, gestisce un cloud pubblico, realizza servizi per modelli e ha investito in capacità proprietarie per i chip. Il passaggio dei cinque centri collegherebbe questi livelli a una base fisica più ampia.
La somiglianza strategica rende Google un utile concorrente di riferimento, ma le aziende non competono sullo stesso terreno. Google dispone di una presenza cloud globale più ampia e di un accesso più agevole alle catene di fornitura dei chip avanzati.
Alibaba ha una posizione più forte in Cina e relazioni consolidate con le aziende nazionali. Gestisce inoltre piattaforme commerciali e consumer che possono creare domanda interna per modelli, raccomandazioni, ricerca e agenti.
Questo produce due diversi cicli infrastrutturali.
Il ciclo di Google inizia con clienti cloud distribuiti a livello globale, servizi Gemini, applicazioni interne e silicio personalizzato. L'utilizzo sostiene ulteriori investimenti nei data center, ampliando la capacità disponibile per la successiva generazione di modelli.
Il ciclo di Alibaba collega Qwen, la domanda delle imprese cinesi, applicazioni nazionali e infrastruttura cloud. I suoi servizi commerciali forniscono carichi di lavoro in grado di testare i modelli e aumentare l'utilizzo all'interno della propria organizzazione.
L'utilizzo è decisivo, perché un acceleratore inattivo resta costoso. Il vincitore non è necessariamente l'azienda con la maggiore capacità annunciata. È l'operatore che mantiene produttivamente occupati sistemi costosi.
Alibaba ha riferito che i ricavi cloud hanno continuato ad accelerare con l'adozione dei prodotti AI. I suoi risultati fiscali descrivono i servizi AI come una fonte di domanda sempre più importante, non soltanto come una spesa di ricerca.
Nel maggio 2026, l'azienda ha dichiarato che i ricavi del Cloud Intelligence Group sono cresciuti del 40 percento su base annua nel trimestre di marzo. Ha inoltre previsto una rapida crescita dei ricavi ricorrenti annualizzati derivanti da servizi per modelli e applicazioni.
Queste cifre provengono da Alibaba e vanno considerate come performance riportate dall'azienda. Tuttavia, indicano che all'espansione dell'infrastruttura è associato un carico di lavoro commerciale.
Un resoconto indipendente sugli utili ha inoltre descritto un aumento del 38 percento nelle operazioni AI e cloud di Alibaba nel periodo riportato. Il rapporto ha rilevato la più ampia sfida del settore di dimostrare che la pesante spesa per l'AI possa generare rendimenti.
Anche Google affronta questa sfida. Entrambe le aziende devono riservare capacità per i propri modelli, offrendo al contempo risorse affidabili ai clienti cloud.
Questa tensione diventa più marcata quando l'offerta di calcolo è limitata. Un provider cloud può dare priorità alle applicazioni interne, ai clienti esterni o alla ricerca a lungo termine, ma ogni allocazione ha un costo opportunità.
Le TPU personalizzate di Google offrono un certo grado di controllo dell'offerta. TrendForce ha previsto che le TPU rappresenteranno quasi il 78 percento dei server AI spediti a Google nel 2026, trainate dalla domanda di Gemini e Google Cloud.
Questa previsione sul deployment degli ASIC mostra perché i chip contano nel quadro competitivo. Un ASIC è un chip progettato per un insieme ristretto di compiti anziché per il calcolo generico.
Alibaba necessita inoltre di alternative a una dipendenza senza restrizioni dagli acceleratori stranieri. I controlli sulle esportazioni e i requisiti di licenza hanno limitato l'accesso cinese a determinati chip statunitensi avanzati.
Gli acceleratori nazionali possono ridurre questa esposizione, ma la compatibilità software e la capacità produttiva restano ostacoli. Un chip è utile solo quando gli sviluppatori possono addestrare ed erogare modelli su di esso in modo affidabile.
Il confronto tra Alibaba e Google ruota quindi attorno all'integrazione di sistema. Alibaba deve combinare campus, chip, software e carichi di lavoro paganti, affrontando al contempo vincoli che Google non incontra nella stessa forma.
Il calcolo AI cambia l'economia del cloud di Alibaba
Il passaggio aumenta il potenziale di ricavi di Alibaba, ma rende utilizzo, efficienza energetica e disponibilità dell'hardware più importanti per la redditività.
Il cloud computing tradizionale distribuisce molti carichi di lavoro tra pool flessibili di processori, archiviazione e memoria. I cluster AI concentrano più valore in costosi acceleratori e nelle reti che li collegano.
Questa concentrazione crea un'equazione finanziaria più severa. Gli operatori spendono molto prima che la domanda dei clienti diventi certa. L'hardware può inoltre perdere valore relativo quando un acceleratore più recente offre prestazioni migliori per unità di energia.
L'impegno di Alibaba da 380 miliardi di RMB copre infrastrutture AI e cloud nell'arco di tre anni. Non fornisce un budget pubblico struttura per struttura per i cinque centri riportati.
Gli investitori non possono quindi calcolare quale parte del programma rappresenti nuove costruzioni, acquisti di server, rete, ricerca o conversione delle strutture. Non possono neppure separare la capacità riservata ad Alibaba dalla capacità venduta attraverso il suo cloud.
L'azienda ha segnalato che la domanda resta forte. Alla sua Apsara Conference del 2025, Alibaba ha dichiarato di voler aumentare gli investimenti oltre il programma originale, ampliando al contempo la propria infrastruttura internazionale.
Questa roadmap AI includeva rilasci di modelli, servizi cloud e nuova capacità di data center. Presentava il programma di spesa come uno strato di una più ampia strategia di prodotto.
Questa combinazione conta perché l'infrastruttura non può generare rendimenti da sola. Alibaba ha bisogno che sviluppatori e imprese adottino modelli Qwen, Model Studio, database, archiviazione e servizi di inferenza.
Anche i clienti enterprise necessitano di prestazioni prevedibili. Un endpoint di modello che rallenta durante i picchi di traffico può interrompere assistenza clienti, programmazione, ricerca e flussi di lavoro automatizzati.
Alibaba può migliorare l’utilizzo servendo diversi tipi di domanda. L’addestramento consuma grandi blocchi di capacità, mentre la domanda di inferenza arriva in modo continuo dalle applicazioni in produzione.
Le piattaforme consumer e commerciali dell’azienda aggiungono un’altra fonte. Ricerca, pubblicità, assistenti per gli acquisti e sistemi di raccomandazione possono assorbire capacità prima che la domanda esterna raggiunga la piena scala.
La domanda interna può contribuire a giustificare la costruzione, ma può anche rendere meno trasparente l’economia del progetto. La capacità utilizzata da un’altra attività di Alibaba non genera necessariamente gli stessi margini delle vendite cloud esterne.
Google affronta una questione contabile comparabile, poiché la sua infrastruttura supporta Search, YouTube, Gemini e clienti cloud esterni. I confronti diretti tra fornitori cloud possono non cogliere questi costi condivisi e benefici interni.
Le più recenti comunicazioni pubbliche di Alibaba offrono prove più solide della portata della sua ambizione che dell’economia unitaria. L’azienda ha descritto uno stack che comprende modelli, infrastruttura cloud, applicazioni e chip proprietari.
Le sue comunicazioni finanziarie collegano inoltre nuova capacità ad alte prestazioni con l’inferenza Model-as-a-Service. Model-as-a-Service consente ai clienti di accedere a modelli ospitati senza gestire l’infrastruttura sottostante.
Questo servizio può trasformare l’investimento nei data center in ricavi ricorrenti basati sull’utilizzo. Tuttavia, i clienti possono cambiare modello o ridurre i consumi quando prezzi, latenza o qualità dell’output non soddisfano le aspettative.
Alibaba deve inoltre gestire un difficile ciclo di approvvigionamento. I server AI richiedono acceleratori, memoria ad alta larghezza di banda, switch di rete, apparecchiature elettriche e componenti di raffreddamento.
Un ritardo in un singolo componente può lasciare sottoutilizzate altre apparecchiature. Ciò crea un divario tra l’avanzamento della costruzione comunicato e la capacità di calcolo effettivamente utilizzabile.
L’efficienza energetica aggiunge un ulteriore vincolo. Un acceleratore può offrire prestazioni grezze superiori consumando però abbastanza elettricità da aumentare il costo totale di ogni risposta del modello.
I siti settentrionali di Alibaba possono offrire vantaggi in termini di terreni ed energia. Le strutture più vicine ai principali centri abitati possono ridurre la latenza per i servizi rivolti ai clienti. La localizzazione ottimale dipende dal carico di lavoro.
L’addestramento può spesso spostarsi verso l’energia disponibile, perché gli utenti non vi interagiscono direttamente. L’inferenza in tempo reale beneficia della vicinanza ai clienti e agli hub di rete regionali.
Il piano dei cinque centri può consentire ad Alibaba di ripartire queste responsabilità. Tuttavia, l’azienda non ha pubblicato informazioni sufficienti per mostrare come i carichi di lavoro verranno assegnati tra i siti indicati.
Questo dettaglio mancante conta più della capacità annunciata nei titoli. Una mappa coerente dei carichi di lavoro dimostrerebbe che Alibaba sta progettando una rete AI, non limitandosi a riempire gli edifici disponibili di acceleratori.
Cosa non dimostra l’affermazione sui cinque centri
La narrazione infrastrutturale di Alibaba resta credibile nella sua direzione, ma le prove pubbliche non stabiliscono capacità, efficienza o completamento in ciascun centro.
Il rapporto principale descrive un’evoluzione durata sei anni che coinvolge cinque super data center. Offre un utile quadro storico, ma molti dettagli operativi restano fuori dalla vista del pubblico.
Alibaba non ha pubblicato un inventario standardizzato che elenchi il numero di acceleratori AI per tutti e cinque i campus. Non ha fornito dati comparabili su capacità elettrica, utilizzo o throughput di addestramento.
Senza queste misure, la scala delle strutture diventa difficile da confrontare. Un moderno cluster può superare una raccolta più ampia di server meno recenti, usando meno energia per lo stesso carico di lavoro.
La composizione dei chip è un’altra incertezza. Alibaba può combinare GPU importate, acceleratori nazionali e il proprio silicio, ma ciascuna piattaforma presenta requisiti diversi in termini di software e rete.
Una flotta mista può migliorare la resilienza dell’approvvigionamento. Può anche frammentare gli strumenti per sviluppatori e rendere più difficile la pianificazione.
I framework AI sono spesso ottimizzati innanzitutto per l’ambiente software di Nvidia. Spostare un carico di lavoro su un altro acceleratore può richiedere modifiche al codice, nuovi kernel, test e ottimizzazione delle prestazioni.
Alibaba può nascondere parte di questa complessità attraverso servizi cloud gestiti. I clienti continuano a preoccuparsi che il sistema risultante soddisfi le aspettative in termini di latenza, affidabilità e costo.
I controlli alle esportazioni aggiungono incertezza alla futura fornitura di hardware. Le regole possono cambiare più rapidamente dei piani di costruzione, costringendo i fornitori cloud cinesi a riprogettare i sistemi attorno a componenti che possono ottenere con continuità.
Lo sviluppo di chip nazionali offre una risposta strategica, ma non elimina i limiti produttivi. I chip avanzati dipendono dal funzionamento coordinato di fabbricazione, packaging, memoria, rete e software.
La disponibilità di energia può diventare un collo di bottiglia altrettanto importante. I rack AI possono richiedere molta più elettricità dei rack server convenzionali, mettendo sotto pressione sottostazioni e sistemi di raffreddamento.
Un campus può quindi apparire completo mentre attende aggiornamenti elettrici. Può anche operare al di sotto della propria capacità fisica quando energia o raffreddamento diventano vincolanti.
La crescita dei ricavi di Alibaba fornisce prove della domanda, ma non sufficienti dei rendimenti. I ricavi cloud possono aumentare mentre ammortamenti, energia e spese di approvvigionamento riducono la redditività.
Le attività più ampie dell’azienda complicano il quadro. Gli investimenti nel commercio, nell’AI consumer e nei servizi di consegna possono influenzare gli utili del gruppo anche quando le prestazioni cloud migliorano.
La concorrenza in Cina crea un altro rischio. Tencent, Huawei, Baidu e fornitori specializzati stanno costruendo o acquistando infrastruttura AI. I clienti hanno inoltre incentivi a evitare di dipendere da una sola famiglia di modelli.
Fuori dalla Cina, Alibaba affronta ulteriori ostacoli. Norme sulla localizzazione dei dati, revisioni di sicurezza, politiche di approvvigionamento e preoccupazioni geopolitiche possono limitare l’adozione anche quando la sua tecnologia offre buone prestazioni.
Google, Microsoft e Amazon mantengono già estesi canali di vendita enterprise in Nord America e in Europa. Le loro relazioni software rendono più semplice abbinare l’infrastruttura AI ai contratti esistenti.
Alibaba può espandersi nel Sud-est asiatico, in Medio Oriente e in altri mercati nei quali dispone di esperienza regionale. Tuttavia, nuovi data center non producono automaticamente fiducia dei clienti o adozione da parte degli sviluppatori.
Anche la sua leadership dichiarata nei mercati cloud dell’Asia-Pacifico richiede un’interpretazione attenta. Le definizioni di mercato variano, soprattutto quando gli studi separano infrastruttura, servizi di piattaforma, cloud dedicato e cloud pubblico.
Alibaba afferma che i carichi di lavoro AI-native sono diventati una fonte importante di nuova domanda. La sua affermazione sul cloud regionale cita ricerche esterne, ma i lettori dovrebbero esaminare i mercati e le categorie di servizi inclusi.
La posizione scettica più solida non è quindi che la svolta sia fittizia. È che gli impegni di capitale e il numero di strutture non possono dimostrare l’efficienza di un cloud AI.
Le prove dovrebbero emergere attraverso utilizzo, qualità dei ricavi, affidabilità del servizio e domanda ricorrente dei clienti. Questi risultati richiedono più tempo per essere osservati di un annuncio di costruzione.
Questa distinzione mantiene l’analisi ancorata ai fatti. Alibaba ha divulgato abbastanza da mostrare un serio cambiamento strategico. Non ha divulgato abbastanza per dichiarare completa la conversione dell’infrastruttura.
Il vero avversario di Alibaba è la fabbrica AI integrata di Google
Google mette sotto pressione Alibaba perché dimostra come chip personalizzati, modelli, software e distribuzione cloud possano rafforzarsi reciprocamente.
Il termine fabbrica AI descrive un’infrastruttura che converte ripetutamente dati, elettricità e chip in modelli addestrati e risposte in produzione. La caratteristica importante è l’output coordinato, non l’edificio in sé.
Google ha trascorso anni collegando le TPU ai propri data center, alla rete, ai framework di machine learning e ai prodotti interni. Gemini aggiunge un’altra fonte di domanda nei servizi consumer ed enterprise.
Alibaba sta assemblando un ciclo comparabile attorno a Qwen. Il suo cloud offre accesso ai modelli, servizi di sviluppo, archiviazione, database e calcolo, mentre le applicazioni di Alibaba offrono opportunità di distribuzione interna.
La competizione tra Alibaba e Google non richiede che Alibaba duplichi ogni servizio di Google. Richiede che Alibaba eguagli i vantaggi operativi derivanti dal controllo di una quota maggiore dello stack.
Un vantaggio è la pianificazione. Un fornitore verticalmente integrato può spostare i carichi di lavoro tra generazioni di chip, regioni e livelli di servizio, ottimizzando al contempo il proprio software.
Un altro è l’ottimizzazione dei modelli. Gli ingegneri che comprendono l’hardware sottostante possono modificare le architetture dei modelli o i metodi di inferenza per utilizzare quell’hardware in modo più efficiente.
Un terzo vantaggio è la pianificazione dell’approvvigionamento. Le roadmap dei prodotti interni aiutano i team infrastrutturali a stimare la domanda futura prima che i clienti esterni effettuino ordini.
Alibaba dispone di molti di questi ingredienti. Qwen fornisce una famiglia di modelli, Model Studio offre accesso ospitato e Alibaba Cloud fornisce il livello di distribuzione.
L’azienda ha dichiarato che Qwen aveva superato un miliardo di download cumulativi su Hugging Face al 21 gennaio 2026. I download non equivalgono all’adozione in produzione, ma possono ampliare la comunità di sviluppatori attorno a una famiglia di modelli.
I modelli aperti creano inoltre un compromesso strategico. Una distribuzione più ampia può incoraggiare l’adozione oltre Alibaba Cloud, mentre i servizi ospitati offrono all’azienda una strada per monetizzare una distribuzione pratica.
Google segue un percorso diverso attraverso i prodotti Gemini, i modelli aperti Gemma, le TPU e i servizi Vertex AI. Entrambi i fornitori usano la disponibilità dei modelli per generare domanda di infrastruttura.
Il vantaggio locale di Alibaba è particolarmente rilevante per i clienti cinesi. Può offrire infrastruttura nazionale, modelli in lingua cinese e connessioni con servizi commerciali ampiamente utilizzati.
Il vantaggio globale di Google è più ampio. La sua rete, le relazioni enterprise, l’organizzazione di ricerca e le piattaforme per sviluppatori sostengono l’adozione in più mercati.
Le due aziende operano inoltre in condizioni normative diverse. Alibaba deve adattarsi alle normative cinesi sui modelli, gestendo al contempo i controlli esteri sull’accesso a chip avanzati.
Google affronta scrutinio antitrust, sulla privacy, sul copyright e sull’energia in diverse giurisdizioni. La scala della sua infrastruttura non elimina questi vincoli.
Questo rende la rivalità asimmetrica anziché diretta. Google stabilisce un parametro di riferimento per l’infrastruttura AI integrata, mentre Alibaba adatta quel modello a una catena di approvvigionamento nazionale vincolata.
Alibaba non deve superare l’impronta cloud globale di Google per rafforzare la propria posizione. Deve dimostrare che i suoi campus convertiti possono servire in modo efficiente Qwen e i carichi di lavoro enterprise.
Questa prova metterebbe sotto pressione innanzitutto i rivali cinesi. Tencent, Huawei e Baidu dovrebbero eguagliare la combinazione di modelli, capacità, software e portata commerciale di Alibaba.
Offrirebbe inoltre agli acquirenti internazionali un’altra opzione di infrastruttura AI in regioni selezionate. L’adozione dipenderebbe comunque da conformità, supporto, affidabilità e portabilità dei carichi di lavoro.
I cinque super data center contano perché possono diventare la base fisica di questo ciclo integrato. Il loro valore dipende da quanto strettamente Alibaba li collega a chip e software.
Se restano bacini poco coordinati di server generici, il vantaggio di Google persiste. Se operano come cluster AI ottimizzati, Alibaba ottiene una posizione infrastrutturale più credibile.
Tre segnali mostreranno se la svolta sta funzionando
La prossima fase dovrebbe essere giudicata attraverso capacità utilizzabile, ricavi AI esterni e prove che Alibaba può operare con forniture di chip limitate.
Il primo segnale è una divulgazione infrastrutturale dettagliata. Alibaba dovrebbe identificare nuova capacità AI, distribuzione di acceleratori, disponibilità di energia o traguardi di cluster completati nei cinque centri indicati.
Una divulgazione credibile non richiede l’esposizione di dati ingegneristici sensibili. Dovrebbe fornire misurazioni sufficientemente coerenti da distinguere i server installati dalla capacità di calcolo utilizzabile.
Misure utili includono la capacità aggregata di acceleratori, le prestazioni della rete del cluster, l’efficienza energetica o l’utilizzo in produzione. Dati comparabili anno su anno renderebbero più semplice valutare i progressi.
Se Alibaba pubblicherà queste misurazioni, l’affermazione sui cinque centri risulterà più credibile. Continuare a basarsi sul conteggio delle strutture lascerebbe irrisolto il principale divario di verifica.
Il secondo segnale è il fatturato dell’AI esterna. L’utilizzo interno di Qwen può migliorare l’impiego dell’infrastruttura, ma la domanda di terze parti offre una prova più chiara del fatto che i clienti attribuiscono valore allo stack di Alibaba.
Alibaba prevede che i servizi di modelli e applicazioni diventino un’attività ricorrente più rilevante. Gli investitori dovrebbero osservare se questa crescita prosegue insieme ai ricavi complessivi del cloud.
Dovrebbero inoltre esaminare margini e intensità di capitale. Una rapida crescita dei ricavi ha meno peso se ogni nuova unità richiede una spesa sproporzionata per hardware scarso.
La fidelizzazione dei clienti offre un altro indicatore utile. L’uso ripetuto da parte delle imprese suggerisce che modelli e infrastruttura soddisfano i requisiti di produzione dopo le sperimentazioni iniziali.
Il terzo segnale è la strategia di Alibaba sui chip eterogenei. Un’infrastruttura eterogenea combina diverse famiglie di acceleratori all’interno dello stesso cloud, anziché dipendere da un unico fornitore.
Alibaba ha bisogno di software in grado di pianificare i carichi di lavoro su questi sistemi senza costringere i clienti a gestire ogni differenza hardware. Questa capacità ridurrebbe l’impatto strategico delle restrizioni di fornitura.
Le prove potrebbero includere un supporto più ampio ai framework, riferimenti di produzione o prestazioni documentate su acceleratori nazionali. Le affermazioni dell’azienda sui benchmark dovrebbero comunque essere sottoposte a test indipendenti.
Il successo rafforzerebbe la tesi di Alibaba secondo cui l’integrazione verticale può funzionare anche senza lo stesso accesso ai chip disponibile per Google. Persistenti lacune di compatibilità indebolirebbero questa tesi.
Anche le reazioni della concorrenza meritano attenzione, ma sono secondarie rispetto a questi tre segnali. Le variazioni di prezzo di Tencent, Huawei, Baidu o Google possono rivelare dove la capacità sta diventando più limitata.
Il più ampio ciclo di spesa aumenta la posta in gioco. TrendForce ha previsto che la spesa in conto capitale combinata di otto grandi fornitori cloud supererà i 710 miliardi di dollari nel 2026.
Queste previsioni possono cambiare, ma la direzione è chiara. Alibaba sta entrando in un periodo in cui anche i concorrenti stanno investendo aggressivamente in data center, acceleratori e chip personalizzati.
Grandi budget di capitale non garantiscono un vantaggio duraturo. Possono creare capacità in eccesso se la domanda rallenta o se l’efficienza dei modelli migliora più rapidamente del previsto.
Modelli migliori possono anche aumentare la domanda, rendendo economicamente praticabili più applicazioni. Il rapporto tra efficienza e consumo complessivo di calcolo resta incerto.
Per gli sviluppatori, la questione immediata è la portabilità. I team dovrebbero capire se le applicazioni possono passare tra Qwen, Gemini e altri servizi di modelli senza una riprogettazione significativa.
Gli acquirenti aziendali dovrebbero esaminare disponibilità regionale, gestione dei dati, affidabilità del servizio e dipendenze hardware. I conteggi degli acceleratori in evidenza raramente rispondono a queste domande operative.
I knowledge worker ne avvertiranno le conseguenze indirettamente. Maggiore capacità di inferenza può supportare assistenti più rapidi, attività di ragionamento più lunghe e funzionalità AI integrate nel software aziendale di uso quotidiano.
I team che monitorano questi cambiamenti hanno bisogno di una registrazione duratura delle dichiarazioni dei fornitori, dei benchmark, delle note di implementazione e delle modifiche alle policy. Una base di conoscenza ingegneristica ricercabile può mantenere queste decisioni ancorate alle prove.
La corsa all’infrastruttura tra Alibaba e Google è andata oltre gli annunci sui modelli. Alibaba sta trasformando asset fisici costruiti per una precedente era del cloud in una base per servizi AI.
La questione aperta è se questi cinque campus diventeranno un unico sistema di produzione coordinato o resteranno una raccolta di strutture impressionanti. Occorre seguire le divulgazioni sulla capacità, i ricavi dell’AI esterna e il supporto software multi-chip.
Questi segnali riveleranno più di un’altra promessa di spesa. Mostreranno se Alibaba ha costruito un cloud AI che i clienti possono utilizzare su larga scala, nonostante i vincoli che lo circondano.
