Alibaba 20GW AI 계획, 주가 하락 속 판돈 키운다

Alibaba는 20기가와트 규모의 AI 인프라 계획을 공개했지만, 투자자들이 세부 내용을 받은 뒤 미국 증시 상장 주가는 약 0.6% 하락했다. Alibaba 20GW AI 계획은 2032년까지 전 세계 데이터센터 용량을 20기가와트 이상으로 확대하는 것을 목표로 한다. 또한 이 용량을 자체 칩과 훨씬 더 큰 Qwen 모델에 연결한다.

하락 폭은 크지 않았으며, 단 하루의 거래로 Alibaba의 투자 가치를 판단할 수는 없다. 그럼에도 이 반응은 초대형 AI 투자 지출을 둘러싼 긴장을 포착한다. 인프라 발표는 투자자의 기대를 높일 수 있지만, 수요가 예측 가능해지기 전부터 수년간의 자본 투자를 요구하기도 한다.

Alibaba는 모델, 가속기, 클라우드 소프트웨어, 물리적 인프라를 통제하면 AI 사용을 반복적인 클라우드 매출로 전환할 수 있다고 보고 있다. 당장의 상대는 다른 한 개 기업이 아니다. Alibaba의 인프라 약속과 이를 정당화할 유료 수요 사이의 격차다.

이 격차는 이제 또 하나의 벤치마크나 파라미터 수보다 더 중요하다. Alibaba는 AI 도입과 함께 클라우드 사업을 성장시킬 수 있음을 보여줬다. 그러나 가동률, 마진, 현금 수익이 건설 계획만큼 빠르게 확대될지는 아직 입증하지 못했다.

Alibaba 20GW AI 계획이 실제로 약속하는 것

Alibaba는 일반적인 AI 투자 전략에서 벗어나, 측정 가능한 기술적 의존성을 갖춘 구체적이고 장기적인 용량 목표로 이동했다.

Eddie Wu CEO는 2026년 9월 22일 항저우에서 열린 Alibaba의 Apsara Conference에서 이 로드맵을 발표했다. 회사는 Alibaba Cloud가 2032년까지 전 세계 데이터센터 용량을 20기가와트 이상 운영할 계획이라고 밝혔다.

기가와트는 컴퓨팅 성능이 아니라 전력을 측정하는 단위다. 데이터센터 용량은 프로세서, 냉각, 네트워킹, 스토리지 및 기타 시스템 전반에서 시설이 지원할 수 있는 전력량을 뜻한다. 따라서 이 수치는 물리적 규모를 보여주지만, Alibaba가 전력을 사용 가능한 AI 컴퓨팅으로 얼마나 효율적으로 전환할지는 알려주지 않는다.

Alibaba는 AI 컴퓨팅 수요가 이미 공급 추가 능력을 넘어섰다고 말한다. 회사는 풀스택 로드맵에서 글로벌 데이터센터 공급망 부족이 확장을 제한하고 있다고 지적했다. 이러한 제약에는 가속기, 메모리, 네트워크 장비, 전력 연결, 냉각 시스템, 건설 역량 등이 포함될 수 있다.

20기가와트 목표는 현재 운영 용량에 관한 언급이 아니다. 이는 2032년 목표이며, Alibaba는 약 6년 동안 부지, 장비, 에너지, 자금 조달, 고객을 확보해야 한다. 회사는 계획된 용량의 연간 배치 일정이나 지역별 세부 내역을 공개적으로 제시하지 않았다.

Alibaba는 이 목표와 T-Head 반도체 사업부에서 개발한 Zhenwu V900 가속기를 함께 공개했다. Wu는 V900을 중국 최고 성능의 AI 칩이라고 설명하며, 이전 Zhenwu M890보다 성능이 세 배 높다고 말했다.

이 비교는 여전히 회사의 주장이다. Alibaba는 V900을 Nvidia나 다른 공급업체의 선도 가속기와 직접 비교할 만큼 충분한 표준화된 독립 테스트 결과를 공개하지 않았다.

회사는 V900 클러스터를 최대 50만 개 칩 규모로 확장할 수 있다고 말한다. 클러스터는 많은 가속기를 연결해 함께 모델을 학습시키거나 사용자 요청을 처리하도록 한다. 이론적 규모에 도달하려면 프로세서 자체를 생산하는 것보다 훨씬 더 많은 것이 필요하다.

Alibaba에는 고대역폭 네트워킹, 메모리, 스토리지, 냉각, 오케스트레이션 소프트웨어, 안정적인 전력도 필요하다. 클러스터 규모의 성능은 단순히 시설에 몇 개의 칩이 있는지가 아니라, 이러한 구성요소들이 얼마나 효율적으로 통신하는지에 달려 있다.

모델 로드맵은 이 인프라에 대한 또 다른 수요를 만든다. Alibaba는 5조~10조 개 파라미터를 포함하는 모델을 학습할 계획이라고 밝혔다. 파라미터는 학습 과정에서 조정되는 값이지만, 수가 많다고 해서 자동으로 더 나은 모델이 되는 것은 아니다.

회사에 따르면 Alibaba의 기존 Qwen3.8-Max 모델은 2조4,000억 개 파라미터를 포함한다. 따라서 제안된 범위는 하한에서도 이 규모의 두 배를 넘는다. 상한에서는 현재 수치의 네 배를 초과한다.

이 발표들은 Alibaba 20GW AI 계획을 고립된 건설 목표가 아닌 연결된 스택으로 만든다. 모델은 컴퓨팅 수요를 창출한다. 칩은 이를 공급한다. 클라우드는 이 용량을 Alibaba의 내부 서비스와 외부 고객을 위해 패키징한다.

이 통합이 전략의 매력이다. 동시에 어느 한 계층에서의 실행 문제가 전체 경제성을 약화시킬 수 있는 이유이기도 하다.

Alibaba가 지금 AI 인프라를 확장하는 이유

Alibaba는 AI가 측정 가능한 클라우드 성장 동력이 되었고 컴퓨팅 공급은 여전히 제약을 받는 상황에서 확장에 속도를 내고 있다.

Alibaba의 최근 재무 실적은 수요 이야기가 완전히 추측에 그치지 않는다는 증거를 제공한다. 2026년 4월부터 6월까지의 분기에 AI 클라우드 및 컴퓨팅 서비스 매출은 45% 증가한 484억 위안을 기록했다.

전사 분기 매출은 9% 증가해 약 2,690억 위안에 달했다. 따라서 클라우드 확장은 Alibaba의 전체 성장률을 크게 웃돌았고, 경영진이 이 모멘텀을 지킬 이유를 제공했다.

Alibaba의 2026 회계연도 연례 보고서는 변화의 또 다른 모습을 보여줬다. Cloud Intelligence Group의 외부 매출은 회계연도 마지막 분기에 40% 증가했다. 회사의 연례 보고서에 따르면 AI 관련 제품은 이 매출의 30%를 차지했다.

이 수치들은 AI 서비스가 이미 Alibaba Cloud의 사업 구성에 영향을 주고 있음을 시사한다. 고객들은 모델 접근권, 학습 용량, 추론 서비스, AI 애플리케이션 운영에 필요한 인프라를 구매하고 있다.

추론은 학습된 모델이 요청에 응답하기 위해 사용하는 연산을 의미한다. 모든 응답, 소프트웨어 작업, 에이전트 행동이 처리 용량을 소비하기 때문에 지속적인 수요를 만들 수 있다. 학습은 주기적으로 이뤄지지만, 성공적인 추론 제품은 계속 실행될 수 있다.

AI 에이전트는 이 소비를 더욱 늘린다. 에이전트는 계획을 세우고, 도구를 사용하며, 결과를 확인하고, 작업을 수정하는 과정에서 일련의 모델 호출을 수행할 수 있다. 따라서 한 번의 사용자 요청은 일반적인 검색이나 소프트웨어 거래보다 훨씬 많은 연산을 생성할 수 있다.

Alibaba는 이러한 워크로드가 비즈니스 소프트웨어와 소비자 서비스 전반에서 보편화될 것으로 예상한다. 회사의 클라우드 전략은 더 많은 고객이 전문 인프라를 직접 구축하는 대신 컴퓨팅 용량을 임대할 것이라는 가정에 기반한다.

이 가정은 조기 구축 결정을 뒷받침한다. 특히 개발업체가 신규 전력 연결, 냉각 시스템, 전문 네트워킹을 필요로 할 때 데이터센터는 긴 리드타임을 요구한다. 수요가 확실해질 때까지 기다리는 사업자는 고객을 제공할 능력이 없다는 사실을 발견할 수 있다.

그러나 수요보다 앞서 구축하면 예측 위험이 클라우드 사업자에게 전가된다. 너무 늦게 도착한 용량은 사업 기회를 잃는다. 너무 일찍 도착한 용량은 충분한 매출을 올리기 전에 감가상각, 전력, 유지보수, 금융 비용을 발생시킨다.

Alibaba는 이미 클라우드 및 AI 인프라에 3년간 최소 3,800억 위안을 투자하기로 약속했다. 회사는 새로운 2032년 용량 목표를 더 광범위한 기술 로드맵에 연결하기 전인 2025년에 이 프로그램을 공개했다.

20기가와트 약속은 전략적 시야를 최초 투자 기간 이후로 확장한다. 이는 공급업체, 기업 구매자, 개발자에게 Alibaba가 장기 인프라 제공자로 남을 의도가 있음을 알린다. 동시에 투자자들에게 AI 지출이 계속 핵심이 될 것임을 알린다.

시점은 또 다른 이유에서도 중요하다. 미국의 제한 조치는 중국의 일부 첨단 프로세서와 칩 제조 장비 접근을 제한해 왔다. 이 환경에서 자체 가속기는 단순한 비용 절감 실험 이상의 의미를 가진다.

Alibaba는 클라우드 소프트웨어와 통합할 수 있는 대체 공급 경로가 필요하다. 현지 설계 칩은 제한된 제품에 대한 의존도를 낮출 수 있지만, 제조 능력과 첨단 메모리는 여전히 중요한 제약이다.

중국에서 설계된 프로세서가 유용해지기 위해 선도적인 미국 칩의 모든 기능을 복제할 필요는 없다. Alibaba는 자체 하드웨어를 중심으로 모델, 컴파일러, 서버, 클라우드 서비스를 최적화할 수 있다. 이러한 접근은 회사가 긴밀히 제어하는 워크로드의 활용도를 높일 수 있다.

Counterpoint Research의 부사장 Neil Shah는 Associated Press에 추가 컴퓨팅 용량이 중국이 국내 시장에서 칩 제약을 상쇄하는 데 도움이 된다고 말했다. 수석 애널리스트 Parv Sharma는 기술 격차가 좁혀질지는 파운드리의 진전에도 달려 있다고 덧붙였다.

따라서 Alibaba의 AI 인프라 확대는 상업적 수요와 공급망 압력 모두에 대응한다. Alibaba는 고객이 AI 서비스를 사용하고 있기 때문에 더 많은 용량을 원한다. 외부 하드웨어 접근이 불확실한 상황에서 더 큰 통제권도 원한다.

풀스택 전략은 위험을 다시 Alibaba에 집중시킨다

AI 스택의 더 많은 부분을 소유하면 통제력과 마진을 개선할 수 있지만, 기술적·재무적·가동률 위험을 한 기업 안에 집중시킨다.

Alibaba의 전략은 머신 인텔리전스를 위한 수직 통합형 유틸리티와 닮아 있다. 프로세서를 설계하고, 클러스터를 구축하고, 데이터센터를 운영하고, 모델을 학습하며, Alibaba Cloud를 통해 서비스를 판매하려는 것이다.

이러한 구성은 조정 비용을 낮출 수 있다. 엔지니어는 회사의 가속기에 맞춰 Qwen 모델을 조정할 수 있고, 클라우드 소프트웨어는 이미 알려진 하드웨어 동작을 중심으로 워크로드를 스케줄링할 수 있다. Alibaba는 부족한 용량을 가장 우선순위가 높은 제품에 배정할 수도 있다.

Zhenwu V900은 이 계획의 중심에 가깝다. 이 칩은 매우 큰 클러스터 전반에서 효율적으로 작동하면서 학습과 추론을 모두 지원해야 한다. Alibaba는 개발자가 애플리케이션을 다시 작성하지 않고도 이 하드웨어를 사용할 수 있게 하는 소프트웨어 도구도 필요하다.

회사의 기존 M890 슈퍼노드는 이를 미리 보여준다. 슈퍼노드는 긴밀하게 연결된 가속기를 결합해 소프트웨어가 이를 하나의 더 큰 컴퓨팅 자원처럼 다룰 수 있게 한다. Alibaba는 M890이 이미 2조 개 이상의 파라미터를 포함한 모델의 추론을 지원한다고 말한다.

Alibaba는 Apsara 발표가 이뤄진 분기에 이러한 슈퍼노드를 상용 클라우드 서비스에 도입하기 시작했다. 외부 고객이 자체 시스템이 실제 워크로드에서 작동하는지 시험할 수 있기 때문에 이 단계는 중요하다.

상용 접근은 피드백 루프도 만든다. 고객은 내부 벤치마크 테스트가 놓칠 수 있는 병목 현상을 드러낸다. 고객의 사용은 Alibaba가 V900을 더 광범위하게 배치하기 전에 스케줄링, 소프트웨어 호환성, 안정성, 가격을 개선하는 데 도움이 될 수 있다.

그러나 수직 통합은 일부 대안을 없앤다. 널리 이용 가능한 하드웨어를 쓰는 클라우드 제공업체는 공급업체 간 주문을 옮기거나 검증된 소프트웨어 플랫폼을 채택할 수 있다. Alibaba의 맞춤형 경로는 여러 계층에 걸친 지속적인 투자를 동시에 요구한다.

프로세서는 충분한 생산량에 도달해야 한다. 메모리와 인터커넥트는 안정적으로 작동해야 한다. 개발자에게는 사용할 수 있는 도구가 필요하다. 데이터센터에는 충분한 전력이 필요하며, Qwen 서비스에는 장비를 계속 가동할 수 있을 만큼 충분한 고객 수요가 필요하다.

한 계층의 문제는 다른 영역의 수익성을 약화시킬 수 있다. 칩 생산 지연은 신규 시설의 장비 부족으로 이어질 수 있다. 제한된 소프트웨어 호환성은 고객 채택을 줄일 수 있다. 모델 개선이 더디면 이를 지원하기 위해 구축한 인프라 수요가 낮아질 수 있다.

50만 개 칩 클러스터 수치는 아키텍처와 실제 배치의 차이를 보여준다. Alibaba는 설계상 그 규모를 지원할 수 있다고 말한다. 그러나 그러한 클러스터가 현재 운영 중이라고 밝힌 적은 없으며, 언제 서비스에 투입될지도 발표하지 않았다.

마찬가지로 Alibaba의 컨퍼런스 발표에는 V900이 주장하는 3배 성능 향상이 어떤 공개 워크로드 기준인지 명시돼 있지 않다. 성능은 모델 아키텍처, 데이터 유형, 메모리 사용량, 배치 크기, 네트워크 구성에 따라 달라질 수 있다.

독립적인 비교가 중요해질 것이다. 구매자에게는 최고 처리량만으로 충분하지 않다. 수개월간의 프로덕션 운영에 걸친 예측 가능한 성능, 소프트웨어 안정성, 장애 복구, 보안 통제, 총운영비가 필요하다.

모든 벤치마크에서 이기지 못하더라도 풀스택 접근 방식은 성공할 수 있다. Alibaba Cloud는 신뢰할 수 있는 모델 서비스를 제공하고 고객의 운영 복잡성을 관리함으로써 자체 하드웨어의 매력을 높일 수 있다.

이러한 상업적 계층은 Alibaba를 부품만 판매하는 칩 벤더와 구분한다. 기업들은 보통 모델 학습, 문서 처리, 코딩 지원, 고객 지원, 자동화된 워크플로와 같은 결과를 구매한다. 사용되지 않는 이론적 용량으로는 이익을 얻지 못한다.

따라서 결정적인 척도는 유료 토큰 소비가 될 것이다. 토큰은 모델이 입력을 읽거나 출력을 생성할 때 처리하는 단위다. 토큰 물량 증가는 인프라를 반복 매출로 전환할 수 있지만, 서비스 가격 하락은 이러한 성장을 상쇄할 수 있다.

Alibaba는 단가 하락과 운영비 상승보다 사용량이 더 빠르게 증가하도록 만들어야 한다. 이 방정식이 수직 통합이 장점이 될지, 비용이 큰 의무가 될지를 결정할 것이다.

주가 하락은 AI 거부가 아니라 수익성에 대한 의문을 반영한다

시장의 절제된 반응은 인프라 확장 야심만으로는 더 이상 즉각적인 밸류에이션 보상을 보장하지 않는다는 점을 보여준다.

Alibaba의 미국 상장 주식은 금요일 오전 늦게 약 $109.97에 거래됐으며, 원문 시장 보고서에 따르면 약 0.6% 하락했다. 이 정도의 움직임은 이벤트 특유의 우려와 함께 통상적인 거래 흐름을 반영할 만큼 작은 수준이었다.

Alibaba의 20GW AI 계획이 하락 전체를 직접 유발했다고 주장하는 것은 잘못일 것이다. 주가는 시장 상황, 규제 변화, 환율 전망, 투자자 포지셔닝, 기업별 뉴스에 반응한다.

그럼에도 이 반응은 유용한 메시지를 담고 있다. 투자자들은 이미 많은 대규모 AI 투자 계획을 들어왔다. 이제는 클라우드 매출, 마진, 현금 창출이 뒤따를 것이라는 증거를 점점 더 원하고 있다.

Alibaba의 최근 실적은 이 논쟁의 양면을 보여준다. AI 클라우드 및 컴퓨팅 매출은 빠르게 늘었지만, 분기 자본지출도 75% 증가해 677억 위안에 달했다.

4월부터 6월까지의 분기 이익은 1년 전 431억 위안에서 105억 위안으로 75% 감소했다. Alibaba는 프로세서 구매, 예상되는 에이전트 도입, 부품 가격 상승이 지출 증가의 일부 원인이라고 설명했다.

이 수치가 투자가 실패하고 있음을 입증하는 것은 아니다. 대형 인프라 프로젝트는 관련 자산이 완전히 가동되기 전에 일반적으로 비용을 먼저 기록한다. 다만 이것이 주주들이 수익에 관한 구체적인 증거를 원하는 이유를 보여준다.

분기 실적은 Alibaba의 핵심 상충관계를 명확히 보여줬다. AI 서비스는 성장하고 있지만, 그 성장을 뒷받침하는 데 필요한 용량은 현재 이익에도 압박을 가하고 있다.

경영진은 공급 확대가 더 빠른 AI 및 클라우드 매출 성장과 수익성 개선을 지원할 것이라고 말한다. 이는 미래지향적인 회사의 입장이지, 보장된 결과는 아니다.

이 주장이 성립할지는 세 가지 변수가 결정한다. 첫째는 가동률로, 고객이 이용 가능한 서버를 얼마나 꾸준히 사용하는지를 뜻한다. 높은 가동률은 고정비를 더 많은 청구 가능한 작업에 분산시킨다.

둘째는 매출의 질이다. Alibaba에는 자사 커머스 및 소비자 애플리케이션의 내부 사용만이 아니라 외부 고객과 지속적인 계약이 필요하다. 내부 사용은 제품을 개선할 수 있지만, 항상 그에 상응하는 현금 수익을 내는 것은 아니다.

셋째는 가격이다. 모델과 하드웨어의 효율성이 높아지면서 AI 추론 가격은 업계 전반에서 하락해 왔다. 낮은 가격은 도입을 촉진하지만, 매출 성장을 마진으로 전환하기는 더 어렵게 만들 수 있다.

Alibaba는 모델 효율성이 특정 작업에 필요한 용량을 줄일 가능성에도 직면해 있다. 더 작은 모델, 희소 아키텍처, 캐싱, 개선된 추론 소프트웨어는 컴퓨팅 요구량을 낮출 수 있다.

효율성이 반드시 총수요를 줄이는 것은 아니다. 더 저렴한 컴퓨팅은 개발자들이 더 많은 애플리케이션을 만들도록 장려해 전체 사용량을 늘릴 수 있다. 그러나 Alibaba는 모든 효율성 향상이 동일한 수준의 수요 증가로 이어질 것이라고 가정할 수 없다.

회사가 제안한 5조~10조 파라미터 모델은 또 다른 불확실성을 더한다. 파라미터 규모는 정확도, 추론 능력, 상업적 유용성의 비례적인 향상을 보장하지 않은 채 학습 비용을 늘릴 수 있다.

개발자들은 점점 더 작업 성능, 지연 시간, 비용, 신뢰성을 기준으로 모델을 평가한다. 비즈니스 워크플로를 빠르게 완료하는 더 작은 모델은 운영비가 더 높은 훨씬 큰 모델보다 더 많은 가치를 창출할 수 있다.

따라서 Alibaba는 더 큰 Qwen 모델이 그 뒤에 필요한 인프라를 정당화하는 이유를 보여줘야 한다. 강력한 벤치마크 결과도 도움이 되겠지만, 지속적인 기업 도입이 더 나은 증거가 될 것이다.

주가 하락은 투자자들이 Alibaba의 AI 인프라에 반대한다는 뜻이 아니다. 이는 입증 책임이 용량 발표에서 수익화로 옮겨갔음을 보여준다.

Alibaba의 20GW 목표, 훨씬 더 큰 글로벌 구축 경쟁에 진입

Alibaba는 이례적으로 큰 투자를 약속하고 있지만, 이미 수십 기가와트 단위로 측정되는 글로벌 용량 경쟁에 뛰어들고 있다.

20기가와트 목표는 단독으로 보면 막대해 보인다. 다른 발표된 인프라 계획과 비교할 때 더 많은 정보를 제공한다.

Associated Press는 SpaceX가 2026년 중반까지 약 1.4기가와트의 AI 용량을 확보했으며 2027년 중 10기가와트를 넘는 것을 목표로 한다고 보도했다. 별도로 Stargate는 2029년을 목표로 10기가와트 목표를 제시했다.

Meta는 자체 워크로드를 위한 5기가와트 데이터센터 캠퍼스를 발표했다. Amazon은 2025년 말, 이전 12개월 동안 3.8기가와트의 용량을 추가했다고 밝혔다.

Cushman & Wakefield는 미국에서 37.7기가와트의 데이터센터 용량이 건설 중이라고 집계했다. 이 수치들은 서로 다른 정의와 일정에 기반하므로 정확한 성능 비교로 간주해서는 안 된다.

다만 경쟁의 규모는 보여준다. Alibaba는 빈 시장에 구축하는 것이 아니다. Amazon, Microsoft, Google, Meta, OpenAI 파트너 및 다른 운영업체들이 동시에 대규모 인프라 프로그램을 추진하고 있다.

Alibaba의 차별적인 위치는 지리적·기술적 특성에 있다. 가장 강력한 클라우드 시장은 중국으로, 현지 규제와 인프라 조건 아래 중국 기업들에 서비스를 제공할 수 있다.

회사는 동남아시아를 포함해 국제적으로도 운영하고 있다. 그러나 글로벌 네트워크를 확장하려면 지역 전력 접근성, 인허가, 건설 파트너, 데이터 거버넌스 준수, 충분한 현지 수요가 필요하다.

Alibaba는 추가 용량이 어디에 구축될지 공개하지 않았다. 이 누락된 세부 정보는 지연 시간, 규제 노출, 에너지 조달, 지역 고객 도달 범위에 대한 평가를 제한한다.

입지는 경제성에 영향을 미친다. 풍부한 전력과 주요 네트워크 경로 근처의 1기가와트는 제약이 많은 시장의 동일한 명목 용량과 다른 비용을 낼 수 있다.

소유 시설과 임차 시설의 구성도 중요하다. 인프라를 소유하면 통제력이 커지지만 더 많은 선행 자본이 필요하다. 임차는 확장을 가속할 수 있지만 Alibaba를 계약 비용과 제3자 가용성에 노출시킨다.

Alibaba의 칩 전략도 이 회사의 구축 계획을 차별화한다. 미국 하이퍼스케일러들은 자체 가속기를 개발하면서도 선도적인 Nvidia 제품을 구매할 수 있다. Alibaba는 더 엄격한 접근 제한 아래 운영되며 국내 기술에 더 큰 비중을 둘 수밖에 없다.

Huawei도 자체 프로세서와 시스템 설계로 유사한 목표를 추진하고 있다. Baidu와 Tencent 같은 중국 클라우드 제공업체들도 모델, 인프라, 애플리케이션 플랫폼에 투자하고 있다.

이들 기업은 두 가지 측면에서 Alibaba에 압박을 가한다. 기업 클라우드 워크로드를 두고 경쟁하며, 대체 가능한 국내 AI 플랫폼도 제공한다. 고객들은 모델 품질, 서비스 가용성, 소프트웨어 도구, 계약 조건을 비교할 수 있다.

Nvidia는 소프트웨어 환경이 AI 개발의 공통 기반이 되었기 때문에 여전히 중요한 기준점이다. Alibaba는 전환 비용을 관리 가능한 수준으로 유지할 만큼의 호환성이나 운영 단순성을 제공해야 한다.

오픈소스 Qwen 모델이 도움이 될 수 있다. 개발자들은 다양한 환경에서 다수의 Qwen 릴리스를 검토하고, 조정하고, 배포할 수 있다. 이러한 도달 범위는 실험이 다른 곳에서 시작되더라도 Alibaba Cloud 서비스에 대한 수요를 만들 수 있다.

오픈 배포가 자동으로 클라우드 매출을 확보하는 것은 아니다. 개발자들은 경쟁 인프라에서 오픈 모델을 실행할 수 있다. Alibaba는 성능, 가용성, 통합, 지원을 통해 자체 플랫폼의 매력을 높여야 한다.

따라서 글로벌 AI 용량 경쟁은 누가 가장 많은 메가와트를 구축하느냐만의 문제가 아니다. 경제적 수익을 훼손하지 않으면서 누가 물리적 용량을 널리 사용되는 서비스로 전환하느냐의 문제다.

Alibaba의 20기가와트 목표는 이 회사가 진지한 참여자로 남을 충분한 규모를 제공한다. 특히 경쟁사들이 비슷하거나 더 빠른 속도로 투자하는 상황에서는 리더십을 보장하지 않는다.

세 가지 신호가 Alibaba의 AI 인프라 투자 판단을 시험할 것이다

다음 단계에는 또 다른 확장 목표가 아니라 배치된 칩, 유료 고객, 재무적 수익의 증거가 필요하다.

첫 번째 신호는 V900의 상업적 배치다. Alibaba는 새 가속기를 사용하는 시스템이 언제 프로덕션에 투입되는지, 고객이 얼마나 폭넓게 접근할 수 있는지, 어떤 워크로드를 지원하는지 공개해야 한다.

독립적인 테스트는 이 주장을 강화할 것이다. 결과는 학습 속도, 추론 처리량, 에너지 효율, 신뢰성, 소프트웨어 호환성을 다뤄야 한다. 최고 성능 주장만으로는 칩이 지속적인 클라우드 운영에서 어떻게 작동하는지 보여줄 수 없다.

대규모 클러스터의 증거도 중요하다. Alibaba가 즉시 50만 개의 프로세서를 가동할 필요는 없다. 다만 네트워크 효율과 시스템 안정성을 유지하면서 아키텍처가 확장된다는 점은 입증해야 한다.

V900 서비스가 일정에 맞춰 고객에게 제공되고 안정적으로 운영된다면, Alibaba의 공급망 전략은 신뢰를 얻게 된다. 지연이나 제한적인 가용성은 자체 실리콘이 2032년 계획을 뒷받침할 수 있다는 주장을 약화시킬 것이다.

두 번째 신호는 유료 AI 클라우드 수요다. 투자자들은 외부 클라우드 매출 성장, AI 제품 기여도, 고객 유지율, 학습 및 추론 전반의 사용량을 지켜봐야 한다.

Alibaba는 최근 강한 성장세를 보고했지만, 매출 기반이 확대될수록 퍼센트 기준의 증가율을 유지하기는 더 어려워진다. 향후 공시는 도입이 초기 실험을 넘어 확장되는지 보여줘야 한다.

기업 워크로드는 특히 유용한 시험대다. 프로덕션 애플리케이션에는 서비스 수준 약정, 보안, 예측 가능한 비용, 일관된 성능이 요구된다. 그러한 시스템을 운영하는 고객은 AI 사용을 일시적인 시험으로 취급할 가능성이 낮다.

개발자들은 Qwen 도입과 Alibaba Cloud 소비 간의 관계도 지켜봐야 한다. 상당한 비중이 Alibaba의 호스팅 서비스, 도구, 인프라를 선택할 때에만 더 큰 오픈 모델 이용자층이 도움이 된다.

용량이 확대되는 가운데 유료 토큰 사용량도 증가한다면 Alibaba의 20GW AI 계획은 수요 주도형 건설에 더 가까워 보일 것이다. 사용량이 뒤처진다면, 회사는 고객이 필요로 하기 전에 값비싼 자산을 떠안을 위험이 있다.

세 번째 신호는 지출이 수익으로 전환되는 재무적 성과다. Alibaba는 결국 자본적 지출과 함께 클라우드 영업이익과 현금 창출이 개선되고 있음을 보여줘야 한다.

단기적인 수익성 압박만으로 이 전략이 무효화되지는 않는다. 데이터센터와 맞춤형 프로세서에는 선행 투자가 필요하다. 활용도 개선이나 지속 가능한 마진 향상 없이 지출만 계속 늘어난다면 우려는 커진다.

투자자들은 여러 분기에 걸쳐 자본적 지출과 추가 클라우드 매출을 비교해야 한다. 또한 감가상각, 부품 비용, 전력 비용, 인프라 가용성에 대한 경영진의 가이던스도 주시해야 한다.

가장 바람직한 결과는 지속적인 클라우드 성장과 수익성 개선의 결합일 것이다. 이러한 패턴은 Alibaba가 고정비를 흡수할 만큼 신규 용량을 충분히 빠르게 채우고 있음을 시사한다.

더 약한 결과는 사용량은 강하지만 마진 압박이 계속되는 모습일 것이다. 이는 경쟁적인 가격 정책이나 운영 비용이 상당한 혜택을 가져가고 있음을 의미할 수 있다.

가장 우려스러운 결과는 클라우드 성장 둔화와 지속적인 지출이 결합되는 경우다. 이는 Alibaba가 예상보다 늦게 도래한 수요 곡선을 위해 인프라를 구축했음을 시사할 수 있다.

모델 출시는 뒷받침하는 증거이지만, 최종 평가 기준은 아니다. Qwen 4와 향후 5조~10조 파라미터 범위의 모든 모델은 고객이 구매할 만큼 가치를 느끼는 역량을 제공해야 한다.

핵심 질문은 Alibaba가 더 큰 모델을 학습시킬 수 있는지 여부가 아니다. 그 모델이 반복 사용을 뒷받침할 비용과 신뢰성 수준에서 유용한 작업을 완료할 수 있는지가 중요하다.

개발자와 기업 구매자에게 이번 구축은 중국 AI 인프라에 대한 접근성을 확대하고 단일 하드웨어 공급업체에 대한 의존도를 낮출 수 있다. 또한 호스팅형 Qwen 서비스와 배포 구성에 관한 선택지를 늘릴 수도 있다.

구매자들은 지금 당장 전체 20기가와트 수치를 기준으로 계획을 세우지 말아야 한다. 현재 이용 가능한 리전, 서비스 보장, 데이터 통제, 모델 성능, 공급업체 간 이전 가능성을 평가해야 한다.

투자자들에게 금요일 하락은 비중에 맞게 해석되어야 한다. 0.6%의 움직임만으로는 그 자체로 충분한 근거가 되지 않는다. 더 중요한 문제는 Alibaba가 6년간의 인프라 약속을 방어 가능한 클라우드 경제성으로 전환할 수 있느냐다.

Alibaba의 20GW AI 계획은 경영진을 평가하는 기준을 높였다. 회사는 확보하려는 칩, 모델, 물리적 용량을 제시했다.

이제 그 증명은 실제 배포된 시스템, 지속적인 고객 사용, 개선되는 수익을 통해 나와야 한다. 20기가와트를 승리나 부담으로 간주하기 전에 향후 여러 분기 동안 이 세 가지 신호를 지켜봐야 한다.