Rywalizacja Alibaba i Google Cloud zaostrza się, gdy pięć supercentrów danych przechodzi na AI

Alibaba Cloud ma podobno przekierować pięć supercentrów danych na potrzeby mocy obliczeniowej AI — sześć lat po przedstawieniu regionalnego planu infrastrukturalnego. Ta zmiana sprawia, że porównanie Alibaba Google cloud staje się mniej teoretyczne i bardziej zależne od fizycznej przepustowości, wyspecjalizowanych chipów, sieci oraz energii elektrycznej.

Pierwotne obiekty zbudowano, by świadczyć szeroki zakres usług chmurowych na ogromną skalę. AI zmienia to zadanie. Trenowanie i obsługa dużych modeli wymagają gęściej rozmieszczonych akceleratorów, szybszych połączeń, większej dostępności energii i innych systemów chłodzenia.

Ta transformacja stawia Alibaba naprzeciw pionowo zintegrowanej infrastruktury AI Google Cloud, obejmującej projektowane przez Google jednostki tensorowe, czyli TPU. Alibaba musi dążyć do podobnej kontroli, działając jednocześnie przy bardziej ograniczonym dostępie do zaawansowanych zagranicznych chipów.

Donoszony zwrot pięciu centrów nie został udokumentowany w postaci szczegółowego publicznego zestawienia technicznego. Przepustowość, liczba akceleratorów, modernizacje energetyczne i terminy ukończenia pozostają niejasne. Te luki mają znaczenie, ponieważ przekształcenie dużego kampusu chmurowego w wydajną fabrykę AI wymaga czegoś więcej niż instalacji nowych serwerów.

Mimo to kierunek ten wpisuje się w ujawnioną strategię Alibaba. Firma zobowiązała się przeznaczyć co najmniej 380 mld RMB na AI i infrastrukturę chmurową w ciągu trzech lat. Później stwierdziła, że popyt może zwiększyć wydatki ponad tę deklarację.

Nie jest to zatem rutynowe odświeżenie centrum danych. To test, czy Alibaba potrafi przekształcić istniejącą infrastrukturę chmurową w konkurencyjny system produkcyjny AI.

Pięć supercentrów danych otrzymuje nowe zadanie

Alibaba zmienia oczekiwany rezultat pracy swoich największych obiektów — z ogólnej mocy chmurowej na skoncentrowaną moc obliczeniową AI.

Alibaba Cloud ogłosiło w 2020 roku pięć projektów supercentrów danych, lokalizując je m.in. w Hangzhou, Nantong, Ulanqab, Heyuan i Zhangbei. Projekty wspierały szerszą rozbudowę pojemności pamięci masowej, mocy obliczeniowej i sieci.

Kampusy te powstały w innej fazie popytu na chmurę. Przedsiębiorstwa przenosiły bazy danych, strony internetowe, analitykę i aplikacje biznesowe do współdzielonej infrastruktury. Skala oznaczała przede wszystkim udostępnianie większej liczby maszyn wirtualnych i przestrzeni dyskowej w niezawodnych sieciach regionalnych.

Generatywna AI stwarza inny problem operacyjny. Tysiące akceleratorów musi komunikować się z niskimi opóźnieniami podczas przetwarzania tego samego modelu. Wolne połączenie sieciowe lub awaria komponentu mogą ograniczyć użyteczną wydajność całego klastra.

Inferencja AI, czyli proces generowania odpowiedzi przez wytrenowany model, również zmienia wzorce popytu. Ruch użytkowników może pojawiać się nieprzewidywalnie, a dłuższe zadania wymagające rozumowania zużywają znacznie więcej mocy obliczeniowej niż standardowe żądanie internetowe.

Obiekt zaprojektowany z myślą o zrównoważonych obciążeniach chmurowych nie staje się automatycznie wydajnym centrum danych AI. Operatorzy muszą ponownie przemyśleć gęstość szaf rackowych, dostarczanie energii, chłodzenie, topologię sieci i harmonogramowanie obciążeń.

Strategia supercentrów danych daje Alibaba podstawę do takiej transformacji. Grunty, przyłącza energetyczne, sieci regionalne i zespoły operacyjne już istnieją. Budowa każdego elementu w nowej lokalizacji trwałaby dłużej i wiązałaby się z dodatkowymi ryzykami dotyczącymi pozwoleń oraz realizacji inwestycji.

Jednak zgłaszany zwrot pozostaje bardziej kierunkowy niż mierzalny. Publiczne informacje nie określają, jaką część mocy każdy ośrodek przeznaczy na obciążenia AI. Nie wskazują też wspólnej daty ukończenia.

To rozróżnienie nie pozwala na przedwczesny wniosek. Pięć dużych kampusów może oznaczać znaczące zasoby nieruchomości, nie dostarczając jednocześnie pięciu równie wydajnych klastrów AI.

Strategię Alibaba należy raczej odczytywać jako etapową transformację. Istniejące kampusy zapewniają fizyczną bazę, natomiast nowe akceleratory i projekty klastrów określają ich rzeczywistą wydajność AI.

Ogłoszone przez firmę w lutym 2025 roku zobowiązanie infrastrukturalne zapewnia kontekst finansowy. Alibaba stwierdziło, że planowana inwestycja przekroczy łączne wydatki firmy na AI i chmurę z poprzedniej dekady.

To porównanie pokazuje skalę zmiany. Alibaba nie traktuje AI jako kolejnej zarządzanej usługi chmurowej. Firma reorganizuje wydatki kapitałowe wokół warstwy obliczeniowej stanowiącej podstawę jej modeli i aplikacji.

Pięć lokalizacji oferuje także korzyści geograficzne. Rozproszone kampusy mogą obsługiwać regionalny popyt i ograniczać zależność od jednego rynku energii. Mogą również rozdzielać obciążenia związane z trenowaniem, inferencją, pamięcią masową i odtwarzaniem po awarii.

Rozproszona infrastruktura rodzi jednak koszty koordynacji. Trenowanie modeli działa najlepiej, gdy akceleratory zachowują się jak jedna maszyna. Podział ich między odległe lokalizacje może wprowadzać opóźnienia sieciowe, które obniżają wydajność części obciążeń.

Alibaba będzie zatem musiało równoważyć dystrybucję regionalną z ciasno połączonymi lokalnymi klastrami. Sama liczba obiektów niewiele mówi o tej równowadze.

Najwyraźniejsza zmiana dotyczy misji. Kampusy te były w 2020 roku symbolami ogólnej ekspansji chmurowej. Teraz są oceniane pod kątem zdolności do dostarczania deficytowej mocy obliczeniowej AI.

Dlaczego konkurencja Alibaba Google przebiega teraz przez infrastrukturę

Rywalizacja Alibaba Google staje się konkursem kompletnych systemów AI, a nie prostym porównaniem katalogów usług chmurowych.

Google weszło w cykl infrastruktury AI z wieloletnim doświadczeniem w projektowaniu TPU i wdrażaniu ich w swoich centrach danych. TPU to układ scalony specyficzny dla danego zastosowania, zoptymalizowany pod kątem obliczeń uczenia maszynowego.

To pionowe podejście łączy chipy, sieci, projekt centrów danych, modele i oprogramowanie. Google może wspólnie dostrajać te warstwy, choć nadal kupuje duże ilości zewnętrznego sprzętu do wybranych obciążeń.

Alibaba rozwija własną strukturę full-stack. Firma tworzy modele Qwen, prowadzi publiczną chmurę, buduje usługi modelowe i inwestuje we własne możliwości projektowania chipów. Zwrot pięciu centrów połączyłby te warstwy z większą bazą fizyczną.

Strategiczne podobieństwo czyni Google użytecznym punktem odniesienia, lecz firmy nie konkurują na równym terenie. Google ma szerszy globalny zasięg chmurowy i łatwiejszy dostęp do łańcuchów dostaw zaawansowanych chipów.

Alibaba ma silniejszą pozycję w Chinach i ugruntowane relacje z krajowymi firmami. Prowadzi również platformy handlowe i konsumenckie, które mogą generować wewnętrzny popyt na modele, rekomendacje, wyszukiwanie i agentów.

Powstają w ten sposób dwie różne pętle infrastrukturalne.

Pętla Google zaczyna się od globalnie rozproszonych klientów chmurowych, usług Gemini, aplikacji wewnętrznych i własnego krzemu. Wykorzystanie wspiera kolejne inwestycje w centra danych, co zwiększa pojemność dostępną dla następnej generacji modeli.

Pętla Alibaba łączy Qwen, popyt chińskich przedsiębiorstw, krajowe aplikacje i infrastrukturę chmurową. Usługi handlowe firmy dostarczają obciążeń, które mogą testować modele i zwiększać wykorzystanie zasobów wewnątrz organizacji.

Wykorzystanie jest kluczowe, ponieważ bezczynny akcelerator nadal generuje koszty. Zwycięzcą nie musi być firma z największą ogłoszoną mocą. Jest nim operator, który utrzymuje kosztowne systemy w produktywnym użyciu.

Alibaba poinformowało, że przychody z chmury nadal przyspieszały wraz z upowszechnianiem się produktów AI. Wyniki finansowe firmy opisują usługi AI jako coraz ważniejsze źródło popytu, a nie wyłącznie koszt badań.

W maju 2026 roku firma podała, że przychody Cloud Intelligence Group wzrosły o 40 procent rok do roku w kwartale zakończonym w marcu. Prognozowała również szybki wzrost zannualizowanych przychodów cyklicznych z usług modelowych i aplikacyjnych.

Liczby te pochodzą od Alibaba i należy je traktować jako wyniki raportowane przez firmę. Mimo to wskazują, że ekspansja infrastruktury ma związane z nią komercyjne obciążenie.

Niezależna relacja dotycząca wyników również opisała 38-procentowy wzrost w działalności Alibaba związanej z AI i chmurą w raportowanym okresie. W raporcie zwrócono uwagę na szersze wyzwanie branży: udowodnienie, że wysokie wydatki na AI mogą generować zwroty.

Google również mierzy się z tym wyzwaniem. Obie firmy muszą rezerwować zasoby dla własnych modeli, a jednocześnie zapewniać niezawodne zasoby klientom chmurowym.

Napięcie to staje się większe, gdy podaż mocy obliczeniowej jest ograniczona. Dostawca chmurowy może priorytetowo traktować aplikacje wewnętrzne, klientów zewnętrznych lub badania długoterminowe, lecz każda alokacja wiąże się z kosztem alternatywnym.

Własne TPU Google zapewniają pewien stopień kontroli nad podażą. TrendForce prognozował, że TPU będą stanowić niemal 78 procent serwerów AI dostarczonych do Google w 2026 roku, napędzanych popytem na Gemini i Google Cloud.

Ta prognoza wdrożeń ASIC pokazuje, dlaczego chipy mają znaczenie dla ram konkurencji. ASIC to chip zaprojektowany do wąskiego zestawu zadań, a nie do obliczeń ogólnego przeznaczenia.

Alibaba również potrzebuje alternatyw dla nieograniczonego polegania na zagranicznych akceleratorach. Kontrole eksportowe i wymogi licencyjne ograniczyły chiński dostęp do niektórych zaawansowanych amerykańskich chipów.

Krajowe akceleratory mogą ograniczyć tę ekspozycję, ale kompatybilność oprogramowania i zdolności produkcyjne pozostają przeszkodami. Chip jest użyteczny tylko wtedy, gdy deweloperzy mogą na nim niezawodnie trenować i obsługiwać modele.

Porównanie Alibaba Google sprowadza się więc do integracji systemowej. Alibaba musi połączyć kampusy, chipy, oprogramowanie i płatne obciążenia, jednocześnie poruszając się wśród ograniczeń, z którymi Google nie mierzy się w tej samej formie.

Moc obliczeniowa AI zmienia ekonomię chmury Alibaba

Zwrot zwiększa potencjalne przychody Alibaba, ale sprawia też, że wykorzystanie zasobów, efektywność energetyczna i dostępność sprzętu stają się ważniejsze dla rentowności.

Tradycyjne przetwarzanie chmurowe rozkłada wiele obciążeń między elastyczne pule procesorów, pamięci masowej i pamięci operacyjnej. Klastry AI koncentrują większą wartość w kosztownych akceleratorach i łączących je sieciach.

Ta koncentracja tworzy trudniejsze równanie finansowe. Operatorzy ponoszą wysokie nakłady, zanim popyt klientów stanie się pewny. Sprzęt może również tracić względną wartość, gdy nowszy akcelerator zapewnia lepszą wydajność na jednostkę energii.

Zobowiązanie Alibaba o wartości 380 mld RMB obejmuje AI i infrastrukturę chmurową w okresie trzech lat. Nie przedstawia publicznego budżetu dla każdego z pięciu raportowanych centrów.

Inwestorzy nie mogą zatem obliczyć, jaka część programu oznacza nową budowę, zakupy serwerów, sieci, badania czy konwersję obiektów. Nie mogą też oddzielić mocy zarezerwowanej dla Alibaba od mocy sprzedawanej za pośrednictwem jego chmury.

Firma sygnalizowała, że popyt pozostaje silny. Podczas konferencji Apsara 2025 Alibaba zapowiedziało zwiększenie inwestycji ponad pierwotny program, równolegle z rozbudową międzynarodowej infrastruktury.

Ta mapa drogowa AI obejmowała premiery modeli, usługi chmurowe i nową pojemność centrów danych. Przedstawiała program wydatków jako jedną warstwę szerszej strategii produktowej.

To połączenie ma znaczenie, ponieważ infrastruktura sama w sobie nie może generować zwrotów. Alibaba potrzebuje deweloperów i firm, które wdrożą modele Qwen, Model Studio, bazy danych, pamięć masową i usługi inferencyjne.

Klienci korporacyjni potrzebują także przewidywalnej wydajności. Punkt końcowy modelu, który spowalnia podczas skoków ruchu, może zakłócać obsługę klienta, programowanie, wyszukiwanie i zautomatyzowane przepływy pracy.

Alibaba może poprawić wykorzystanie infrastruktury, obsługując kilka rodzajów popytu. Zadania treningowe zużywają duże bloki mocy obliczeniowej, podczas gdy zapotrzebowanie na inferencję napływa nieprzerwanie z aplikacji produkcyjnych.

Platformy konsumenckie i handlowe firmy stanowią kolejne źródło popytu. Wyszukiwanie, reklama, asystenci zakupowi i systemy rekomendacyjne mogą wykorzystywać zasoby, zanim zewnętrzny popyt osiągnie pełną skalę.

Wewnętrzny popyt może uzasadniać inwestycje budowlane, ale może też zacierać obraz ekonomiki. Zasoby wykorzystywane przez inną spółkę z grupy Alibaba nie muszą generować takich samych marż jak zewnętrzna sprzedaż usług chmurowych.

Google mierzy się z porównywalnym problemem księgowym, ponieważ jego infrastruktura wspiera Search, YouTube, Gemini i zewnętrznych klientów chmurowych. Bezpośrednie porównania dostawców chmury mogą pomijać te wspólne koszty i korzyści wewnętrzne.

Najnowsze publiczne dokumenty Alibaba dostarczają mocniejszych dowodów na skalę ambicji firmy niż na ekonomię jednostkową. Spółka opisała stos obejmujący modele, infrastrukturę chmurową, aplikacje i własne układy scalone.

Jej ujawnienia fiskalne łączą również nową wysokowydajną infrastrukturę z inferencją Model-as-a-Service. Model-as-a-Service pozwala klientom korzystać z hostowanych modeli bez obsługi infrastruktury bazowej.

Usługa ta może przekształcić inwestycje w centra danych w powtarzalne przychody z użytkowania. Klienci mogą jednak zmienić modele lub ograniczyć wykorzystanie, gdy rozczarują ich ceny, opóźnienia albo jakość odpowiedzi.

Alibaba musi także zarządzać trudnym cyklem zakupowym. Serwery AI wymagają akceleratorów, pamięci o wysokiej przepustowości, przełączników sieciowych, urządzeń zasilających i komponentów chłodzenia.

Opóźnienie w dostawie jednego komponentu może sprawić, że pozostały sprzęt będzie niewykorzystany. Tworzy to lukę między raportowanym postępem budowy a użyteczną mocą obliczeniową.

Efektywność energetyczna stanowi kolejne ograniczenie. Akcelerator może zapewniać wyższą surową wydajność, a jednocześnie zużywać tyle energii elektrycznej, że zwiększa całkowity koszt każdej odpowiedzi modelu.

Północne lokalizacje Alibaba mogą oferować korzyści związane z dostępnością gruntów i energii. Obiekty bliżej głównych skupisk ludności mogą ograniczać opóźnienia w usługach skierowanych do klientów. Optymalna lokalizacja zależy od rodzaju obciążenia.

Trening można często przenieść tam, gdzie dostępna jest energia, ponieważ użytkownicy nie wchodzą z nim bezpośrednio w interakcję. Inferencja w czasie rzeczywistym korzysta z bliskości klientów i regionalnych węzłów sieciowych.

Plan pięciu centrów może pozwolić Alibaba podzielić te zadania. Firma nie opublikowała jednak wystarczających informacji, by pokazać, jak obciążenia będą rozdzielane między wskazane lokalizacje.

Ten brakujący szczegół ma większe znaczenie niż deklarowana pojemność. Spójna mapa obciążeń pokazałaby, że Alibaba projektuje sieć AI, a nie jedynie wypełnia dostępne budynki akceleratorami.

Czego nie pokazuje deklaracja dotycząca pięciu centrów

Narracja Alibaba dotycząca infrastruktury pozostaje wiarygodna co do kierunku, lecz publicznie dostępne dowody nie potwierdzają pojemności, efektywności ani ukończenia każdego z centrów.

Główny raport opisuje sześcioletnią ewolucję obejmującą pięć supercentrów danych. Zapewnia użyteczne tło historyczne, ale wiele szczegółów operacyjnych pozostaje poza publicznym wglądem.

Alibaba nie opublikowała ustandaryzowanego zestawienia liczby akceleratorów AI we wszystkich pięciu kampusach. Nie przedstawiła porównywalnych danych dotyczących mocy energetycznej, wykorzystania zasobów ani przepustowości treningowej.

Bez tych miar skalę obiektów trudno porównywać. Jeden nowoczesny klaster może przewyższać większą grupę starszych serwerów, zużywając mniej energii przy tym samym obciążeniu.

Kolejną niewiadomą jest skład chipów. Alibaba może łączyć importowane GPU, krajowe akceleratory i własny krzem, lecz każda platforma ma inne wymagania w zakresie oprogramowania i sieci.

Mieszana flota może poprawić odporność łańcucha dostaw. Może też fragmentować narzędzia deweloperskie i utrudniać planowanie zadań.

Frameworki AI są często najpierw optymalizowane pod środowisko programistyczne Nvidia. Przeniesienie obciążenia na inny akcelerator może wymagać zmian w kodzie, nowych kernelów, testów i strojenia wydajności.

Alibaba może ukryć część tej złożoności za pomocą zarządzanych usług chmurowych. Klientów nadal interesuje jednak, czy wynikowy system spełnia oczekiwania dotyczące opóźnień, niezawodności i kosztów.

Kontrole eksportowe zwiększają niepewność co do przyszłych dostaw sprzętu. Przepisy mogą zmieniać się szybciej niż plany budowy, zmuszając chińskich dostawców chmury do przeprojektowywania systemów wokół komponentów, które mogą pozyskiwać w sposób stabilny.

Rozwój krajowych chipów stanowi strategiczną odpowiedź, ale nie eliminuje ograniczeń produkcyjnych. Zaawansowane układy zależą od współdziałania produkcji, pakowania, pamięci, sieci i oprogramowania.

Dostępność energii może stać się równie istotnym wąskim gardłem. Szafy rack AI mogą wymagać znacznie więcej energii elektrycznej niż konwencjonalne szafy serwerowe, wywierając presję na stacje transformatorowe i systemy chłodzenia.

Kampus może więc wyglądać na ukończony, jednocześnie oczekując na modernizacje elektryczne. Może też działać poniżej fizycznej pojemności, gdy ograniczeniem staje się zasilanie lub chłodzenie.

Wzrost przychodów Alibaba stanowi dowód popytu, ale nie dostarcza wystarczających dowodów dotyczących zwrotów. Przychody z chmury mogą rosnąć, podczas gdy amortyzacja, energia i koszty zakupów obniżają rentowność.

Szersza działalność firmy komplikuje obraz. Inwestycje w handel, konsumencką AI i usługi dostawcze mogą wpływać na wyniki grupy nawet wtedy, gdy wyniki chmury się poprawiają.

Konkurencja w Chinach tworzy kolejne ryzyko. Tencent, Huawei, Baidu i wyspecjalizowani dostawcy budują lub kupują infrastrukturę AI. Klienci mają także powody, by unikać zależności od jednej rodziny modeli.

Poza Chinami Alibaba napotyka dodatkowe bariery. Przepisy dotyczące rezydencji danych, przeglądy bezpieczeństwa, polityki zakupowe i obawy geopolityczne mogą ograniczać wdrożenia nawet wtedy, gdy technologia firmy działa dobrze.

Google, Microsoft i Amazon utrzymują już rozbudowane kanały sprzedaży dla przedsiębiorstw w Ameryce Północnej i Europie. Ich relacje oprogramowaniowe ułatwiają łączenie infrastruktury AI z istniejącymi umowami.

Alibaba może rozwijać się w Azji Południowo-Wschodniej, na Bliskim Wschodzie i innych rynkach, na których ma doświadczenie regionalne. Nowe centra danych nie tworzą jednak automatycznie zaufania klientów ani adopcji wśród deweloperów.

Raportowane przez firmę przywództwo na rynkach chmurowych Azji i Pacyfiku również wymaga ostrożnej interpretacji. Definicje rynku różnią się, zwłaszcza gdy badania rozdzielają infrastrukturę, usługi platformowe, chmurę dedykowaną i chmurę publiczną.

Alibaba twierdzi, że obciążenia natywne dla AI stały się głównym źródłem nowego popytu. Jej regionalna deklaracja dotycząca chmury powołuje się na zewnętrzne badania, lecz czytelnicy powinni sprawdzić uwzględnione rynki i kategorie usług.

Najmocniejsze sceptyczne stanowisko nie zakłada zatem, że ten zwrot jest fikcyjny. Zakłada raczej, że zobowiązania kapitałowe i liczba obiektów nie mogą same w sobie potwierdzić istnienia efektywnej chmury AI.

Dowody powinny pojawić się w postaci wykorzystania zasobów, jakości przychodów, niezawodności usług i powtarzalnego popytu klientów. Obserwowanie tych rezultatów zajmuje więcej czasu niż ogłoszenie budowy.

To rozróżnienie utrzymuje analizę w realiach. Alibaba ujawniła wystarczająco dużo, aby wykazać poważną zmianę strategiczną. Nie ujawniła jednak wystarczająco dużo, by uznać transformację infrastruktury za zakończoną.

Prawdziwym przeciwnikiem Alibaba jest zintegrowana fabryka AI Google

Google wywiera presję na Alibaba, ponieważ pokazuje, jak własne chipy, modele, oprogramowanie i dystrybucja chmurowa mogą wzajemnie się wzmacniać.

Termin fabryka AI opisuje infrastrukturę, która wielokrotnie przekształca dane, energię elektryczną i chipy w wytrenowane modele oraz odpowiedzi produkcyjne. Kluczową cechą jest skoordynowany wynik, a nie sam budynek.

Google od lat łączy TPU ze swoimi centrami danych, siecią, frameworkami uczenia maszynowego i produktami wewnętrznymi. Gemini dodaje kolejne źródło popytu w usługach konsumenckich i dla przedsiębiorstw.

Alibaba buduje porównywalną pętlę wokół Qwen. Jej chmura oferuje dostęp do modeli, usługi deweloperskie, pamięć masową, bazy danych i moc obliczeniową, natomiast aplikacje Alibaba zapewniają możliwości wdrożeń wewnętrznych.

Rywalizacja Alibaba z Google nie wymaga od Alibaba skopiowania każdej usługi Google. Wymaga, by Alibaba dorównała korzyściom operacyjnym wynikającym z kontroli nad większą częścią stosu.

Jedną z korzyści jest planowanie zadań. Dostawca z pionowo zintegrowaną strukturą może przenosić obciążenia między generacjami chipów, regionami i poziomami usług, optymalizując jednocześnie własne oprogramowanie.

Kolejną jest strojenie modeli. Inżynierowie rozumiejący sprzęt bazowy mogą zmieniać architektury modeli lub metody inferencji, aby efektywniej wykorzystywać ten sprzęt.

Trzecią korzyścią jest planowanie dostaw. Wewnętrzne mapy drogowe produktów pomagają zespołom infrastrukturalnym szacować przyszły popyt, zanim zewnętrzni klienci złożą zamówienia.

Alibaba ma wiele z tych składników. Qwen zapewnia rodzinę modeli, Model Studio oferuje hostowany dostęp, a Alibaba Cloud dostarcza warstwę wdrożeniową.

Firma podała, że do 21 stycznia 2026 roku Qwen przekroczył miliard łącznych pobrań na Hugging Face. Pobrania nie są równoznaczne z wdrożeniem produkcyjnym, lecz mogą poszerzać społeczność deweloperów wokół rodziny modeli.

Otwarte modele stwarzają także strategiczny kompromis. Szersza dystrybucja może wspierać adopcję poza Alibaba Cloud, podczas gdy hostowane usługi dają firmie drogę do monetyzacji wygodnego wdrożenia.

Google obiera inną drogę w ramach produktów Gemini, otwartych modeli Gemma, TPU i usług Vertex AI. Obaj dostawcy wykorzystują dostępność modeli do generowania popytu na infrastrukturę.

Lokalna przewaga Alibaba jest szczególnie istotna dla chińskich klientów. Firma może oferować krajową infrastrukturę, modele w języku chińskim i połączenia z szeroko używanymi usługami handlowymi.

Globalna przewaga Google jest szersza. Jej sieć, relacje z przedsiębiorstwami, organizacja badawcza i platformy deweloperskie wspierają adopcję na większej liczbie rynków.

Obie firmy działają także w różnych warunkach regulacyjnych. Alibaba musi dostosowywać się do chińskich regulacji dotyczących modeli, jednocześnie zarządzając zagranicznymi ograniczeniami dostępu do zaawansowanych chipów.

Google mierzy się z kontrolą antymonopolową, dotyczącą prywatności, praw autorskich i energii w kilku jurysdykcjach. Skala jej infrastruktury nie usuwa tych ograniczeń.

To sprawia, że rywalizacja jest asymetryczna, a nie bezpośrednia. Google wyznacza punkt odniesienia dla zintegrowanej infrastruktury AI, podczas gdy Alibaba dostosowuje ten model do ograniczonego krajowego łańcucha dostaw.

Alibaba nie musi prześcignąć globalnego zasięgu chmurowego Google, aby wzmocnić swoją pozycję. Musi pokazać, że jej przekształcone kampusy mogą efektywnie obsługiwać Qwen i obciążenia przedsiębiorstw.

Taki dowód wywarłby najpierw presję na chińskich rywali. Tencent, Huawei i Baidu musiałyby dorównać połączeniu modeli, mocy, oprogramowania i zasięgu klientów oferowanemu przez Alibaba.

Dałby też międzynarodowym nabywcom kolejną opcję infrastruktury AI w wybranych regionach. Adopcja nadal zależałaby od zgodności regulacyjnej, wsparcia, niezawodności i przenośności obciążeń.

Pięć supercentrów danych ma znaczenie, ponieważ mogą stać się fizyczną podstawą tej zintegrowanej pętli. Ich wartość zależy od tego, jak ściśle Alibaba połączy je z chipami i oprogramowaniem.

Jeśli pozostaną luźno skoordynowanymi pulami serwerów ogólnego przeznaczenia, przewaga Google utrzyma się. Jeśli będą działać jako zoptymalizowane klastry AI, Alibaba uzyska bardziej wiarygodną pozycję infrastrukturalną.

Trzy sygnały pokażą, czy ten zwrot działa

Kolejną fazę należy oceniać przez pryzmat użytecznej pojemności, zewnętrznych przychodów z AI oraz dowodów, że Alibaba potrafi działać przy ograniczonych dostawach chipów.

Pierwszym sygnałem będzie szczegółowe ujawnienie informacji o infrastrukturze. Alibaba powinna wskazać nową pojemność AI, wdrożenia akceleratorów, dostępność energii lub ukończone kamienie milowe klastrów w pięciu raportowanych centrach.

Wiarygodne ujawnienie nie wymaga publikowania wrażliwych danych inżynieryjnych. Powinno jednak dostarczać wystarczająco spójnych miar, aby odróżnić zainstalowane serwery od użytecznej mocy obliczeniowej.

Przydatne miary obejmują łączną moc akceleratorów, wydajność sieci klastrowej, efektywność energetyczną lub wykorzystanie produkcyjne. Porównywalne dane rok do roku ułatwiłyby ocenę postępów.

Jeśli Alibaba opublikuje te wskaźniki, deklaracja dotycząca pięciu ośrodków zyska na wiarygodności. Dalsze poleganie na liczbie obiektów pozostawiłoby kluczową lukę w weryfikacji nierozwiązaną.

Drugim sygnałem są zewnętrzne przychody z AI. Wewnętrzne wykorzystanie Qwen może poprawiać wykorzystanie infrastruktury, ale popyt ze strony podmiotów trzecich wyraźniej dowodzi, że klienci cenią stos technologiczny Alibaba.

Alibaba oczekuje, że usługi modeli i aplikacji staną się większą, powtarzalną częścią biznesu. Inwestorzy powinni obserwować, czy wzrost ten utrzyma się równolegle z ogólnymi przychodami z chmury.

Powinni też analizować marże i kapitałochłonność. Szybki wzrost przychodów ma mniejsze znaczenie, jeśli każda nowa jednostka wymaga nieproporcjonalnych wydatków na deficytowy sprzęt.

Kolejnym użytecznym wskaźnikiem jest retencja klientów. Powtarzalne wykorzystanie przez przedsiębiorstwa sugeruje, że modele i infrastruktura spełniają wymogi produkcyjne po początkowych testach.

Trzecim sygnałem jest heterogeniczna strategia chipowa Alibaba. Heterogeniczna infrastruktura łączy w jednej chmurze różne rodziny akceleratorów, zamiast polegać na jednym dostawcy.

Alibaba potrzebuje oprogramowania, które potrafi planować obciążenia między tymi systemami, bez zmuszania klientów do zarządzania każdą różnicą sprzętową. Taka zdolność ograniczyłaby strategiczne skutki restrykcji dostaw.

Dowodami mogłyby być szersze wsparcie dla frameworków, referencje produkcyjne lub udokumentowana wydajność krajowych akceleratorów. Deklaracje firmy dotyczące benchmarków nadal powinny być niezależnie testowane.

Sukces wzmocniłby argument Alibaba, że integracja pionowa może działać bez takiego samego dostępu do chipów, jakim dysponuje Google. Utrzymujące się luki w kompatybilności osłabiłyby tę tezę.

Reakcje konkurentów również zasługują na uwagę, ale są drugorzędne wobec tych trzech sygnałów. Zmiany cen ze strony Tencent, Huawei, Baidu lub Google mogą wskazywać, gdzie podaż mocy staje się ograniczona.

Szerszy cykl wydatków podnosi stawkę. TrendForce prognozował, że łączne nakłady inwestycyjne ośmiu głównych dostawców chmury przekroczą 710 mld USD w 2026 roku.

Takie prognozy mogą się zmienić, ale kierunek jest jasny. Alibaba wchodzi w okres, w którym rywale również agresywnie inwestują w centra danych, akceleratory i niestandardowe chipy.

Duże budżety inwestycyjne nie gwarantują trwałej przewagi. Mogą stworzyć nadmiar mocy, jeśli popyt osłabnie lub efektywność modeli poprawi się szybciej, niż oczekiwano.

Lepsze modele mogą też zwiększać popyt, czyniąc więcej zastosowań ekonomicznie opłacalnymi. Zależność między efektywnością a całkowitym zużyciem mocy obliczeniowej pozostaje niepewna.

Dla deweloperów najważniejszym pytaniem na teraz jest przenośność. Zespoły powinny rozumieć, czy aplikacje można przenosić między Qwen, Gemini i innymi usługami modelowymi bez gruntownego przeprojektowania.

Nabywcy korporacyjni powinni analizować dostępność regionalną, przetwarzanie danych, niezawodność usług i zależności sprzętowe. Nagłówkowe liczby akceleratorów rzadko odpowiadają na te pytania operacyjne.

Pracownicy umysłowi odczują konsekwencje pośrednio. Większa pojemność inferencyjna może wspierać szybszych asystentów, dłuższe zadania wymagające rozumowania oraz funkcje AI osadzone w codziennym oprogramowaniu biznesowym.

Zespoły śledzące te zmiany potrzebują trwałego rejestru deklaracji dostawców, benchmarków, notatek wdrożeniowych i zmian polityki. Przeszukiwalna baza wiedzy dla zespołów inżynieryjnych może pomóc powiązać te decyzje z dowodami.

Wyścig infrastrukturalny Alibaba i Google wyszedł poza zapowiedzi modeli. Alibaba przekształca fizyczne zasoby zbudowane dla wcześniejszej ery chmury w fundament usług AI.

Otwarte pozostaje pytanie, czy tych pięć kampusów stanie się jednym skoordynowanym systemem produkcyjnym, czy pozostanie zbiorem imponujących obiektów. Warto obserwować ujawniane dane o mocy, zewnętrzne przychody z AI oraz wsparcie oprogramowania dla wielu chipów.

Te sygnały powiedzą więcej niż kolejna obietnica wydatków. Pokażą, czy Alibaba zbudował chmurę AI, z której klienci mogą korzystać na dużą skalę, mimo otaczających ją ograniczeń.