Roteiro de IA full-stack da Alibaba transforma chips, modelos e agentes em uma única aposta

A Alibaba revelou um roteiro de IA full-stack que abrange um novo processador, modelos Qwen maiores, infraestrutura de agentes e mais de 20 gigawatts de capacidade em nuvem.

O anúncio de 22 de setembro é relevante porque a Alibaba deixou de apresentar esses produtos como projetos técnicos separados. A empresa quer que chips, data centers, modelos, serviços de contexto e agentes funcionem como um único sistema coordenado.

Isso coloca a Alibaba em rota de colisão com a estratégia de plataforma da Nvidia, embora as empresas ocupem posições diferentes. A Nvidia vende infraestrutura de computação para diversas nuvens. A Alibaba pretende operar grande parte dessa infraestrutura, otimizar seus próprios modelos para ela e vender os serviços resultantes.

A empresa apresentou o processador de IA Zhenwu V900 e confirmou que o Qwen 4 está em treinamento. Também delineou os modelos Qwen 4.5 e Qwen 5, voltados para entre 5 trilhões e 10 trilhões de parâmetros.

A Alibaba também apresentou o AgentCore para gerenciar agentes empresariais, o Agent Context para fornecer memória e dados empresariais em tempo real, e o Qwen Intelligence para fabricantes de smartphones.

O anúncio estabelece uma promessa excepcionalmente ampla. A Alibaba afirma que controlar uma parcela maior da pilha tecnológica melhorará a capacidade, a eficiência e a implantação de agentes. Agora, precisa demonstrar que essas camadas funcionam melhor juntas do que as combinações atuais de chips, nuvens e modelos usadas pelos clientes.

O roteiro de IA full-stack da Alibaba conecta cinco camadas

A principal mudança da Alibaba é arquitetural: chips, infraestrutura, modelos, contexto e agentes agora compartilham um único roteiro público.

Na Apsara Conference de 2026, em Hangzhou, a Alibaba descreveu um sistema de IA que se estende do design de semicondutores a aplicações que atuam em softwares empresariais.

A base de hardware começa com o Zhenwu V900. A T-Head, unidade de semicondutores da Alibaba, projetou o processador para treinamento e inferência de modelos.

Inferência é o processo computacional que um modelo treinado utiliza para responder a solicitações. Ela frequentemente se torna a maior despesa operacional quando um produto de IA alcança muitos usuários.

A Alibaba afirma que o V900 oferece três vezes o desempenho do Zhenwu M890, apresentado em maio. A comparação é com o processador anterior da própria Alibaba, não com o hardware mais recente da Nvidia.

Segundo o roteiro de IA da empresa, o V900 inclui 216 GB de memória e 1.200 GB/s de largura de banda entre chips. Ele suporta FP8 e FP4, formatos de menor precisão usados para reduzir exigências de computação e memória.

A empresa também apresentou um supernó atualizado que combina o V900 com seu switch de rede ICN, a Panmai SmartNIC e o controlador de armazenamento Zhenyue.

Um supernó conecta muitos processadores por meio de redes de alta velocidade para que possam se comportar como um sistema computacional maior. A Alibaba afirma que clusters baseados em seu projeto podem chegar a 500.000 placas aceleradoras.

Essa escala é um limite de projeto, não uma evidência de que uma instalação com 500.000 placas já esteja em operação. A Alibaba não publicou a configuração de implantação, os requisitos de energia ou medições independentes de desempenho para um cluster desse porte.

A camada de modelos é igualmente ambiciosa. O Qwen 4 está atualmente em treinamento, enquanto as gerações posteriores do Qwen devem alcançar entre 5 trilhões e 10 trilhões de parâmetros.

Parâmetros são valores internos do modelo ajustados durante o treinamento. Uma contagem maior de parâmetros pode ampliar a capacidade, mas não estabelece de forma independente precisão, qualidade de raciocínio ou eficiência econômica.

O atual Qwen3.8-Max tem 2,4 trilhões de parâmetros, segundo cobertura independente. O Kimi K3 da Moonshot AI, lançado em julho, contém 2,8 trilhões de parâmetros e oferece outro ponto de referência chinês.

Acima dos modelos, a Alibaba dividiu sua nuvem voltada a agentes em três camadas funcionais. A AI Native Cloud lida com treinamento e inferência. A Agent Native Cloud oferece suporte à implantação, ao monitoramento e à segurança. A Context Engine conecta agentes a dados atuais e memória de longo prazo.

Um agente de IA é um software que usa um modelo, ferramentas e contexto para concluir uma sequência de ações. Sua confiabilidade depende de mais do que o modelo gerar bons textos.

Os agentes precisam se autenticar em sistemas empresariais, recuperar informações corretas, preservar o estado e se recuperar de ações que falharam. O roteiro da Alibaba trata esses requisitos operacionais como serviços de nuvem, em vez de recursos que cada cliente precisa montar.

Essa decisão cria a tensão central do artigo. A Alibaba promete que a propriedade das cinco camadas produzirá um sistema melhor. Os clientes ainda precisam de evidências de que a integração supera os benefícios de escolher cada componente de forma independente.

Por que a Alibaba quer controlar toda a cadeia de fornecimento de IA

A estratégia full-stack é a resposta da Alibaba ao acesso restrito a chips, à crescente demanda por inferência e à economia de operar modelos de grande porte.

Sistemas avançados de IA exigem mais do que processadores capazes. Eles precisam de memória, redes, armazenamento, energia, refrigeração, software de modelos e ferramentas que mantenham milhares de dispositivos funcionando em conjunto.

Um gargalo em qualquer camada pode limitar todo o sistema. Um acelerador rápido perde valor quando o congestionamento de rede o deixa esperando por dados. Um modelo capaz se torna caro quando seu software de atendimento desperdiça memória.

A resposta da Alibaba é a cootimização de ponta a ponta. O CEO Eddie Wu afirmou que a empresa está ajustando chips, servidores, redes, modelos e mecanismos de inferência como um único sistema.

Essa estratégia se assemelha a uma vantagem antiga dos provedores de nuvem em hiperescala. Grandes operadores podem projetar software em torno de hardware conhecido e distribuir os custos de otimização entre muitos clientes.

A Alibaba enfrenta um incentivo adicional. Os controles de exportação dos EUA restringiram o acesso da China a alguns processadores avançados de IA e tecnologias de fabricação.

Essas restrições não eliminam o hardware estrangeiro da China. Elas tornam o acesso futuro menos previsível e aumentam o valor estratégico de alternativas domésticas.

A Nvidia detinha cerca de 40% do mercado chinês de chips de IA em 2025, aproximadamente o mesmo que a Huawei, segundo uma estimativa da Bernstein citada em uma análise de chips de IA. Esse equilíbrio mostra a rapidez com que o mercado doméstico mudou.

O programa de chips da Alibaba, portanto, atende a dois objetivos. Ele pode reduzir a dependência de fornecimento restrito e fornecer à Alibaba Cloud hardware projetado para suas próprias cargas de trabalho.

O argumento comercial já é visível nos resultados da Alibaba. Durante o trimestre de março, a receita do Cloud Intelligence Group alcançou RMB41,626 bilhões, enquanto a receita externa cresceu 40%.

Produtos relacionados à IA representaram 30% da receita externa de nuvem. Sua receita anualizada ultrapassou RMB35,8 bilhões, segundo os resultados de nuvem da Alibaba.

Esses números vêm da empresa, mas demonstram por que a capacidade de infraestrutura se tornou urgente. A IA está passando de uma despesa de pesquisa para uma fonte relevante de receita de nuvem.

A Alibaba afirma que mais de 100.000 processadores Zhenwu já estavam implantados em sua nuvem pública antes do anúncio do V900. A empresa também afirma que mais de 60% da capacidade computacional da T-Head atende clientes externos.

A empresa agora espera que sua capacidade global de data centers ultrapasse 20 gigawatts até 2032. Trata-se de uma meta operacional medida pela capacidade elétrica, não pela quantidade de processadores ou edifícios.

Wu reconheceu que a demanda de médio prazo excede a capacidade da Alibaba de fornecer infraestrutura computacional. Ele identificou escassez em toda a cadeia de fornecimento de data centers como um limite à expansão.

Essa admissão dá mais contexto ao roteiro. A Alibaba não está integrando verticalmente apenas porque prefere um controle técnico mais rígido. Ela está tentando garantir capacidade suficiente para sustentar seu negócio de crescimento mais rápido.

A abordagem também muda as opções de compra das empresas. Um cliente poderia alugar capacidade computacional da Alibaba, selecionar um modelo Qwen, conectar dados corporativos por meio do Agent Context e gerenciar a execução pelo AgentCore.

Esse caminho consolidado pode reduzir o trabalho de integração. Ele também concentra a dependência operacional em um único provedor, incluindo seus controles de segurança, disponibilidade regional, APIs e roteiro de hardware.

O verdadeiro adversário da Alibaba é a vantagem de plataforma da Nvidia

A disputa estratégica não é um simples benchmark V900 versus GPU; é a nuvem integrada da Alibaba contra a plataforma de computação amplamente adotada da Nvidia.

A posição da Nvidia se apoia em mais do que o desempenho de aceleradores. Suas bibliotecas de software, ferramentas para desenvolvedores, produtos de rede e relacionamentos com parceiros tornam sua plataforma familiar em todo o setor.

Os desenvolvedores passaram anos construindo em torno desse ambiente. Provedores de nuvem e laboratórios de modelos podem contratar engenheiros com experiência relevante, encontrar software testado e mover cargas de trabalho entre sistemas compatíveis.

A Alibaba não pode eliminar essas vantagens com o anúncio de um único processador. Ela precisa tornar todo o ambiente Zhenwu produtivo o suficiente para que os clientes aceitem uma alternativa menos madura.

Isso explica por que o roteiro de chips de IA da Alibaba enfatiza sistemas, em vez de um único componente. O V900 chega acompanhado de redes, controladores de armazenamento, supernós, serviços de nuvem e modelos otimizados pelo mesmo grupo corporativo.

A Alibaba também tem um caminho diferente para a adoção. Ela não precisa convencer todos os clientes a comprar processadores físicos. Pode disponibilizar capacidade Zhenwu por trás de APIs de nuvem e vender acesso a modelos.

Essa abstração reduz a barreira de troca. Um desenvolvedor de aplicações pode se importar com latência, disponibilidade e custo por token sem saber qual acelerador atendeu cada solicitação.

No entanto, a abstração de nuvem não elimina o problema do ecossistema. A Alibaba ainda precisa de compiladores, kernels, software de agendamento, ferramentas de observabilidade e compatibilidade com frameworks de IA amplamente usados.

Ela também precisa oferecer suporte a modelos de clientes que não foram criados pela equipe do Qwen. Uma nuvem full-stack perde parte de seu apelo se seus ganhos de eficiência se aplicarem apenas às cargas de trabalho preferidas da Alibaba.

A Huawei cria outra fonte de pressão dentro da China. Seus processadores Ascend e softwares de suporte visam muitos dos mesmos clientes que buscam alternativas domésticas à Nvidia.

Baidu e Tencent também combinam modelos, serviços de nuvem e aplicações. O diferencial da Alibaba é a amplitude de seu plano público e sua capacidade de conectar a demanda de nuvem ao comércio e a produtos para o ambiente de trabalho.

Ainda assim, a Nvidia continua sendo a principal referência porque representa a estrutura de plataforma oposta. A Nvidia fornece uma base horizontal usada por nuvens concorrentes e desenvolvedores de modelos.

A Alibaba está construindo um serviço vertical. Sua própria nuvem opera o hardware, suas próprias equipes desenvolvem os modelos e seu software gerencia os agentes.

Nenhuma das estruturas vence automaticamente em todas as cargas de trabalho. O ecossistema mais amplo da Nvidia incentiva a portabilidade e a inovação externa. A integração mais estreita da Alibaba pode encurtar os ciclos de feedback entre o comportamento do modelo e o design da infraestrutura.

O teste relevante, portanto, é a produção útil por unidade de infraestrutura escassa. A velocidade máxima do processador captura apenas parte dessa equação.

Vazão de tokens, utilização de memória, confiabilidade de clusters, tempo dos desenvolvedores e consumo de energia moldam a economia. A Alibaba não publicou dados comparáveis suficientes para determinar a posição do V900 nessas dimensões.

Uma avaliação independente de hardware observou a ausência de uma métrica padrão de desempenho em ponto flutuante. Sem resultados de benchmark comuns, a alegação de desempenho três vezes superior não sustenta uma comparação direta com aceleradores da Nvidia ou Huawei.

Essa lacuna de informação deve manter o enquadramento competitivo restrito. O V900 não precisa superar a Nvidia globalmente para ser relevante.

Ele pode ter sucesso ao garantir fornecimento confiável para a Alibaba, melhorar margens e apoiar serviços Qwen dentro do Alibaba Cloud. Esse resultado fortaleceria o modelo vertical mesmo sem vendas amplas de processadores para clientes externos.

A Integração Vertical É o Mecanismo, Não o Resultado

A tese da Alibaba depende de cada camada gerar feedback que aprimore as camadas acima e abaixo dela.

A empresa apresentou um exemplo inicial por meio de autoaperfeiçoamento recursivo, ou RSI. Essa abordagem permite que um modelo avalie resultados, identifique fraquezas, projete novos experimentos e repita o processo.

A Alibaba afirma que o Qwen3.8-Max concluiu 33 ciclos automatizados de aprimoramento durante um experimento de um mês. Sua pontuação no Artificial Analysis teria subido de 40 para 45.

O mesmo modelo realizou um experimento de design de chips que durou mais de 60 horas. A Alibaba diz que ele fez mais de 10.000 chamadas a ferramentas de automação de design eletrônico.

Softwares de automação de design eletrônico ajudam engenheiros a criar e verificar projetos de semicondutores. O modelo teria produzido módulos de barramento para chips, reduzindo sua área em 42% sem diminuir o desempenho.

Esses resultados continuam sendo reportados pela própria empresa. Eles também mostram o que a Alibaba deseja viabilizar com sua pilha tecnológica completa.

Um modelo pode usar ferramentas de nuvem para realizar uma tarefa de engenharia de longa duração. Sua saída pode influenciar o design de hardware, enquanto o hardware resultante pode apoiar treinamento e inferência posteriores de modelos.

Esse ciclo é mais importante do que simplesmente reunir muitos produtos em um único anúncio. Uma lista de chips, modelos e agentes é um portfólio. Feedback e otimização compartilhados fariam dela um sistema.

O Context Engine da Alibaba fornece outra parte do mecanismo. O Agent Context conecta documentos, aplicações empresariais, conversas e informações multimodais.

A empresa afirma que esse serviço pode reduzir o uso de tokens em até 67% em tarefas intensivas em conhecimento. Essa alegação exige avaliação independente em diferentes conjuntos de dados e arquiteturas de agentes.

O conceito aborda um problema operacional real. Um agente não deveria enviar repetidamente todo o histórico de informações de uma organização a um modelo sempre que executa uma tarefa.

Serviços de contexto selecionam informações relevantes, preservam o estado da tarefa e recuperam atividades anteriores. Uma boa seleção pode reduzir o uso computacional e melhorar a relevância das respostas.

É também nesse ponto que a arquitetura de conhecimento empresarial passa a integrar o desempenho de IA. Modelos não conseguem agir de forma confiável quando permissões, registros e decisões permanecem dispersos em sistemas desconectados.

Organizações que já desenvolvem um processo de knowledge blending reconhecerão o desafio. O valor vem de recuperar o contexto adequado, preservando ao mesmo tempo a proveniência e os controles de acesso.

O AgentCore fica acima dessa camada de dados. A Alibaba o descreve como uma plataforma para criar, operar, monitorar e governar agentes durante todo o seu ciclo de vida.

Sua importância dependerá dos detalhes da execução. Empresas precisam de registros de auditoria, gestão de identidade, etapas de aprovação, restrições de ferramentas, controles de versão e comportamento confiável de reversão.

Um agente que redige uma resposta cria risco limitado. Um agente autorizado a atualizar estoques, transferir informações ou alterar código de produção exige controles mais rigorosos.

A Alibaba também anunciou um Agent Security Center para detecção de ameaças e gestão de conformidade. A segurança se torna mais difícil quando agentes executam tarefas de múltiplas etapas em vários sistemas.

A iniciativa para smartphones estende esse mecanismo a outro ambiente. O Qwen Intelligence oferece aos fabricantes uma plataforma de agentes projetada para executar tarefas entre aplicativos em dispositivos móveis.

Isso cria uma oportunidade de distribuição. A Alibaba pode colocar serviços baseados em Qwen mais perto dos usuários por meio de parceiros de hardware, em vez de depender apenas de seu próprio aplicativo de consumo.

Também introduz restrições de plataforma. Sistemas operacionais móveis controlam de perto a atividade em segundo plano, permissões, dados privados e interações entre aplicativos.

Um agente de telefone confiável precisa navegar por esses controles sem pedir que os usuários cedam acesso amplo. A confiabilidade deve permanecer alta, pois uma ação incorreta pode afetar mensagens, pagamentos, viagens ou arquivos pessoais.

O mecanismo de integração da Alibaba é coerente nesses exemplos. Os modelos planejam, os sistemas de contexto fornecem informações, as plataformas de agentes governam ações e a infraestrutura de nuvem executa o processamento.

A questão restante é se a Alibaba consegue transformar essa coerência em resultados mensuráveis para clientes. A coordenação técnica é o mecanismo proposto, não uma prova de sucesso de mercado.

O Roteiro Ainda Não Tem Evidências Independentes de Desempenho

A Alibaba divulgou uma direção abrangente, mas várias de suas alegações mais importantes continuam sendo previsões ou resultados medidos internamente.

A maior incerteza envolve o Zhenwu V900. A Alibaba o chama de chip de IA mais capaz da China e afirma que ele triplica o desempenho de seu antecessor.

A empresa não forneceu um pacote completo de benchmarks que apresente velocidade de treinamento, throughput de inferência, consumo de energia ou custo total do sistema em comparação com alternativas equivalentes.

Uma melhoria de três vezes pode significar coisas diferentes conforme a carga de trabalho e a medição. Ela pode se referir a um único modelo, formato de dados, tamanho de lote ou configuração de sistema.

O número de um cluster de 500.000 placas também exige análise cuidadosa. Suportar uma topologia de cluster teórica é diferente de operá-la com confiabilidade sob treinamento contínuo.

Nessa escala, falhas de equipamento tornam-se normais, não excepcionais. Agendamento, recuperação de checkpoints, rede, resfriamento e gestão de energia determinam se o hardware continua útil.

O roteiro de modelos cria uma segunda incerteza. A Alibaba planeja treinar sistemas com entre 5 trilhões e 10 trilhões de parâmetros após o Qwen 4.

Modelos maiores exigem mais memória e computação. Eles não garantem melhorias proporcionais, especialmente quando desenvolvedores usam cada vez mais arquiteturas esparsas e sistemas especializados menores.

A qualidade do modelo também depende de dados, métodos de treinamento, raciocínio em tempo de inferência e pós-treinamento. A contagem de parâmetros oferece contexto de escala, mas não pode substituir uma avaliação baseada em tarefas.

As alegações de RSI da Alibaba merecem cautela semelhante. Um aumento de pontuação em 33 ciclos automatizados é interessante, mas não estabelece um autoaperfeiçoamento seguro e aberto.

O processo operou em um ambiente projetado, com avaliações e ferramentas escolhidas. O desempenho nesse teste pode não se transferir para tarefas de produção desconhecidas.

O resultado do design de chips também requer validação de engenharia. Um módulo de nível de produção precisa atender a requisitos de fabricação, temporização, confiabilidade, verificação e integração.

A Alibaba afirma que o modelo reduziu a área do chip sem comprometer o desempenho. Uma reprodução independente esclareceria o design inicial, as condições de teste e a revisão humana envolvida.

O fornecimento de infraestrutura apresenta um risco comercial mais imediato. A meta de 20 gigawatts exige terrenos, conexões à rede elétrica, sistemas de resfriamento, mão de obra de construção, processadores, memória e equipamentos de rede.

Wu disse que as necessidades de médio prazo do setor já excedem a oferta disponível. Isso torna a meta de expansão parcialmente dependente de concessionárias e fornecedores que a Alibaba não controla.

A geopolítica introduz incerteza adicional. Processadores domésticos podem reduzir a exposição da Alibaba a importações restritas, mas a fabricação ainda envolve equipamentos e cadeias de suprimento complexos.

Novas regras comerciais podem afetar componentes, fabricação, software, clientes ou operações no exterior. Elas também podem acelerar a demanda pelas alternativas domésticas da Alibaba.

A dependência do fornecedor é outra contrapartida. Empresas podem obter integração mais simples ao usar a Alibaba desde o processador até a plataforma de agentes.

Elas também assumem maior risco de migração se interfaces, regras regionais ou prioridades de produtos mudarem. Compradores desejarão dados exportáveis, modelos compatíveis e limites claros de serviço.

A Morningstar levantou uma preocupação comercial distinta sobre o investimento chinês em data centers liderado pelo Estado. Sua previsão para a nuvem argumenta que a infraestrutura pública poderia reduzir parte da demanda futura pelos serviços da Alibaba.

Esse cenário não é certo. Ele ilustra por que a capacidade de construção, por si só, não garante crescimento lucrativo na nuvem.

A Alibaba precisa de utilização suficiente para justificar o investimento. Também precisa converter o uso de modelos em receita duradoura, enquanto administra os custos de energia e hardware.

A empresa tem um impulso comercial real, mas o roteiro vai muito além da adoção reportada hoje. Sua prova mais valiosa virá de resultados repetíveis para clientes, e não de outro benchmark interno.

Três Sinais Mostrarão se a Estratégia da Alibaba Funciona

Os resultados do Qwen 4, as implantações do V900 e a adoção empresarial de agentes determinarão se o roteiro se torna uma vantagem operacional.

O primeiro sinal é o lançamento e a avaliação do Qwen 4. A Alibaba confirmou que o modelo está em treinamento, tornando seu lançamento o teste mais próximo da estratégia integrada.

Os leitores devem acompanhar o desempenho em raciocínio, programação, tarefas multimodais e confiabilidade de agentes. Custo e latência importam tanto quanto as pontuações de benchmark mais chamativas.

A Alibaba também deve divulgar se o Qwen 4 é treinado ou atendido principalmente na infraestrutura Zhenwu. O uso extensivo do V900 fortaleceria a alegação de que a Alibaba consegue conectar hardware proprietário a um modelo de fronteira.

A dependência de aceleradores importados não tornaria o Qwen 4 irrelevante. Mas enfraqueceria a ideia de que a Alibaba já controla seu caminho crítico de computação.

O segundo sinal é a implantação comercial verificável do V900. A Alibaba afirma que os produtos Zhenwu existentes atendem mais de 650 clientes nos setores automotivo, financeiro, energético, manufatureiro e outros.

As próximas evidências devem incluir cargas de trabalho identificadas, tamanhos de implantação, níveis de disponibilidade e desempenho em comparação com a infraestrutura anterior.

Benchmarks padronizados ajudariam clientes a separar progresso arquitetural de alegações seletivas. Acesso estável à nuvem também importaria mais do que demonstrações limitadas.

Observe se desenvolvedores externos conseguem migrar modelos estabelecidos para sistemas V900 sem grandes reescritas. Isso testará a maturidade do ambiente de software da Alibaba.

O crescimento nos embarques anuais de processadores reforçaria o argumento de segurança de fornecimento. Escassez persistente ou disponibilidade limitada exporia a dificuldade de ampliar o programa de hardware.

O terceiro sinal é o uso sustentado de AgentCore e Agent Context em produção. Anunciar uma plataforma de agentes é mais fácil do que oferecer suporte a agentes aos quais empresas confiem tarefas relevantes.

Métricas relevantes incluem implantações empresariais ativas, tarefas concluídas, taxas de erro, intervenção humana, qualidade da recuperação de contexto e incidentes de segurança.

A Alibaba deve demonstrar que sua camada de contexto reduz o uso de tokens sem omitir informações necessárias para decisões precisas. Menor consumo tem pouco valor quando produz resultados mais fracos.

Os clientes também testarão se o AgentCore funciona com modelos externos e softwares empresariais existentes. Uma camada operacional aberta pode atrair adoção mais ampla do que um ambiente exclusivo para Qwen.

Esses sinais devem aparecer em lançamentos de produtos, divulgações sobre a nuvem e estudos de caso de clientes nos próximos meses. Juntos, eles fortalecerão ou enfraquecerão a alegação central da Alibaba.

O roteiro de IA full-stack da Alibaba é crível como estratégia porque suas camadas abordam problemas técnicos e de fornecimento interligados. Ele continua não comprovado como vantagem competitiva.

Desenvolvedores e compradores empresariais devem comparar os resultados completos das cargas de trabalho, não pontuações isoladas de modelos ou especificações de processadores. A questão útil é se a stack da Alibaba conclui tarefas reais de forma confiável, segura e eficiente.

Acompanhe primeiro as avaliações do Qwen 4. Em seguida, procure dados de produção do V900 e implantações reproduzíveis do AgentCore. Se os três se concretizarem, a Alibaba terá construído mais do que uma coleção de produtos de IA.