9 月 22 日的云栖大会上,阿里巴巴 CEO 吴泳铭把千问(Qwen)模型的参数规模推到了一个此前没人公开过的量级:旗舰模型 Qwen 3.8 Max 已是 2.4 万亿参数;正在训练的 Qwen 4 会继续往上走;更远一点的 Qwen 4.5 和 Qwen 5 系列目标区间是 5-10 万亿参数。要承接这种量级,阿里同时把推理硬件一并升级——自研的真武 V900 性能三倍于上一代的 M890,单集群最大能扩展到 50 万卡,预计 2027 年第一季度量产。
参数规模不是简单的"越大越好"
把 Qwen 4.5/Qwen 5 推到 5-10 万亿参数,直接对应的是吴泳铭反复提到的目标:完成"更复杂、长周期任务",也就是通向 artificial superintelligence(ASI)。换句话说,阿里这次发布不是"我们做了个更大的模型"的通稿,而是在讲一条"基座参数越大 → 长链路任务越稳"的路线图。Qwen 3.8 Max 已是稀疏 MoE 架构、2.4 万亿参数的旗舰,Qwen 4 在其基础上继续膨胀,4.5/5 代直接翻倍到 5-10 万亿。这条曲线的隐含代价是推理算力占用:M890 节点能跑 2 万亿+ 模型,但到 5-10 万亿体量,基本要换硬件平台,这就是真武 V900 同步亮相的原因。
真武 V900:为了能跑得动而造的推理底座
V900 走的是"集群而非单卡"的叙事:单个集群最大扩展到 50 万卡,性能是 M890 的三倍,目标节点 144GB HBM(相关规格在百度百科上已有词条,但官方完整 SPEC 仍未公开)。吴泳铭把 V900 定位成 5-10 万亿模型的推理底座——本质上是"先把路修宽,再上更大的车"。这个时间点是 2027 Q1 量产,意味着 V900 是为 Qwen 4.5/Qwen 5 的训练/推理同步铺路,而不是 M890 的简单换代。
战略意图:闭环"训练-推理-落地"
从公开口径看,阿里的布局开始明显向"自给自足"靠拢:基座模型自研(Qwen 3.8 Max → Qwen 5)、推理芯片自研(M890 → V900)、云服务自营(阿里云扩容数据中心)、场景落地自驱(钉钉、淘宝、高德等场景)。云栖大会透露的另一条信息是阿里云会同步扩容数据中心容量,这把"模型-芯片-数据中心"三者绑成了一条线。换句话说,V900 不仅是推理加速卡,更是阿里把整个 AI 栈握在自己手里的一个具体落点。
现实校验:5-10 万亿参数到底意味着什么
对比几个公开口径:Mozilla 在《State of Open Source AI》里给出美国前沿模型只领先中国顶级开源模型约 4.4 个月;前一代 Qwen3-Max 的预训练 token 是 36T,Qwen 3.8 Max 是 2.4 万亿参数。5-10 万亿相当于再翻 2-4 倍,放到 MoE 架构上意味着总参数膨胀的同时激活参数也得重新设计。OpenAI/Anthropic 闭源前沿模型目前公开的最大规模仍在万亿级附近,阿里这次直接把未来一两代的数字标在了"5-10 万亿"区间,这是行业里少数给出明确量化目标的玩家。
所以呢
对国内 AI 圈,Qwen 路线图给出了一个清晰的"两年内能跑多大"的硬目标;对硬件圈,V900 把"推理卡"这件事推到了 50 万卡集群的尺度;对行业,这意味着阿里把训练、推理、芯片、数据中心捆绑成一套自有栈,在开放权重 + 自研芯片的方向上越走越深。短期看,Qwen 4 仍是 1.x 万亿区间,Qwen 4.5/5 才是真正的"5-10 万亿"落地节点——V900 的 2027 Q1 量产节奏,基本就是这条线的时间表。
参考来源:Reuters 报道 / Solidot 转载 / KuCoin 速报