알리바바 Wu Yongming, Qwen 5~10조 파라미터 신모델 예고…AI 모델·칩·클라우드 3대 기반 제시

알리바바가 '기계 지능(machine intelligence)'을 다음 시대의 프레임으로 제시하고, 모델·칩·클라우드 세 축에 대한 구체적 목표를 공개했다. 알리바바 CEO Wu Yongming(吴泳铭)은 9월 22일 2026 Apsara Conference(云栖大会) 기조연설에서 기계가 사고의 주력이 되고 지능이 규모화된 상품이 되는 시대를 선언하며, Qwen 팀이 5~10조 파라미터 규모의 신모델 훈련을 계획하고 있다고 밝혔다.

## 기계 지능, 동력의 역사를 반복한다

Wu는 산업혁명이 '동력'을 규모화된 상품으로 바꿔놓은 과정에 빗대 설명했다. 증기기관과 내연기관은 초기에는 사람과 말이 하던 일을 대체했지만, 곧 사람과 말로는 불가능한 일, 즉 기차와 비행기, 로켓을 만들어냈다. 기계 동력은 '인공 체력'이 아니라 전혀 다른 종이었다는 것이다. 그는 기계 지능도 마찬가지라고 말한다. AI가 코드를 대신 짜고 보고서를 대신 쓰는 것은 기계 지능의 초급 단계일 뿐이며, 공급이 무한히 풍부해지면 그 의미는 기존 두뇌 노동의 대체를 훨씬 넘어선다는 주장이다.

여기서 두 가지 판단이 나온다.

첫째, 미래의 기계 사고 총량은 인류 사고 총량의 1000배 이상이 된다. 현재 기계 사고는 인류의 3%에도 못 미치므로 단순 계산으로도 수만 배의 성장 여지가 남아 있다는 것이다. 그는 희귀질환 연구를 예로 들었다. 신생아 조로증처럼 전 세계 환자가 수백 명 수준인 질환은 상업적 논리만으로는 연구 자원을 배분하기 어렵지만, AI가 전문 연구 수준의 지능을 갖추고 컴퓨팅이 충분히 저렴해지면 세부 분야마다 수백만 개의 에이전트를 투입해 병렬로 탐색할 수 있다는 구상이다. 최상위 수준의 사고가 사치품에서 규모화 가능한 상품으로 바뀐다는 전망이다.

둘째, 기계 지능 시대의 대표 제품은 아직 나오지 않았다. 그는 오늘의 AI 코딩을 1882년의 전구에 비유했다. 1882년 에디슨이 펄스트리트 발전소를 세우고 400여 개 전구를 밝혔을 때, 전기의 용도는 등유 램프와 촛불을 대체하는 조명이었다. 에어컨은 1902년에, 세탁기와 냉장고는 그 뒤에 등장했고, 최초의 컴퓨터는 1946년에야 나왔다. 1900년 전 세계 1년 발전량이 오늘 기준으로 겨우 두 시간 분량에 불과했다는 점도 강조했다. 지금의 AI 코딩은 기존 업무를 대체할 뿐이며, 새로운 시대는 인프라가 성숙한 뒤에야 열린다는 것이다.

## 3대 기반: 모델·칩·클라우드

Wu는 기계 지능의 규모화된 공급을 위한 전제로 AI 모델, AI 칩, AI 클라우드를 꼽고 알리바바의 최신 진행 상황과 목표를 공개했다.

AI 모델부터 보면, Qwen 팀은 모델이 실제 피드백에서 자신의 약점을 찾아 스스로 실험을 설계하고 데이터를 구축하며 결과를 평가하는 순환 구조, 이른바 RSI(recursive self-improvement, 재귀적 자기 개선)를 탐구하고 있으며 일정한 진전을 확보했다. 알리바바는 이 흐름 위에서 5~10조 파라미터 규모의 신모델 훈련을 계획하고 있다. 목표는 더 복잡하고 더 긴 호흡의 작업을 수행하는 것이며, 궁극적으로는 ASI(초지능)를 향한다는 구상이다. 별도 축으로 이해와 생성이 결합된 멀티모달 모델도 연구한다. 사람처럼 소리와 이미지, 표정, 동작을 이해하고 표현하며 복잡한 인터페이스 없이 대화하듯 AI를 쓰는 것이 목표다.

AI 칩은 알리바바의 칩 자회사 T-Head(平头哥)가 데이터센터용 라인업을 갖추는 방식으로 진행된다. GPU 계열 Zhenwu(真武), CPU 계열 Yitian(倚天), 지능형 네트워크 카드와 ICN 인터커넥트 칩이다. 자체 개발한 M890 AI 슈퍼노드는 2조 파라미터 이상 모델의 추론을 지원해 왔고, 이번 분기부터 알리바바 클라우드에 대규모로 공급되기 시작했다. 이날 공개된 신형 AI 칩 Zhenwu V900은 M890 대비 3배 성능으로, 회사 측 표현으로는 현재 중국에서 가장 강력한 AI 칩이다. 이를 기반으로 단일 클러스터를 50만 카드까지 확장할 수 있으며, T-Head AI 칩의 연간 출하량도 크게 늘어날 전망이다.

AI 클라우드는 칩이 토큰을 생산하고 클라우드가 이를 필요한 곳으로 보내는 구도다. Wu는 현재 고객 수요가 매우 강하지만 중장기 수요는 공급 능력을 크게 웃돌며, AI 데이터센터 관련 글로벌 공급망 부족이 실제 제약으로 작용하고 있다고 말했다. 알리바바는 2032년까지 자사 클라우드가 운영하는 글로벌 데이터센터 규모를 20GW 이상으로 키우겠다는 목표를 제시했다.

## 데스크톱과 모바일

알리바바는 데스크톱 영역에서 오픈소스 모델 Qwen27B를 개발자들이 가장 많이 쓰는 모델로 소개하며, 로컬 배포를 지원하는 방향으로 계속 다듬겠다고 밝혔다. 모바일에서는 파트너사에 AI 솔루션을 제공하는 Qwen Intelligence를 정식 발표했다. 기기 자체에서 복잡한 작업을 처리하게 하는 것이 목표다.

## 개발자에게 무엇을 의미하나

가장 직접적인 변화는 대형 모델과 소형 모델의 역할 분담이 더 뚜렷해진다는 점이다. 5~10조 파라미터급 모델은 사실상 API로만 접근하게 된다. 반면 Qwen27B처럼 로컬 배포를 겨냥한 모델은 기업 내부 데이터와 지연 시간을 통제해야 하는 워크로드를 맡는다. 개발자는 모델 자체를 고르는 일보다, 어떤 작업을 클라우드로 보내고 어떤 작업을 기기에서 처리할지 나누는 설계를 먼저 하게 된다.

RSI가 실제로 자리 잡으면 개발자의 초점도 옮겨간다. 모델이 스스로 데이터와 평가 기준을 만드는 구조에서는 프롬프트 한 줄을 다듬는 일보다, 에이전트가 장시간 상태를 유지하고 도구를 호출하며 실패를 복구하도록 실행 환경을 설계하는 일이 중요해진다. 알리바바가 클라우드를 모델과 에이전트가 상주하는 공간으로 규정한 것도 같은 맥락이다.

비용 측면에서는 자체 칩과 슈퍼노드, 클라우드를 묶은 수직 통합이 추론 단가와 토큰 처리량 경쟁으로 이어진다. 20GW 규모의 데이터센터 목표가 현실화되면 장기적으로 추론 비용이 내려갈 여지가 커진다. 멀티모달 이해·생성 일체형 모델은 별도 인터페이스를 설계해야 하는 부담을 줄여준다는 점에서도 실무적 의미가 있다.

## 한계와 주의

숫자는 대부분 목표이거나 자체 주장이다. 5~10조 파라미터 모델은 훈련 계획 단계로, 완료 시점과 공개 방식은 밝혀지지 않았다. RSI 역시 초기 탐구 단계이며 진전의 구체적 지표는 제시되지 않았다.

Zhenwu V900의 3배라는 수치는 자사 이전 세대인 M890과의 비교로, 제3자 벤치마크 결과가 아니다. 중국에서 가장 강력하다는 표현도 회사 측 주장이다. 20GW는 2032년까지의 장기 목표로, 전력 확보와 부지, 공급망 상황에 따라 달라질 수 있다. 알리바바 스스로 글로벌 공급망 부족이 단기 제약이라고 인정한 만큼, 발표된 목표가 그대로 실현된다고 가정하기는 어렵다.

기계 사고가 인류의 1000배가 된다는 전망도 측정값이 아니라 추정이다. 현재 3% 미만이라는 기준 자체가 무엇을 사고로 세는지에 따라 크게 달라진다. 발표의 방향성은 분명하지만, 개별 수치는 계획과 전망으로 읽는 편이 안전하다.