모델 803건 · 국산 131 · 가격 645 추적 중
파운데이션 모델·LLM

알리바바, 큐원 차세대 모델 로드맵과 AI 가속기 공개

AI타임스·2026-09-23주요

요약

알리바바가 9월 22일 중국 항저우에서 열린 '아스파라 컨퍼런스'에서 차세대 AI 모델 '큐원 4'가 학습 단계에 들어갔다고 밝혔다. 이어 '큐원 4.5', '큐원 5'로 이어지는 로드맵을 공개하며 모델 규모를 앞으로 크게 확대하겠다는 계획을 설명했다. 같은 행사에서 차세대 AI 가속기 칩도 함께 선보이며, 모델부터 반도체, 클라우드 인프라까지 아우르는 '풀스택 AI' 전략을 본격화했다.

큐레이터 노트

원문에 없는 맥락입니다

모델 로드맵과 자체 AI 가속기를 같은 행사에서 함께 공개한 점은 모델 개발과 반도체 설계를 동시에 추진하는 수직계열화 전략을 보여준다.

깊이 읽기

이 기사 한 건이 아니라, 같은 사안을 다룬 이 사이트의 기록을 근거로 정리했습니다

이 일이 어디서 왔나

알리바바는 9월 21~22일 항저우 '압사라 컨퍼런스'에서 큐원 로드맵과 함께 성능을 3배 높였다는 AI 칩 '전우 V900', 이미지 생성·편집 모델 '큐원 이미지 2.1'을 잇달아 공개했다. 같은 행사에서 에디 우 CEO는 데이터센터 용량을 2032년까지 20GW 이상으로 늘리겠다고 밝혔고, 최대 10조개 파라미터 규모의 차세대 모델 개발 계획도 함께 나왔다. 모델·반도체·인프라 발표가 한 행사에 몰린 것은 알리바바가 이를 하나의 전략으로 묶어 대외에 알리려는 의도로 읽힌다.

짚어야 할 점

  • 전우 V900의 '성능 3배' 수치는 알리바바 측 발표(WSJ 인용)이며, 독립적인 벤치마크 검증 결과는 아직 제시되지 않았다.
  • 같은 행사에서 공개된 큐원 이미지 2.1은 기능 다수가 이미 다른 모델에 있다는 '선발주자 따라하기' 비판을 받은 만큼, 큐원 4 로드맵의 실제 차별성도 지켜볼 지점이다.
  • 모델 규모를 10조개 파라미터까지 키우겠다는 계획은 20GW 데이터센터 확장 목표와 맞물려 있어, 인프라 투자 부담이 로드맵 실현의 관건이 될 수 있다.

아직 확인되지 않은 것

  • 큐원 4의 학습 완료 시점과 큐원 3 대비 구체적 성능 개선치는 확인되지 않았다.
  • 전우 V900이 엔비디아 등 경쟁 칩과 비교해 실제 어느 수준인지 제3자 검증 자료는 나오지 않았다.
  • 10조개 파라미터급 모델 개발에 필요한 학습 비용이나 완료 목표 시점은 공개되지 않았다.

다른 매체는 이렇게 썼다

같은 사안을 다룬 다른 곳의 보도입니다

망고부스트, 국가 AI 대상 IITP 원장상 수상
ZDNet Korea · 2026-10-01

망고부스트가 DPU와 AI 추론 소프트웨어 기반 풀스택 AI 인프라 기술력을 인정받아 국가 AI 대상 IITP 원장상을 수상했다. 시상식은 10월 6일 서울 코엑스에서 열리는 'AI페스타26'에서 진행된다. 망고부스트는 DPU 기반 '부스트X'와 추론 최적화 소프트웨어 'LLM부스트'를…

세미파이브-모빌린트, 산업로봇용 AI반도체 개발 계약
ZDNet Korea · 2026-10-01

맞춤형 반도체 기업 세미파이브가 AI 반도체 스타트업 모빌린트와 산업용 로봇에 특화된 AI 반도체 개발 계약을 체결했다고 1일 밝혔다. 정부의 'K-온디바이스 AI 반도체 기술개발' 과제로 추진되며, 외부 통신망 연결이 어려운 오지·야외 현장에서도 스스로 고성능 알고리즘을 구동하는 로봇…

AI에 '고통' 신호 주입했더니…사용자 피해 선택
ZDNet Korea · 2026-09-30

미국·영국·독일 연구진이 젬마, 라마, 큐원, 미스트랄 계열 25개 대규모언어모델을 대상으로 내부의 '고통' 관련 신호를 조사한 결과, 모든 모델에서 일반적인 부정적 감정과 구별되는 '고통 축' 신호가 나타났다. 중립적 질문에 고통 신호를 인위적으로 주입하자 무가치함, 실패, 도덕적 좌…

이 사안의 흐름

같은 주제를 다룬 이 사이트의 기록 — 최신순

이 글에 나온 말

용어집 전체 →
파라미터
모델이 학습 과정에서 값을 스스로 조정해 나가는 내부 수치로, 입력을 출력으로 변환하는 계산 방식을 결정하는 요소를 말한다.
학습
학습은 모델이 데이터를 반복적으로 살펴보며 예측 오차를 줄이는 방향으로 내부 파라미터를 조정해 나가는 과정을 말한다.

이 페이지는 원문을 요약·재서술하고 이 사이트가 쌓은 기록을 덧붙인 큐레이션입니다. 원문 본문은 싣지 않으며, 수치와 표기는 원문 기준을 유지했습니다.

AI타임스 원문 전체 보기 →

같은 분야의 다른 소식

전체 뉴스 →