모델 817건 · 국산 131 · 가격 654 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

중국 토큰 그레이마켓, 클로드 정가 10%에 유통
ZDNet Korea · 2026-10-03

중국 베이징 하이뎬구 등지의 '중계소' 업자들이 해외 서버에 앤트로픽 클로드 계정을 묶어두고 중국 고객에게 사용권을 되파는 '토큰 그레이마켓'이 확산됐다. 디인포메이션 보도에 따르면 이들은 위챗페이·알리페이로 결제받고 타오바오 등에서 영업하며, 옥스퍼드 중국정책연구소 첸즈란 연구원 조사…

국산 AI 반도체 묶는 마이크로데이터센터 성과 공개
ZDNet Korea · 2026-10-02

한국인공지능클라우드산업협회(KACI)가 서울 양재에서 'AI-MDC 기술개발 과제 성과공유회'를 열고 국산 AI 반도체 기반 마이크로 데이터센터(MDC) 개발 성과를 공개했다. AI-MDC는 서버·네트워크·운영환경을 랙 단위로 구현해 제조 현장이나 병원, 공공시설 등 AI 연산이 필요한…

한전, 국산 NPU 성능지표 K-Perf 첫 실증 도입
전자신문 SW · 2026-10-02

과학기술정보통신부는 한국전력공사, 리벨리온, 한국정보통신기술협회(TTA)가 참여한 'K-Perf 활용 국산 AI반도체(NPU) 기반 전력분야 AI 영상분석 기술협력' 업무협약(MOU) 체결식에 참석했다고 2일 밝혔다. 수요·공급기관이 함께 개발한 국산 AI반도체 성능지표 K-Perf가 …

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 →