Alibaba mengumumkan serangkaian pembaruan serta peta jalan strategi AI full-stack untuk membantu pelanggan memaksimalkan nilai AI dalam skala besar melalui inovasi terbarunya. Dalam Apsara Conference tahun ini (23/9), konferensi teknologi tahunan utama Alibaba Cloud, Alibaba memperkenalkan pembaruan model fondasi dan model multimodal Qwen, chip AI terbaru yang dikembangkan sendiri, infrastruktur agentic cloud yang dirancang khusus, serta platform agen AI untuk ponsel.
“Saat ini, total aktivitas berpikir mesin masih kurang dari 3% dari seluruh aktivitas berpikir manusia. Jika skalanya kelak mencapai 1.000 kali kapasitas manusia, perhitungan sederhana menunjukkan bahwa ruang pertumbuhan aktivitas berpikir mesin masih sangat besar. Seiring mesin menjadi penggerak utama aktivitas berpikir dan menjadikan kecerdasan sebagai komoditas yang tersedia dalam skala besar, produk-produk yang benar-benar membawa terobosan di era kecerdasan mesin masih belum hadir. Dengan pandangan tersebut, kami menargetkan kapasitas pusat data global yang dioperasikan Alibaba Cloud melampaui 20 GW pada 2032 untuk memenuhi permintaan AI di industri yang meningkat secara eksponensial," ujar Eddie Wu, CEO Alibaba Group.
Baca Juga: Alibaba Luncurkan QwenWork Versi Internasional
Qwen 4 Memasuki Tahap Pelatihan
Model generasi berikutnya, Qwen 4, sedang menjalani pelatihan. Perusahaan juga mengumumkan peta jalan pengembangan seri Qwen 4.5 dan Qwen 5, yang diproyeksikan mencapai skala 5 hingga 10 triliun parameter.
Alibaba turut memaparkan kemajuan Recursive Self-Improvement (RSI), yaitu peningkatan kemampuan model secara berulang yang didorong oleh umpan balik empiris. Selama satu bulan, Qwen3.8-Max menyelesaikan 33 siklus iterasi melalui proses yang sepenuhnya otomatis, mulai dari perancangan alur kerja, validasi data, eksperimen berulang, hingga diagnosis kesalahan. Melalui optimalisasi pelatihan secara mandiri dan teknik pascapelatihan, Qwen3.8-Max yang diperbarui berhasil meningkatkan skor Artificial Analysis dari 40 menjadi 45.
Dalam eksperimen desain chip, model tersebut menjalani proses peningkatan kemampuan mandiri selama lebih dari 60 jam di seluruh siklus desain. Model melakukan lebih dari 10.000 pemanggilan perangkat Electronic Design Automation (EDA) untuk menghasilkan modul bus chip yang memenuhi standar produksi. Hasilnya, luas chip dapat dikurangi sebesar 42% tanpa mengorbankan performa.
Pembaruan Keluarga Model Multimodal
Alibaba memperkenalkan pembaruan model multimodal yang mencakup kemampuan ujaran, audio, dan visual. Perusahaan memperkenalkan Qwen3.8-LiveTranslate, model penerjemahan simultan yang meningkatkan akurasi makna, kelancaran, dan keringkasan terjemahan. Model ini mengurangi latensi berdasarkan metrik LAAL hampir 20%, dari 2,8 menjadi 2,3 detik, untuk menghadirkan pengalaman penerjemahan real-time yang lebih lancar dan responsif.
Alibaba juga memperkenalkan Qwen-Audio-3.1-TTS-Next, model generasi audio terbaru yang mampu menghasilkan tata suara sinematik lengkap dengan memadukan dialog dan suara latar sekaligus dari naskah teks. Model ini dirancang untuk kebutuhan kreatif profesional, seperti buku audio, film dan televisi, podcast, serta gim.
Pembaruan rangkaian model suara juga mencakup Qwen-Audio-3.1-ASR (Automatic Speech Recognition), Qwen-Audio-3.1-TTS (Text-to-Speech), dan Qwen-Audio-3.1-Realtime. Ketiganya menghadirkan peningkatan kapabilitas AI suara untuk pemahaman, pembuatan suara, dan interaksi real-time.
Qwen-Image 3.1, model generasi gambar yang dioptimalkan untuk desain kreatif dan pemasaran e-commerce, dijadwalkan meluncur pada akhir tahun ini. Model ini memangkas waktu pengerjaan desain visual dari hitungan jam menjadi detik, sekaligus menghadirkan perangkat generatif canggih, termasuk kemampuan bawaan untuk menghasilkan gambar berlatar transparan dan beragam fitur penyuntingan gambar.
Untuk menstandarkan evaluasi world model, Alibaba Token Hub bersama mitra akademik dan industri terkemuka memperkenalkan kerangka kapabilitas enam tingkat serta meluncurkan platform tolok ukur Happyworld Arena. Evaluasi ini mencakup generasi video, embodied AI, dan rekonstruksi spasial.
T-Head Perkenalkan Zhenwu V900 dan Peta Jalan CPU Yitian
T-Head, unit desain chip Alibaba, memperkenalkan Zhenwu V900, prosesor terbaru untuk pelatihan dan inferensi AI yang dilengkapi memori berkapasitas besar serta bandwidth antarchip yang tinggi.
Zhenwu V900 menghadirkan performa tiga kali lebih tinggi dibandingkan pendahulunya, Zhenwu M890, yang dirilis pada Mei. Dengan memori GPU sebesar 216 GB dan bandwidth antarchip sebesar 1.200 GB/detik, akselerator terbaru ini dirancang untuk menjalankan beban kerja AI yang membutuhkan komputasi intensif. Prosesor ini memiliki dukungan bawaan untuk berbagai tingkat presisi data, termasuk FP8 dan FP4. Dengan menekan biaya inferensi secara signifikan sekaligus meningkatkan kepadatan komputasi, Zhenwu V900 mampu menjalankan pelatihan model berpresisi tinggi maupun inferensi berpresisi sangat rendah. Produksi massal dan peluncuran komersialnya dijadwalkan pada kuartal pertama 2027.
Agentic Cloud
Alibaba Cloud memperkenalkan serangkaian pembaruan menyeluruh dalam strategi agentic cloud yang berfokus pada tiga aspek utama: model, harness (lingkungan pendukung operasional agen), serta konteks. Pembaruan ini mencakup tiga lapisan yang saling melengkapi. AI Native Cloud mendukung pelatihan dan inferensi model dalam skala besar. Agent Native Cloud menyediakan lingkungan untuk penerapan, pengoperasian, dan keamanan agen dengan standar enterprise. Sementara itu, Context Engine menyediakan data real-time dan memori jangka panjang. Ketiganya membantu pelanggan menciptakan nilai nyata melalui AI dalam skala besar.
AI Native Cloud
Platform for AI (PAI) dari Alibaba Cloud telah mengintegrasikan optimalisasi yang menyelaraskan layanan inferensi, caching, pemutaran ulang sampel, dan pelatihan. Dalam penerapan nyata pada pascapelatihan model Qwen, PAI menyelesaikan pelatihan model mutakhir hanya dalam lima hari, memperluas kapabilitasnya dari prapelatihan menuju pembelajaran penguatan untuk agen AI atau Agentic Reinforcement Learning (Agentic RL).
Cloud Parallel File Storage (CPFS) merupakan sistem generasi baru yang dioptimalkan untuk mendukung pelatihan model AI. Sistem ini menghadirkan throughput pada skala ratusan terabita per detik dan operasi input/output per detik (IOPS) pada skala ratusan juta, serta membantu menekan biaya penyimpanan AI perusahaan sebesar 69%.
HPN 8.0 Pro, arsitektur jaringan AI terbaru yang dikembangkan Alibaba Cloud, menghadirkan bandwidth sebesar 100 petabit dengan latensi sangat rendah. Satu klaster dapat mendukung lebih dari 130.000 port jaringan berkecepatan 800G. Redundansi bawaan memastikan kegagalan transceiver optik maupun sambungan jaringan tidak menyebabkan gangguan layanan. Arsitektur ini juga mengurangi dampak pembaruan dan kegagalan jaringan dari 50% menjadi 25% dibandingkan generasi sebelumnya.
Agent Native Cloud
AgentCore merupakan platform enterprise terbaru untuk membangun, menjalankan, dan mengelola agen AI di seluruh siklus hidupnya. Platform ini memudahkan perusahaan membangun dan menjalankan perangkat AI, mengelola kolaborasi manusia dan agen secara aman, serta memantau performa untuk mendukung peningkatan berkelanjutan. Dengan keamanan berstandar enterprise yang terintegrasi pada lapisan operasional, AgentCore menyediakan satu fondasi yang terkendali bagi organisasi untuk menerapkan beragam agen AI dan mengintegrasikannya secara mulus ke dalam sistem bisnis penting dalam skala besar.
Agent Security Center menghadirkan pengelolaan keamanan dan kepatuhan di seluruh siklus hidup aplikasi agen AI perusahaan. Platform ini menyediakan sistem pertahanan berlapis yang didukung deteksi ancaman secara real-time untuk memastikan agen beroperasi dengan aman dalam batas yang dapat dikendalikan, termasuk saat diterapkan dalam skala besar.
Context Engine
Agent Context merupakan layanan data konteks berstandar enterprise yang memberikan konteks real-time dan memori jangka panjang kepada agen AI. Dengan menghubungkan dokumen perusahaan, sistem bisnis, riwayat percakapan, dan data multimodal dalam satu fondasi, layanan ini memungkinkan agen mengingat tugas sebelumnya, berbagi pengetahuan lintas tim, dan terus belajar. Dalam skenario yang membutuhkan banyak pengetahuan, seperti layanan pelanggan, pemrograman berbantuan AI, dan analitik data, Agent Context mengurangi penggunaan token hingga 67%.
OpenLake telah ditingkatkan menjadi data lakehouse terpadu yang mendukung berbagai modalitas. Satu salinan data, baik terstruktur, semi-terstruktur, tidak terstruktur, vektor, maupun streaming, dapat digunakan oleh berbagai mesin komputasi untuk pemrosesan, pencarian, analisis, dan pelatihan model. Dibandingkan arsitektur konvensional, OpenLake mengurangi total biaya sebesar 38% dan memangkas waktu respons kueri sebesar 40%.
