Ulanqab, il polo AI di Alibaba dove energia a basso costo e bassa latenza si incontrano

Ulanqab mostra bene come sta cambiando la geografia dell’infrastruttura per l’intelligenza artificiale: il luogo migliore per concentrare potenza di calcolo non deve necessariamente coincidere con il principale mercato degli utenti. Il campus di Alibaba Cloud nella Mongolia Interna è abbastanza vicino a Pechino da offrire una latenza di andata e ritorno riportata intorno ai 4 millisecondi, ma beneficia al tempo stesso di energia meno costosa e di un clima favorevole al raffreddamento. È una combinazione che può rendere il sito adatto sia all’inferenza — cioè l’esecuzione dei modelli — sia all’addestramento su larga scala. 2425

La distanza conta meno se la rete è sufficientemente veloce

Ulanqab dista circa 350 chilometri da Pechino. Secondo Wang Zhaoyang, responsabile delle operazioni dei data center di Alibaba, la trasmissione dati tra le due città richiede circa 4 millisecondi: un ritardo che ha definito accettabile per le applicazioni di AI conversazionale. 25

La distinzione è decisiva: distanza fisica e ritardo percepito da un’applicazione non sono la stessa cosa. Un campus regionale ben connesso può servire un grande mercato metropolitano vicino quando il transito in rete pesa poco sul tempo totale di risposta. Due collegamenti diretti in fibra con Pechino avrebbero ridotto la latenza unidirezionale a meno di 2,1 millisecondi. 35

Energia e raffreddamento: la base dell’equazione economica

I data center per l’AI consumano enormi quantità di elettricità, perciò il costo dell’energia è strutturale. Le fonti citano tariffe locali nell’ordine di 0,32-0,35 yuan per kWh; in una delle stime riportate, le rinnovabili rappresentano circa il 90% della fornitura elettrica locale. 2125

Il clima aggiunge un secondo vantaggio. La temperatura media annua di Ulanqab è riportata intorno ai 4 °C e le fonti locali indicano che il raffreddamento naturale può essere impiegato per gran parte dell’anno. 2435 Per chi gestisce cluster densi di acceleratori, ridurre il ricorso al raffreddamento meccanico può abbassare i costi operativi insieme alla bolletta elettrica.

Non si tratta soltanto di una generica disponibilità di energia rinnovabile. Nel 2025 è entrato in funzione un progetto separato di base di calcolo a basse emissioni, integrato tra generazione, rete, carico e accumulo. È progettato per fornire elettricità verde direttamente ai data center e dovrebbe produrre 848 milioni di kWh l’anno di energia verde per autoconsumo. 39

CUBE 5.0: la rapidità di realizzazione diventa strategica

Con l’architettura CUBE 5.0 Alibaba affronta un altro collo di bottiglia: quanto rapidamente un data center può essere preparato per ricevere l’hardware IT. Invece di installare in sequenza i sistemi critici in cantiere, il modello rende modulari alimentazione, raffreddamento, sicurezza, gestione intelligente e protezione antincendio, così da produrre e predisporre i componenti in parallelo. 34

Alibaba afferma che questo approccio può comprimere a 100 giorni la consegna dell’infrastruttura di base per un data center AI e ridurre i costi di costruzione di circa il 10%, rispetto ai cicli tradizionali di sei-dodici mesi in Cina. 2534

La promessa dei 100 giorni va però letta con precisione: il conteggio parte dall’edificio di base, o dai container sovrapposti, e termina prima dell’ingresso di server e apparati di rete. Non coincide quindi necessariamente con il tempo totale tra la decisione di investimento e l’attivazione di un servizio AI operativo. 3234

CUBE 5.0 è concepita anche per adattarsi a requisiti hardware in evoluzione. Alibaba dichiara l’uso di alimentazione in corrente continua ad alta tensione, compatibilità con raffreddamento ad aria e a liquido, supporto per chip eterogenei e per almeno tre generazioni di evoluzione dei chip. 34

Il vincolo reale non è l’edificio

Costruire velocemente e disporre di elettricità economica non produce automaticamente acceleratori all’avanguardia. La disponibilità di chip appropriati, memoria, interconnessioni e software maturi resta un fattore limitante per i cluster AI.

Alibaba ha iniziato a offrire nella regione di Ulanqab istanze supernodo Lingjun basate sul chip Zhenwu M890. 1 L’M890 è presentato come acceleratore integrato per addestramento e inferenza; Alibaba gli attribuisce 144 GB di memoria e 800 GB/s di banda tra chip. 11

Questo amplia le opzioni hardware domestiche, ma non risolve da solo la questione della qualità della capacità. Un cluster AI competitivo richiede forniture continue di componenti, rete, strumenti software, affidabilità e capacità di eseguire modelli in modo efficiente su molti acceleratori; non basta contare il numero di chip consegnati.

Perché la carenza di GPU può convivere con data center poco usati

Nel mercato cinese della potenza di calcolo per l’AI convivono segnali apparentemente contraddittori: la domanda di capacità di alta qualità può essere intensa, mentre alcuni data center restano sottoutilizzati. Un rapporto di settore del 2026 citava un utilizzo complessivo dei centri di calcolo intelligente inferiore al 40%, mentre precedenti analisi descrivevano un sottoutilizzo significativo in alcune parti del mercato. 310

Questi dati non vanno interpretati come un tasso di utilizzo unico e universale: le misure variano per periodo, area geografica, tipo di chip e criterio di conteggio — capacità installata, noleggiata oppure effettivamente in uso. Indicano però un problema strutturale: una capacità può restare inattiva se si trova nel posto sbagliato, usa chip inadatti al carico di lavoro, non dispone di rete o software adeguati, oppure non ha una domanda di clienti durevole. 89

Per Ulanqab, dunque, il test commerciale sarà il tasso di utilizzo, non la capacità annunciata. Posizione e costruzione modulare migliorano costo e velocità con cui fornire calcolo, ma non garantiscono che ogni acceleratore venga impiegato in modo produttivo.

La sfida di Alibaba: «un cloud, molti chip»

L’approccio più ampio di Alibaba consiste nel rendere disponibili vari tipi di acceleratori attraverso una piattaforma cloud condivisa, anziché dipendere da un solo fornitore hardware. Questo rende cruciale lo strato software e di sistema: architettura dei cluster, rete, compilatori, software di runtime e ottimizzazione dei modelli devono funzionare su chip differenti.

Alibaba dichiara che, a maggio 2026, la serie Zhenwu di T-Head, nota anche come Pingtouge, aveva superato 560.000 unità spedite complessivamente a oltre 400 clienti in più di 20 settori. 711 Il dato segnala una crescente diffusione, ma non misura di per sé le prestazioni sui modelli di frontiera né sostituisce uno stack di calcolo eterogeneo pienamente maturo.

Cosa insegna Ulanqab sull’infrastruttura AI

Il campus di Alibaba a Ulanqab poggia su una logica fisica coerente: elettricità a basso costo e con forte presenza di rinnovabili, clima freddo e secco, latenza verso Pechino nell’ordine di pochi millisecondi e un modello infrastrutturale pensato per ridurre i tempi di costruzione. 212534

Il suo peso nel lungo periodo dipenderà però dall’esecuzione. Il polo vincente per il calcolo AI non sarà semplicemente quello che costruisce più capacità al costo più basso, ma quello che saprà abbinare con continuità chip compatibili e ben interconnessi a carichi di lavoro reali, mantenendo i sistemi effettivamente utilizzati.