گوگل روز سه‌شنبه ۲۰ اکتبر ۲۰۲۶، پروژه‌ی TorchTPU را به‌صورت متن‌باز منتشر کرد. این نسخه‌ی اختصاصی PyTorch است که به توسعه‌دهندگان اجازه می‌دهد مدل‌های هوش مصنوعی خود را روی تراشه‌های TPU گوگل اجرا کنند — بدون اینکه مجبور باشند کد را از نو بنویسند. یک روز پیش‌تر، آمازون هم نسخه‌ی مشابه خود را با نام TorchNeuron برای تراشه‌ی Trainium و بستر AWS معرفی کرده بود.

PyTorch چیست و چرا Nvidia در آن نفوذ دارد#

PyTorch جعبه‌ابزار متن‌بازی است که — به گفته‌ی برخی منابع — حدود ۸۵ درصد اپلیکیشن‌های هوش مصنوعی روی آن ساخته شده‌اند. متا (فیس‌بوک سابق) آن را در ۲۰۱۶ توسعه داد و در ۲۰۲۲ به Linux Foundation واگذار کرد. چون در زمان ساخت PyTorch، GPUهای Nvidia استاندارد پژوهش هوش مصنوعی بودند، بسیاری از قابلیت‌های این فریم‌ورک به‌طور خاص برای سخت‌افزار Nvidia طراحی شده‌اند.

تفاوت رویکرد گوگل و آمازون#

آمازون علاوه بر انتشار TorchNeuron، اعلام کرده که کدهایی به پروژه‌ی اصلی PyTorch ارسال می‌کند که وابستگی برخی قابلیت‌ها را از تراشه‌های Nvidia جدا می‌کند تا PyTorch به‌طور پیش‌فرض برای هر سخت‌افزاری بازتر باشد.

گوگل در چند نقطه جلوتر رفته است. این شرکت می‌گوید مستقیماً با متا، Hugging Face، Inferact (سازنده‌ی vLLM) و RadixArk (سازنده‌ی SGLang) کار کرده تا TorchTPU با این ابزارهای محبوب سازگار باشد. همچنین مجموعه‌ای به نام TPU agent suite برای کمک به مهاجرت اپلیکیشن‌ها منتشر کرده و ابزار LiteRT را — که مدل‌ها را روی گوشی، لپ‌تاپ و دستگاه‌های امبدد اجرا می‌کند — برای سازگاری بهتر با PyTorch به‌روزرسانی کرده است.

خوانش تحریریه#

انتشار هم‌زمان TorchTPU و TorchNeuron یک نشانه‌ی روشن است: دو ابررایانه‌ی بزرگ دیگر فقط تراشه‌ی اختصاصی نمی‌سازند، بلکه اکوسیستم نرم‌افزاری آن را هم می‌سازند. اما این به معنای مهاجرت دسته‌جمعی توسعه‌دهندگان از Nvidia نیست. بیشتر تیم‌ها تا زمانی که هزینه‌ی مهاجرت (نه فنی، بلکه سازمانی و ریسکی) پایین نیاید، دست‌کم نمی‌گیرند. آنچه واقعاً اهمیت دارد، حرکت آمازون در ارسال کد به هسته‌ی اصلی PyTorch است. اگر این کدها پذیرفته شوند، Nvidia دیگر «پیش‌فرض» PyTorch نخواهد بود — و این تغییر ساختاری، مهم‌تر از هر نسخه‌ی اختصاصی است.

منبع: TechCrunch AI