Google-მა AI ჩიპებისთვის უფასო TorchTPU გამოუშვა და NVIDIA-ს კონკურენციას უმწვავებს

TorchTPU უკვე ღია კოდით ხელმისაწვდომია, თუმცა ის Google-ის TPU ჩიპებისთვისაა შექმნილი და NVIDIA-ს სრულად ვერ ჩაანაცვლებს.

Amazon-ის მსგავსი ნაბიჯიდან ერთი დღის შემდეგ, 20 ოქტომბერს, Google Cloud-მა PyTorch Conference 2026-ზე ახალი უფასო ინსტრუმენტი, TorchTPU, წარადგინა. მისი დახმარებით AI დეველოპერებს უკვე დაწერილი პროგრამების Google-ის TPU ჩიპებზე გაშვება კოდის თითქმის შეუცვლელად შეუძლიათ. Google Cloud-ის ოფიციალური ბლოგის მიხედვით, TorchTPU-ს კოდი GitHub-ზე ყველასთვის ხელმისაწვდომია. ეს NVIDIA-სთვის კონკურენციის გაძლიერებისკენ გადადგმული კიდევ ერთი ნაბიჯია.

რატომ არის PyTorch ასეთი მნიშვნელოვანი?

PyTorch უფასო პროგრამული ინსტრუმენტების ნაკრებია, რომლითაც დეველოპერები ხელოვნური ინტელექტის მოდელებს ქმნიან, ავარჯიშებენ და ამუშავებენ. TechCrunch-ის ინფორმაციით, ზოგიერთი შეფასებით, AI აპლიკაციების დაახლოებით 85% სწორედ PyTorch-ს იყენებს.

PyTorch 2016 წელს Meta-მ, მაშინდელმა Facebook-მა, შექმნა. იმ პერიოდში AI ინდუსტრიაში NVIDIA-ს გრაფიკული პროცესორები უკვე ფართოდ გამოიყენებოდა. ამიტომ PyTorch-ის ბევრი შესაძლებლობა თავიდანვე ამ ჩიპებზე იყო მორგებული. 2022 წელს Meta-მ პროექტის მართვა Linux Foundation-ს გადასცა.

TPU კი Google-ის სპეციალური ჩიპია, რომელიც AI გამოთვლებისთვისაა შექმნილი და Google Cloud-ის საშუალებით გამოიყენება.

აქამდე დეველოპერებს, რომლებსაც NVIDIA-სთვის დაწერილი პროგრამების Google-ის ჩიპებზე გადატანა სურდათ, დამატებითი ტექნიკური სამუშაოების შესრულება უწევდათ.

TorchTPU სწორედ ამ პროცესის გამარტივებას ემსახურება. TechCrunch-ის განმარტებით, ბევრ შემთხვევაში პროგრამის თავიდან დაწერის ნაცვლად მარტივი კონფიგურაციული ცვლილების განხორციელებაც საკმარისია.

Google-ის განცხადებით, „TPU ჩიპები PyTorch-ისთვის GPU-სა და CPU-სთან ერთად სრულფასოვან ალტერნატივად იქცევა“.

Google და Meta ერთად მუშაობენ

TorchTPU Google-მა Meta-ს PyTorch-ის გუნდთან თანამშრომლობით შექმნა. ეს მნიშვნელოვანია, რადგან თავად PyTorch-ის შემქმნელები სხვადასხვა მწარმოებლის ჩიპებთან თავსებადობის გაუმჯობესებაში მონაწილეობენ.

Google-ის ბლოგში Meta-ს წარმომადგენლები საკუთარ პოზიციას ასე ხსნიან: „ჩვენ არ შეგვიძლია მხოლოდ ერთი ტექნიკური არქიტექტურით ვიყოთ შეზღუდული“.

პროექტში ჩართულია Hugging Face-იც, პლატფორმა, რომელსაც AI მოდელების გასაზიარებლად და გამოსაყენებლად ფართოდ იყენებენ.

მის Transformers v5 ბიბლიოთეკაში Google-ის ჩიპზე მოდელის გასაშვებად საკმარისია პარამეტრის device_map=”tpu” მითითება.

Google-მა TorchTPU სხვა პოპულარულ პროგრამულ სისტემებთანაც დააკავშირა, მათ შორის Inferact-ის vLLM-თან, RadixArk-ის SGLang-თან და Ray-სთან. TorchTitan-ის საშუალებით მოდელების გაწვრთნის პროცესიც შემოწმდა ათასობით Ironwood TPU ჩიპზე.

კომპანიამ GitHub-ზე საცდელად გამოაქვეყნა AI დამხმარე ინსტრუმენტებიც, რომლებიც დეველოპერებს პროგრამების TPU-ზე გადატანასა და შეცდომების გამოსწორებაში ეხმარება.

ამავე განახლების ნაწილია Red Hat-სა და IBM-თან თანამშრომლობით შექმნილი llm-d 1.0, რომელიც AI მოდელების მრავალ სერვერზე მუშაობას მართავს. LiteRT, რომელსაც ადრე TensorFlow Lite ერქვა, PyTorch-ის ეკოსისტემასაც უერთდება, რათა AI მოდელების ტელეფონებზე, ლეპტოპებსა და მცირე ზომის მოწყობილობებზე გაშვება გახდეს შესაძლებელი.

NVIDIA-ს კონკურენცია ეზრდება

Google ამ მიმართულებით მარტო არ მოქმედებს. 19 ოქტომბერს Amazon-მა TorchNeuron გამოუშვა, რომელიც PyTorch-ის პროგრამების საკუთარ Trainium ჩიპებზე გაშვებას ამარტივებს.

ორივე კომპანია ცდილობს, AI დეველოპერებს NVIDIA-ს ჩიპების ალტერნატივა შესთავაზოს ისე, რომ უკვე დაწერილი პროგრამების შეცვლაზე დიდი დროის დახარჯვა არ დასჭირდეთ.

თუმცა ეს არ ნიშნავს, რომ დეველოპერები NVIDIA-ს მასობრივად მიატოვებენ. TechCrunch-ის შეფასებით, Google-ისა და Amazon-ის ნაბიჯები უფრო მეტად NVIDIA-ს მრავალწლიანი უპირატესობის შემცირების მცდელობაა.

დეველოპერებისთვის მთავარი შედეგი არჩევანის გაფართოებაა. ერთი და იმავე AI პროგრამის სხვადასხვა მწარმოებლის ჩიპებზე გაშვება თანდათან მარტივდება.

წყარო: Google Cloud: TorchTPU is now open source, run native PyTorch on TPUs | TechCrunch

ეს სტატია შეიქმნა AI ხელსაწყოებით, პროცესში ადამიანის ჩართულობა დაახლოებით 10%-ია.