N環球 N GLOBE
فناوری ایالات متحده

TorchTPU منبع باز Google، PyTorch بومی را به TPU ها می آورد

· N GLOBE

گوگل در کنفرانس PyTorch 2026 اعلام کرد که TorchTPU، پشته PyTorch بومی آن برای TPU که با تیم PyTorch متا توسعه داده شده است، اکنون در GitHub منبع باز است. کد PyTorch موجود روی TPU های گوگل با حداقل تغییرات اجرا می شود.

چرا مهم است

PyTorch چارچوب توسعه AI غالب است - برخی تخمین ها می گویند که حدود 85٪ از برنامه های AI از آن استفاده می کنند - و مدت هاست که برای GPU های Nvidia بهینه شده است. TorchTPU TPU های گوگل را به گزینه ای بومی برای PyTorch تبدیل می کند که هزینه مهاجرت را به شدت کاهش می دهد و احتمالاً قفل اکوسیستم CUDA انویدیا را کاهش می دهد.

گزارش کامل

وبلاگ Google Cloud (توسط Mark Lohmeyer، معاون و GM زیرساخت هوش مصنوعی و محاسبات، و Bill Jia، معاون مهندسی) در کنفرانس PyTorch 2026 اعلام کرد که TorchTPU، پشته PyTorch بومی Google برای TPU ها، اکنون در GitHub منبع باز است. TPU ها اکنون به GPU ها و CPU ها به عنوان یک گزینه بومی برای PyTorch می پیوندند که شامل آموزش، سرویس دهی و استقرار می شود.

TorchTPU با تیم PyTorch در Meta توسعه داده شد و جایگزین مسیر PyTorch/XLA می شود که قبلاً به آن اعتماد داشتند: اشکال زدایی در حالت مشتاق، سپس از torch.compile برای عملکرد در سطح تولید استفاده کنید. کد موجود فقط باید model.to("cuda") را به model.to("tpu") تغییر دهد تا روی TPU اجرا شود.

TorchTPU با ابزارهایی کار می کند که توسعه دهندگان قبلاً از آن استفاده می کردند، از جمله vLLM، SGLang، llm-d، TorchTitan، Ray، TorchRec، Hugging Face و LiteRT. Google همچنین پشتیبان‌های TPU بومی را برای vLLM و SGLang (به ترتیب با Inferact و RadixArk ساخته شده‌اند) منتشر کرد که دیگر از JAX استفاده نمی‌کنند. نسخه های JAX حفظ می شوند.

جانا ون گرونن، مدیر مهندسی PyTorch در متا، در این اطلاعیه گفت که TorchTPU به Meta اجازه می دهد تا بارهای کاری PyTorch - LLM ها، تبلیغات و سیستم های توصیه را - در TPU های Google مستقر کند و در عین حال بازخورد را مستقیماً به تیم های مهندسی می دهد و انعطاف پذیری اکوسیستم را ایجاد می کند که همه به آن نیاز دارند.

💬 Comments

No comments yet. Be the first!