Google rend TorchTPU open source : PyTorch natif sur les TPU

Pourquoi c'est important

PyTorch est le cadre de développement dominant de l'IA -- environ 85 % des applications d'IA l'utiliseraient selon certaines estimations -- et il est optimisé depuis longtemps pour les GPU Nvidia. TorchTPU fait des TPU de Google une option native pour PyTorch, réduisant fortement le coût de migration et fragilisant potentiellement le verrouillage de l'écosystème CUDA de Nvidia.

Lire l'article

Le blog Google Cloud (signé Mark Lohmeyer, vice-président et directeur général de l'infrastructure IA et calcul, et Bill Jia, vice-président de l'ingénierie) a annoncé lors de la PyTorch Conference 2026 que TorchTPU, la pile PyTorch native de Google pour ses TPU, est désormais open source sur GitHub. Les TPU rejoignent ainsi les GPU et les CPU comme option native pour PyTorch, de l'entraînement au déploiement.

TorchTPU a été développé conjointement avec l'équipe PyTorch de Meta et remplace la voie PyTorch/XLA : on débogue en mode eager, puis on utilise torch.compile pour des performances de niveau production. Il suffit de remplacer model.to("cuda") par model.to("tpu") dans le code existant pour l'exécuter sur TPU.

TorchTPU est compatible avec les outils déjà utilisés par les développeurs, dont vLLM, SGLang, llm-d, TorchTitan, Ray, TorchRec, Hugging Face et LiteRT. Google a également publié des backends TPU natifs pour vLLM et SGLang (développés avec Inferact et RadixArk), qui ne passent plus par JAX ; les versions JAX restent maintenues.

Jana van Greunen, directrice de l'ingénierie PyTorch chez Meta, a déclaré que TorchTPU permet à Meta de déployer ses charges PyTorch -- grands modèles de langage, publicités et systèmes de recommandation -- sur les TPU de Google tout en transmettant directement les retours aux équipes d'ingénierie, créant la flexibilité d'écosystème dont tout le monde a besoin.