Por Canuto  

Amazon presentó TorchNeuron, un backend de código abierto que permite ejecutar código existente de PyTorch en sus chips Trainium mediante un cambio de configuración. La herramienta busca facilitar la adopción de esos procesadores, aunque su primera versión todavía deja fuera algunas funciones y pruebas del marco de IA.
***

  • TorchNeuron llegará a beta pública el 20 de octubre y utilizará la licencia de código abierto Apache 2.0.
  • El backend es compatible con Trainium2 y Trainium3, pero aún no admite funciones como las formas de entrada dinámicas.
  • Amazon vincula el lanzamiento con su estrategia para competir con Nvidia y reporta una tasa anualizada de ingresos de chips superior a USD $20.000 millones.

Amazon acerca PyTorch a sus chips Trainium con un cambio de configuración

Sumario: TorchNeuron conecta código de PyTorch con los aceleradores Trainium de Amazon sin exigir una reescritura completa. La primera versión, sin embargo, todavía presenta límites de compatibilidad y omite cerca de 22.000 pruebas del marco.

Amazon anunció TorchNeuron, un backend de código abierto diseñado para ejecutar código de PyTorch en sus chips de inteligencia artificial Trainium. La compañía plantea que los desarrolladores pueden dirigir su código existente a esos procesadores con un cambio de configuración, en lugar de reconstruir sus proyectos desde cero para otra plataforma.

La herramienta entrará en beta pública el 20 de octubre, durante la Conferencia de PyTorch en San José, que se celebra los días 20 y 21 de octubre, y se distribuirá bajo la licencia Apache 2.0. Su compatibilidad inicial incluye Trainium2 y Trainium3, aunque Amazon reconoce que el primer lanzamiento todavía no cubre todas las funciones del marco.

Una transición más sencilla, con límites técnicos

PyTorch es uno de los marcos de software más utilizados para construir modelos de inteligencia artificial, por lo que su compatibilidad puede influir en la decisión de los equipos al escoger hardware. Si un proyecto depende de herramientas y procesos desarrollados alrededor de ese entorno, trasladarlo a un chip distinto puede requerir ajustes, pruebas y trabajo de ingeniería antes de que el modelo vuelva a operar como se espera.

Amazon presenta TorchNeuron como una forma de reducir ese esfuerzo: los desarrolladores seleccionan Trainium mediante un cambio en la configuración del dispositivo y conservan el código PyTorch existente. La propuesta no significa que cualquier programa vaya a funcionar sin modificaciones, pero sí busca que el acceso al hardware no obligue, desde el inicio, a rehacer todo el flujo de trabajo.

En una demostración, la empresa ejecutó el mismo script de entrenamiento en un chip estándar y en Trainium. Amazon afirmó que el modelo aprendió al mismo ritmo en ambos casos; el resultado corresponde a esa prueba presentada por la compañía y no constituye, por sí solo, una evaluación exhaustiva de rendimiento para todos los modelos o cargas de trabajo.

El backend se integra con el sistema de PyTorch que permite agregar compatibilidad con nuevo hardware. Según una publicación de ingenieros de Amazon en el blog de PyTorch, esa integración mantiene en funcionamiento las herramientas estándar de prueba y escalado, una característica que puede facilitar la evaluación del nuevo entorno sin abandonar de inmediato las prácticas habituales de los equipos.

La versión inicial también tiene vacíos concretos. Entre las funciones que todavía no admite figuran las formas de entrada dinámicas, y la publicación técnica indica que TorchNeuron omite aproximadamente 22.000 pruebas de PyTorch; esos límites hacen importante que cada equipo valide sus propias necesidades antes de trasladar cargas de trabajo de producción.

El desafío de atraer desarrolladores a Trainium

La apuesta de Amazon no se limita a vender un chip: también necesita que los desarrolladores puedan llevar sus programas a Trainium sin abandonar herramientas conocidas. En este contexto, ofrecer una vía para conservar código de PyTorch puede reducir una barrera práctica, aunque la cobertura incompleta de funciones muestra que la compatibilidad aún debe evolucionar.

La diferencia entre anunciar compatibilidad y cubrir todos los casos importa especialmente en proyectos que dependen de funciones específicas o de pruebas automatizadas extensas. La cifra de pruebas omitidas no detalla por sí misma qué aplicaciones tendrán problemas, pero sí señala que la validación del backend sigue siendo una parte relevante del trabajo para quienes evalúen su uso.

Amazon busca competir con Nvidia, cuyos chips y software CUDA dominan la computación de inteligencia artificial, según el contexto descrito por The Next Web. La estrategia de TorchNeuron apunta a un aspecto distinto de la potencia del hardware: hacer que los equipos puedan probar los chips propios de Amazon con menos cambios en su código y en sus herramientas habituales.

La apertura bajo Apache 2.0 ofrece a los desarrolladores acceso al backend como software de código abierto, mientras que la beta pública dará una instancia concreta para probar sus capacidades. La fuente no detalla un calendario para cerrar las brechas técnicas, de modo que la expansión efectiva dependerá también de cómo avance la compatibilidad después de esta primera etapa.

Primeros usuarios y dimensión comercial

Entre los primeros usuarios mencionados aparecen las startups de inteligencia artificial de voz Cartesia y Deepgram, además del Lieber Institute for Brain Development, que emplea Trainium en investigación de fármacos. Esos casos muestran aplicaciones distintas, pero la información disponible no especifica qué modelos ejecuta cada organización ni qué resultados concretos ha obtenido con los chips.

Hugging Face también añadió soporte para Trainium a sus herramientas de inteligencia artificial, lo que amplía la presencia del hardware dentro de otro conjunto de recursos utilizados por desarrolladores. Por separado, Uber se registró recientemente para usar los chips en un acuerdo de expansión de AWS, aunque no se ofrecieron cifras sobre el alcance del despliegue ni sobre las tareas que ejecutará.

Amazon enmarca el lanzamiento dentro de su negocio de chips personalizados. En abril, Andy Jassy dijo que esa unidad tenía una tasa anualizada de ingresos superior a USD $20.000 millones y que podría alcanzar USD $50.000 millones si sus chips se ofrecieran en el mercado más amplio, fuera de AWS. La cifra de USD $50.000 millones se refiere a ese potencial de ingresos, no a una valoración del negocio.

Uno de los socios de lanzamiento de TorchNeuron es Decart, una startup de software para chips de inteligencia artificial sobre la que se había informado que Amazon mantenía conversaciones para adquirirla. Esa información no confirma que exista una compra acordada, pero sitúa al socio dentro de un contexto de interés comercial en herramientas vinculadas con el desarrollo de software para aceleradores.

La beta permitirá observar si el cambio de configuración que promete Amazon resulta suficiente para las necesidades de más equipos y qué ajustes exige la compatibilidad con Trainium2 y Trainium3. Por ahora, TorchNeuron ofrece una puerta de entrada para probar código PyTorch en los procesadores de Amazon, con un beneficio potencial de simplicidad y límites técnicos que todavía deben tenerse en cuenta.

Imagen original de DiarioBitcoin, creada con inteligencia artificial, de uso libre, licenciada bajo Dominio Público.

Este artículo fue escrito por un redactor de contenido de IA y revisado por un editor humano para garantizar calidad y precisión.


ADVERTENCIA: DiarioBitcoin ofrece contenido informativo y educativo sobre diversos temas, incluyendo criptomonedas, IA, tecnología y regulaciones. No brindamos asesoramiento financiero. Las inversiones en criptoactivos son de alto riesgo y pueden no ser adecuadas para todos. Investigue, consulte a un experto y verifique la legislación aplicable antes de invertir. Podría perder todo su capital.

Suscríbete a nuestro boletín

Artículos Relacionados