Por Canuto  

Google presentó TorchTPU como proyecto de código abierto para facilitar que aplicaciones creadas con PyTorch funcionen en sus chips de IA y en Google Cloud. La iniciativa llega un día después de que Amazon anunciara TorchNeuron y se suma a los esfuerzos por ofrecer alternativas al hardware de Nvidia.
***

  • TorchTPU busca permitir el traslado de aplicaciones de PyTorch a las TPU de Google mediante un cambio de configuración, sin reescribirlas.
  • Amazon anunció TorchNeuron para llevar aplicaciones a sus chips Trainium y también propone cambios en el proyecto principal de PyTorch.
  • Google afirma que coordinó compatibilidad con herramientas como Hugging Face, vLLM y SGLang, pero la disponibilidad de alternativas no garantiza una migración masiva desde Nvidia.

 

Dos nuevas rutas para las aplicaciones de IA

Google anunció el martes 20 de octubre que TorchTPU, su lanzamiento de PyTorch, ya está disponible como proyecto de código abierto. La herramienta busca que las aplicaciones de inteligencia artificial creadas con ese popular entorno puedan ejecutarse en las unidades de procesamiento tensorial de Google, conocidas como TPU, y facilitar su traslado a Google Cloud.

La propuesta se suma al anuncio de Amazon del lunes, cuando presentó TorchNeuron para llevar aplicaciones de PyTorch a Trainium, su chip de IA desarrollado internamente, y a AWS. En ambos casos, las compañías plantean una ruta para que desarrolladores cambien de plataforma sin tener que reescribir sus aplicaciones, una característica que apunta a reducir las barreras técnicas para probar hardware alternativo.

PyTorch es un conjunto de herramientas de código abierto que startups y desarrolladores utilizan para construir, entrenar y ejecutar modelos de IA. Algunos informes citados por TechCrunch calculan que se usa en el 85% de las aplicaciones de inteligencia artificial, aunque la nota no detalla la metodología ni el universo considerado para esa estimación.

La importancia de PyTorch para esta disputa se relaciona con la estrecha conexión histórica entre el software de IA y las GPU de Nvidia. Cuando Meta desarrolló originalmente PyTorch en 2016, las GPU de esa compañía ya eran el hardware habitual en la investigación de inteligencia artificial, por lo que muchas funciones del entorno se diseñaron para operar con ellas.

Meta transfirió PyTorch en 2022 a la Linux Foundation, una organización sin fines de lucro que administra proyectos de código abierto. Ese cambio de custodia no elimina por sí mismo las dependencias técnicas acumuladas, pero sitúa el desarrollo del proyecto en un marco abierto que ahora se convierte en un espacio de competencia entre fabricantes de chips.

Compatibilidad, herramientas y límites del cambio

Google sostiene que TorchTPU permite migrar aplicaciones existentes con un sencillo ajuste de configuración, sin exigir que sus equipos vuelvan a escribir el código. La compañía presenta esa facilidad como una forma de conectar el trabajo realizado en PyTorch con sus TPU y sus servicios en la nube, en vez de obligar a los desarrolladores a abandonar sus herramientas habituales.

La empresa también aseguró que trabajó directamente con Meta, Hugging Face, Inferact, creadora de vLLM, y RadixArk, creadora de SGLang, entre otros participantes. Según Google, esa colaboración busca que las funciones y bibliotecas de TorchTPU se integren adecuadamente con herramientas populares de desarrollo de IA, de manera comparable con la experiencia de PyTorch en su entorno original.

Como complemento, Google lanzó una suite de agentes para TPU, pensada para asistir a los desarrolladores durante la migración y ayudarles a corregir errores en el proceso. También actualizó LiteRT, su herramienta para ejecutar IA en teléfonos, computadoras portátiles y dispositivos integrados, con el objetivo de mejorar su funcionamiento con aplicaciones de PyTorch.

Amazon, por su parte, no limita su estrategia a ofrecer TorchNeuron para Trainium y AWS. La compañía dijo que está aportando código al proyecto principal de PyTorch para desacoplar varias funciones de las GPU de Nvidia, con la intención de que el marco de trabajo resulte más abierto a distintos tipos de hardware por defecto.

Las iniciativas de Google y Amazon muestran que ambas quieren disputar la ventaja que Nvidia ha construido entre desarrolladores de aplicaciones de IA. Sin embargo, disponer de una ruta de migración más sencilla no significa que los equipos vayan a abandonar en masa las GPU de Nvidia: la noticia no reporta una migración generalizada, sino esfuerzos empresariales por hacer viables otras opciones.

El resultado dependerá de que las herramientas funcionen de forma confiable con las aplicaciones y bibliotecas que los desarrolladores ya usan, y de que el cambio les resulte conveniente en la práctica. TorchTPU y TorchNeuron ponen ese desafío sobre la mesa; por ahora, Google y Amazon han anunciado productos y trabajos de compatibilidad, no el fin del dominio de Nvidia.

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