谷歌据悉联手Meta 强化TPU对PyTorch的支持 以挑战英伟达

据消息人士称，谷歌正在推进一项新计划，使其人工智能（AI）芯片在运行 PyTorch（全球使用最广泛的AI软件框架）方面表现更佳，此举旨在挑战英伟达长期以来在AI芯片领域的主导地位。

谷歌目标是让——其自研芯片张量处理单元（TPU）——成为英伟达GPU的可运行替代方案，但仅有硬件并不足以推动广泛采用。

知情人士称，该计划在谷歌公司内部被称为“TorchTPU”，旨在消除阻碍TPU芯片普及的一项关键障碍，即让已经基于PyTorch软件构建技术基础设施的客户，能够在TPU上获得完全兼容、对开发者友好的体验。

据悉，谷歌正在考虑将部分软件开源，以加快客户采用速度，该公司为TorchTPU项目投入了更多组织资源、战略重视度。

如果谷歌的TorchTPU项目取得成功，将有望显著降低企业从英伟达GPU转向其他方案的切换成本。

TPU普及面临障碍

尽管越来越多的企业开始尝试采用谷歌的TPU，但却在软件层面遇到障碍。

PyTorch是一个由Meta大力支持的开源项目，是AI模型开发者最常用的工具之一。在硅谷，很少有开发者会亲自编写英伟达、AMD或谷歌芯片实际执行的每一行代码。

相反，开发者依赖 PyTorch 等工具——这些工具由预先编写好的代码库和框架组成，能够自动化AI软件开发中的许多常见任务。

PyTorch最初发布于2016年，其发展历程与英伟达的CUDA紧密相连。一些华尔街分析师认为，CUDA是英伟达抵御竞争对手的最强护城河。

多年来，英伟达工程师一直致力于确保基于PyTorch开发的软件在其芯片上运行得尽可能快且高效。

相比之下，谷歌内部开发者团队长期采用另一套名为Jax的代码框架，其TPU芯片则通过名为XLA的工具来高效执行这些代码。谷歌自身的AI软件栈和性能优化大多围绕Jax构建，这使得谷歌芯片的使用方式与客户需求之间存在显著差异。

知情人士称，企业客户一直向谷歌反映，TPU在AI工作负载上的采用难度较高，因为过去它们往往要求开发者从大多数人已在使用的PyTorch，转而切换到谷歌内部更偏好的机器学习框架Jax。

与Meta合作

知情人士还表示，为加快开发进度，谷歌正在与PyTorch的创建者和主要维护方Meta紧密合作。两家科技巨头还在讨论相关交易，让Meta获得更多TPU资源。

早期面向Meta的服务采用谷歌托管模式，即Meta等客户安装谷歌设计的芯片来运行谷歌软件和模型，由谷歌提供运维支持。

相关人士称，Meta在战略上有动力参与让TPU更易运行的软件开发，以降低推理成本，并让自身AI基础设施逐步摆脱对英伟达GPU的依赖，从而增强谈判筹码。