Google се изправя срещу Nvidia с помощта на Meta

Google работи по нова инициатива, която да подобри чиповете за изкуствен интелект, за да работят по-добре с PyTorch, най-широко използваната софтуерна платформа за изкуствен интелект в света. Целта е да се отслаби дългогодишното господство на Nvidia на пазара за изчислителни системи за изкуствен интелект.

Усилията са част от агресивния план на Google да направи своите Tensor Processing Units (TPU) жизнеспособна алтернатива на водещите на пазара графични процесори (GPU) на Nvidia. Продажбите на TPU са се превърнали в ключов двигател за растежа на приходите на Google от облачни услуги, тъй като компанията се стреми да докаже на инвеститорите, че инвестициите й в изкуствен интелект носят възвръщаемост.

Но хардуерът сам по себе си не е достатъчен, за да стимулира приемането. Новата инициатива, известна вътрешно като „TorchTPU“, има за цел да премахне ключова бариера, която е забавила приемането на TPU чипове, като ги направи напълно съвместими и удобни за разработчиците за клиенти, които вече са изградили своята технологична инфраструктура, използвайки софтуера PyTorch, казват източниците. Google също така обмисля да направи части от софтуера отворен код, за да ускори приемането му сред клиентите, казват някои от източниците.

В сравнение с по-ранните опити да се подкрепи PyTorch на TPU, Google е посветила повече организационен фокус, ресурси и стратегическо значение на TorchTPU, тъй като търсенето нараства от компании, които искат да внедрят чиповете, но считат софтуерния стек за пречка, казват източниците.

PyTorch, проект с отворен код, силно подкрепен от Meta Platforms, е един от най-широко използваните инструменти за разработчици, които създават AI модели. В Силициевата долина много малко разработчици пишат всеки ред код, който чиповете от Nvidia, Advanced Micro Devices или Google действително изпълняват.

Вместо това тези разработчици разчитат на инструменти като PyTorch, който е колекция от предварително написани библиотеки с код и рамки, които автоматизират много общи задачи при разработването на AI софтуер.

Инженерите на Nvidia са прекарали години в усилията си да гарантират, че софтуерът, разработен с PyTorch, работи възможно най-бързо и ефективно на чиповете им. Google, от друга страна, отдавна разполага с вътрешни екипи от софтуерни разработчици, които използват различна рамка за код, наречена Jax, а чиповете TPU използват инструмент, наречен XLA, за да направят този код да работи ефективно. Голяма част от софтуерния стек за изкуствен интелект и оптимизацията на производителността на Google са изградени около Jax, което увеличава разликата между начина, по който Google използва своите чипове, и начина, по който клиентите искат да ги използват.

Ако бъде успешна, инициативата „TorchTPU” на Google би могла значително да намали разходите за преминаване към други продукти за компаниите, които искат алтернативи на GPU на Nvidia. Доминиращата позиция на Nvidia е подсилена не само от хардуера, но и от софтуерната екосистема CUDA, която е дълбоко вградена в PyTorch и се е превърнала в стандартния метод, по който компаниите обучават и изпълняват големи AI модели.

За да ускори разработката, Google работи в тясно сътрудничество с Meta, създателя и управителя на PyTorch, според източниците. Двата технологични гиганта обсъждат сделки за достъп на Meta до повече TPU.