يمتدّ التنافس في سوق رقائق الذكاء الاصطناعي من أداء الأجهزة إلى منظومة البرمجيات. ففي 20 أكتوبر، أعلنت Meta وGoogle معًا عن إتاحة TorchTPU مفتوح المصدر، ما يتيح للمطوّرين تشغيل نماذج الذكاء الاصطناعي على وحدات Google TPU مباشرةً باستخدام PyTorch. والأكثر أهميةً أن Meta أكدت علنًا للمرة الأولى أنها تستخدم بالفعل وحدات Google TPU لتشغيل أعباء عمل استدلال الذكاء الاصطناعي في بيئة الإنتاج الفعلية. وهذا يعني أن مسرّعات Google المطوّرة داخليًا لم تعد خيارًا يقتصر على منتجاتها أو على عدد قليل من شركائها، بل بدأت تتغلغل أيضًا في البنية التحتية للذكاء الاصطناعي لدى شركات التكنولوجيا الكبرى.

Meta تؤكد دخول Google TPU حيّز الإنتاج، فلم يعد استخدامها مقتصرًا على التجارب

صدر هذا الخبر ضمن إعلان تقني أطلقته Google خلال مؤتمر PyTorch 2026. أعلنت Google عن فتح المصدر رسميًا لـ TorchTPU، الذي طورته بالتعاون مع Meta، كما أطلقت محركي استدلال أصليين لـ vLLM وSGLang يعتمدان على TorchTPU، ما يتيح دمج Google TPU مباشرةً مع أطر الاستدلال السائدة حاليًا للنماذج اللغوية الكبيرة.

وأشار الإعلان المشترك بين Google وفريق SGLang صراحةً إلى أن SGLang-TorchTPU يعمل بالفعل في بيئة الإنتاج واسعة النطاق لدى Meta.

وأكد Zongwei Zhou، المسؤول عن PyTorch-TPU في Meta، أيضًا أن هذا النظام هو ثمرة تعاون وثيق بين Meta وGoogle وSGLang، وأنه أصبح قادرًا على الاندماج في البنية التحتية الحالية للذكاء الاصطناعي لدى Meta، وتلبية متطلبات أحمال عمل الذكاء الاصطناعي المتقدمة من حيث الأداء والموثوقية والمرونة.

Google وMeta تتعاونان لفتح مصدر TorchTPU

لطالما لم تقتصر ميزة Nvidia في سوق مسرّعات الذكاء الاصطناعي على القدرة الحاسوبية لوحدات GPU نفسها، بل شملت منظومة برمجية متكاملة بُنيت حول CUDA.

يمكن للمطورين تحسين نماذج الذكاء الاصطناعي باستخدام أدوات مثل CUDA وcuDNN وTensorRT، إلى جانب الدعم الناضج لوحدات GPU في أطر التعلم العميق مثل PyTorch، ما جعل Nvidia الخيار الأبرز لتدريب الذكاء الاصطناعي واستدلاله. وحتى إن كانت الشرائح الأخرى أقل سعرًا أو أكثر كفاءة في استهلاك الطاقة، فقد يواصل المطورون استخدام وحدات GPU من Nvidia بسبب تكلفة النقل والتوافق البرمجي وتعقيد التطوير.

واجهت Google TPU مشكلة مشابهة في الماضي. فعلى الرغم من استخدام Google لوحدات TPU منذ فترة طويلة في أحمال عمل الذكاء الاصطناعي مثل البحث والإعلانات وGemini، كان المطورون يحتاجون عادةً إلى استخدام JAX أو TensorFlow أو سلسلة أدوات مخصصة لـ PyTorch/XLA للاستفادة الكاملة من TPU.

يسعى TorchTPU إلى تغيير هذا الوضع. ووفقًا للإعلان الرسمي من PyTorch، فإن TorchTPU هو خلفية أصلية لـ PyTorch TPU طورتها Google وMeta معًا، تتيح لـ TPU أن تصبح جهازًا حاسوبيًا يدعمه PyTorch، مثل GPU وCPU.

يقلل هذا التصميم من العوائق أمام نقل النماذج من GPU إلى TPU، ويعني أن المطورين لن يحتاجوا إلى إعادة بناء عملية التطوير بأكملها لاستخدام شرائح Google.

أفادت PyTorch رسميًا بأن TorchTPU يدعم نحو 450 عملية من ATen، وأن الاختبارات أثبتت إمكانية تشغيل أكثر 5,000 نموذج تنزيلًا من Hugging Face في هذه البيئة، بما يشمل عائلات النماذج السائدة مثل Qwen وDeepSeek وGemma وLlama.

دعم كامل لـ TPU في vLLM وSGLang، وGoogle تتحدى Nvidia في سوق الاستدلال

إلى جانب الدعم الأصلي في PyTorch، يتمثل أحد أبرز التطورات الأخرى في هذا الإعلان في الدمج الرسمي لـ Google TPU مع إطارين رئيسيين لاستدلال الذكاء الاصطناعي: vLLM وSGLang. ويُستخدم هذان الإطاران على نطاق واسع لتقديم خدمات النماذج اللغوية الكبيرة، إذ يوفران ميزات مثل المعالجة الدفعية وإدارة KV Cache وفك الترميز التخميني والاستدلال الموزع، ما يساعد مزودي خدمات الذكاء الاصطناعي على معالجة أعداد كبيرة من طلبات Token بتكلفة أقل.

كانت نضج منظومة برمجيات الاستدلال هذه في الماضي ميزة تنافسية مهمة لوحدات GPU من Nvidia. أما الآن، فإن دمج Google الدعم الأصلي لـ TPU في vLLM وSGLang يعني أن بإمكان المطورين الاحتفاظ بالنماذج وأطر الاستدلال التي اعتادوا عليها، ثم اختيار شرائح مختلفة وفقًا للسعر والأداء وتوافر الإمدادات.

أفادت Google بأن محركي الاستدلال الجديدين يعملان بالفعل في بيئات إنتاج واسعة النطاق لدى بعض العملاء المشاركين في المعاينة، ويدعمان المحادثات متعددة الأدوار والسياقات الطويلة وأحمال عمل الوكلاء والنماذج متعددة الوسائط والاستدلال الموزع واسع النطاق. وبالنسبة إلى Google، يعني ذلك أن TPU بدأ يمتلك منظومة برمجية تجارية خارجية أكثر اكتمالًا، بدلًا من أن يكون مجرد عتاد محسّن خصيصًا للنماذج الداخلية لدى Google.

نُشر هذا المقال بعنوان «Meta تنشر Google TPU! وتتعاون لفتح مصدر TorchTPU، ما يضع خندق CUDA الدفاعي لدى Nvidia أمام التحدي» أولًا على Chain News ABMedia.