pytorch

Google eröffnet eine neue Front im Rennen um die Infrastruktur für künstliche Intelligenz – diesmal mit Software und nicht nur mit Hardware. ⚡

Google kündigte auf der PyTorch-Konferenz 2026 in Zusammenarbeit mit dem PyTorch-Team von Meta die Open-Source-Verfügbarkeit von TorchTPU an. Das Projekt ermöglicht es, KI-Modelle in PyTorch auf TPU-Einheiten auszuführen – neben GPU und CPU und mit nur geringfügigen Anpassungen am bestehenden Code.

Die wichtigste Entwicklung? 👇

🔹 Frameworks wie vLLM, SGLang, TorchTitan, VeRL und Ray haben TPU-Unterstützung integriert. Dadurch erhalten Entwickler mehr Möglichkeiten, Modelle auszuführen.

🔹 In Hugging Face Transformers v5 ist die Bereitstellung von Modellen auf TPU jetzt möglich, indem `device_map="tpu"` eingestellt wird.

Meiner Meinung nach wird der echte Wettbewerb mit NVIDIA nicht allein durch die Leistungsfähigkeit der Chips entschieden, sondern auch dadurch, wie einfach Entwickler zu Alternativen wechseln können, ohne ihre Systeme von Grund auf neu aufbauen zu müssen. 🚀

Kann Open-Source-Software Google zu einem größeren Anteil am Markt für KI-Computing verhelfen?
$GOOGLB
$NVDAB
$METAB

#Google #Aİ #PyTorch #NVIDIA #Crypto

Schafft der „Hanfwei“-Chip diese Runde—spielt Xuromeda etwa sogar besser als Nvidia?

Gerade habe ich eine Meldung gesehen: Cambricon ist direkt in den höchsten PyTorch-Rang vorgedrungen und sitzt nun quasi am Tisch mit „Old Huang“.

Aber bevor du vorschnell nach dem „nationalen Leuchten“ rufst, erst eine Frage: Wie viel ist dieser Platz wirklich wert? In der PyTorch-Ökologie kommen auf den Tisch im Grunde nur die großen Player wie Nvidia, die quasi von selbst Reichweite mitbringen. Cambricon hat sich diesmal wirklich mit „Hand und Fuß“ hineingedrängt.

Kurz gesagt: Beim Wettkampf um KI-Chips geht es nicht nur um Rechenleistung, sondern um die Macht in der Ökosystem-Debatte. Früher haben wir oft gesagt, dass es bei heimischen Chips an Software-Adaptierung fehlt—diesmal ist es im Prinzip so, als würde man ihnen direkt einen Stuhl in deren Haus hinstellen.

Aber man muss auch das sagen: Auf den Tisch zu kommen ist leicht—doch ob Entwickler wirklich freiwillig dein Framework nutzen, ist die eigentliche Prüfung. Schließlich ist Nvidias CUDA-Burggraben nicht einfach mit einem einzigen Sitzplatz einzuebnen.

Ich persönlich finde, dieser Schachzug ist clever: Zumindest zeigt er, dass Cambricon gelernt hat, erst „in den Kreis hineinzumischen“, bevor man die Regeln festlegt. Aber lass das Jubeln nicht zu früh sein—der Weg ist noch lang, und die Gruben im Software-Ökosystem sind zehnmal schwerer zu füllen als die in der Hardware.

Sag mal: Ist dieser Platz ein Türöffner, oder schon wieder eine Achterbahnfahrt im Sinne eines „epischen Mega-Positivsignals“?

#寒武纪 #PyTorch #AI芯片 #英伟达 #FinanzielleHitze