pytorch

Google abre un nuevo frente en la carrera por la infraestructura de inteligencia artificial, esta vez a través del software y no solo del hardware. ⚡

Google anunció que TorchTPU estará disponible como código abierto durante la conferencia PyTorch de 2026, en colaboración con el equipo de PyTorch de Meta. El proyecto permite ejecutar modelos de inteligencia artificial en unidades TPU dentro de PyTorch, además de en GPU y CPU, con cambios mínimos en el código existente.

¿El avance más importante? 👇

🔹 Frameworks como vLLM, SGLang, TorchTitan, VeRL y Ray han integrado compatibilidad con TPU, lo que amplía las opciones de los desarrolladores para ejecutar modelos.

🔹 Además, en Hugging Face Transformers v5, ya es posible desplegar modelos en TPU configurando `device_map="tpu"`.

En mi opinión, la verdadera competencia frente a NVIDIA no se decidirá únicamente por la potencia de los chips, sino por lo fácil que les resulte a los desarrolladores pasarse a otras alternativas sin tener que reconstruir sus sistemas desde cero. 🚀

¿Puede el respaldo del software de código abierto darle a Google una mayor cuota del mercado de computación para inteligencia artificial?
$GOOGLB
$NVDAB
$METAB

#Google #Aİ #PyTorch #NVIDIA #Crypto

¿La jugada de Cambricon es tan buena como para superar a Nvidia?

Acabo de ver la noticia: Cambricon se metió directamente en el puesto más alto de PyTorch y ahora está sentado a la misma mesa que el “jefe Huang”.

No te apresures a gritar “orgullo de la industria nacional”; primero, pensemos en algo: ¿qué tan sólido es el verdadero valor de ese asiento? En el ecosistema de PyTorch, quienes logran sentarse suelen ser pesos pesados que ya traen su propio flujo, como Nvidia. Esta vez, Cambricon se ha colado de verdad a fuerza de méritos.

Dicho en claro: en chips de IA no solo compites por potencia de cálculo; compites por la autoridad del ecosistema. Antes siempre decíamos que a los chips nacionales les faltaba adaptación de software. Esta vez, es como si de golpe hubieran instalado una silla dentro de la casa del otro.

Pero ojo: sentarse a la mesa es fácil; la verdadera prueba es si puedes hacer que los desarrolladores realmente quieran usar tu framework. Porque la muralla de CUDA de Nvidia no se rellena con solo un asiento.

En mi opinión, este movimiento es inteligente: al menos demuestra que Cambricon aprendió a “entrar primero en el círculo y luego fijar las reglas”. Pero no lo celebremos demasiado pronto; el camino es largo. Los baches en el ecosistema de software son diez veces más difíciles de rellenar que los del hardware.

Dime tú: ¿este asiento es una simple carta de presentación, o otra montaña rusa de “beneficio histórico”?

#寒武纪 #PyTorch #AI芯片 #英伟达 #财经热度