pytorch

A Google abre uma nova frente na corrida pela infraestrutura de inteligência artificial — desta vez, por meio do software, e não apenas do hardware. ⚡

A Google anunciou a disponibilização do TorchTPU como código aberto durante a conferência PyTorch de 2026, em colaboração com a equipa PyTorch da Meta. O projeto permite executar modelos de inteligência artificial em unidades TPU dentro do PyTorch, além de GPU e CPU, com poucas alterações ao código existente.

A novidade mais importante? 👇

🔹 Frameworks como vLLM, SGLang, TorchTitan, VeRL e Ray integraram suporte para TPU, ampliando as opções dos programadores para executar modelos.

🔹 E, no Hugging Face Transformers v5, já é possível implementar modelos em TPU através da configuração `device_map="tpu"`.

Na minha opinião, a verdadeira concorrência para a NVIDIA não será decidida apenas pela potência dos chips, mas também pela facilidade com que os programadores podem passar para outras alternativas sem reconstruir os seus sistemas do zero. 🚀

Será que o suporte a software de código aberto pode dar à Google uma fatia maior do mercado de computação para inteligência artificial?
$GOOGLB
$NVDAB
$METAB

#Google #Aİ #PyTorch #NVIDIA #Crypto

A jogada da Cambricon nessa aqui é tão boa quanto, ou até melhor que, a da NVIDIA?

Acabei de ver uma notícia: a Cambricon já entrou diretamente no mais alto nível do PyTorch e agora está sentada à mesma mesa do “Sr. Huang”.

Não se apresse em gritar “glória da tecnologia nacional”; primeiro pense numa pergunta: quão valioso é, de verdade, esse lugar? No ecossistema do PyTorch, o pessoal que consegue entrar na mesa é, em geral, gente do calibre da NVIDIA—chefões que já trazem fluxo próprio. Dessa vez, a Cambricon parece ter entrado de forma real, na raça.

Em outras palavras: a competição de chips de IA não é só por poder de computação; é também sobre poder de voz no ecossistema. Antes a gente sempre dizia que chips nacionais sofrem por falta de adaptação de software. Agora, é como se tivessem instalado uma cadeira lá dentro.

Mas, por outro lado, falar em “sentar na mesa” é fácil; o verdadeiro teste é se dá para fazer os desenvolvedores aceitarem o seu framework de coração, de forma espontânea. Afinal, o fosso protetor do CUDA da NVIDIA não se preenche só com um lugar na mesa.

Na minha opinião, essa jogada foi inteligente: pelo menos mostra que a Cambricon aprendeu a “entrar na rede antes de ditar as regras”. Mas não vamos exagerar ainda; o caminho é longo, e as dificuldades do ecossistema de software são dez vezes mais difíceis de preencher do que as do hardware.

Você acha que esse lugar é apenas um cartão de visita—ou é mais uma montanha-russa do tipo “benefício épico” em forma de manchete financeira?

#寒武纪 #PyTorch #AI芯片 #英伟达 #财经热度