消息称谷歌联手 Meta 推进“TorchTPU”计划，挑战英伟达 AI 芯片霸主地位

感谢亚汇网网友HH_KK、据亚汇网了解，该计划是谷歌雄心勃勃的战略布局之一，核心目标是让旗下张量处理单元（TPU）成为英伟达市场领先的图形处理器（GPU）的可靠替代品。随着谷歌试图向投资者证明其人工智能相关投资已产生回报，TPU的销售额已成为谷歌云业务收入的关键增长引擎。但知情人士表示，仅凭硬件优势不足以推动客户广泛采用。这项内部代号为“TorchTPU”的新计划，旨在消除阻碍TPU芯片普及的核心障碍——通过实现TPU与PyTorch的完全兼容，并提升对开发者的友好度，来吸引那些已基于PyTorch构建技术架构的客户。部分知情人士还透露，谷歌正考虑将该软件的部分组件开源，以加快客户的采用进程。知情人士称，相较于此前为支持TPU运行PyTorch所做的尝试，谷歌此次对TorchTPU投入了更多的组织关注度、资源与战略权重。背后的原因是，越来越多有意采用TPU的企业认为，相关软件栈是制约芯片落地的瓶颈。PyTorch是一个由Meta公司深度支持的开源项目，也是人工智能模型开发者最常使用的工具之一。在硅谷，极少有开发者会逐行编写能在英伟达、AMD或谷歌芯片上直接执行的代码。相反，开发者们会依赖PyTorch这类工具，其整合了大量预先编写的代码库与框架，能够自动化完成人工智能软件开发中的诸多常见任务。PyTorch于2016年首次发布，其发展历程与英伟达的并行计算架构（CUDA）紧密相连。部分华尔街分析师认为，CUDA正是英伟达抵御竞争对手的最强壁垒。英伟达的工程师耗时多年优化，确保基于PyTorch开发的软件能在其芯片上实现极致的运行速度与效率。相比之下，谷歌长期以来一直让内部的大批软件开发人员使用另一款名为Jax的代码框架，旗下TPU芯片则通过XLA工具来提升代码的运行效率。谷歌自身的大部分人工智能软件栈与性能优化工作均围绕Jax展开，这使得谷歌自身的芯片使用方式，与客户期望的使用方式之间的差距逐渐拉大。谷歌云发言人未就该项目的具体细节置评，但向路透社证实，此举将为客户提供更多选择。该发言人表示：“我们看到市场对我们的TPU和GPU基础设施的需求正在大规模激增。我们的核心关注点是，无论开发者选择基于何种硬件进行开发，都能为他们提供所需的灵活性与规模支持。”面向客户的TPU长期以来，Alphabet将旗下大部分TPU芯片优先用于内部业务。这一局面在2022年发生改变，谷歌云计算部门成功游说公司，接管了负责TPU销售的团队。这一调整大幅增加了谷歌云的TPU配额。随着客户对人工智能的兴趣日益浓厚，谷歌也在通过扩大产能、向外部客户销售TPU的方式，把握这一市场机遇。然而，全球多数人工智能开发者使用的PyTorch框架，与谷歌芯片目前高度适配的Jax框架之间存在兼容性鸿沟。这意味着，大多数开发者若想采用谷歌芯片，并使其性能媲美英伟达产品，就必须投入大量额外的工程开发工作。在竞争激烈的人工智能赛道，这些工作既耗时又耗钱。若“TorchTPU”计划能成功落地，将大幅降低那些寻求英伟达GPU替代品的企业的迁移成本。英伟达的市场主导地位不仅源于其硬件优势，更得益于其CUDA软件生态系统，该系统已深度嵌入PyTorch，成为企业训练和运行大型人工智能模型的默认方案。知情人士称，企业客户向谷歌反馈，TPU在人工智能工作负载场景中较难推广，原因在于过去使用TPU往往要求开发者放弃行业主流的PyTorch，转而使用谷歌内部偏好的机器学习框架Jax。与Meta的合作知情人士透露，为加速开发进程，谷歌正与PyTorch的研发与维护方Meta展开紧密合作。此前《TheInformation》曾报道，两家科技巨头正在洽谈相关合作，拟让Meta获得更多TPU的使用权。谷歌最初向Meta提供的是托管服务模式——像Meta这样的客户可部署谷歌专为运行其软件和模型设计的芯片，同时由谷歌提供运维支持。知情人士表示，Meta在推动TPU兼容软件的开发方面有着明确的战略考量：此举有助于降低模型推理成本，推动其人工智能基础设施摆脱对英伟达GPU的依赖，从而在合作谈判中掌握更多主动权。Meta方面则拒绝就此置评。今年以来，谷歌已开始直接向客户的数据中心销售TPU，不再将其使用权限局限于自家云平台。本月，谷歌资深高管阿明?瓦赫达特被任命为人工智能基础设施负责人，直接向谷歌首席执行官桑达尔?皮查伊汇报。谷歌的人工智能基础设施肩负着双重使命：既要支撑Gemini聊天机器人、人工智能驱动的搜索引擎等自研产品的运行，也要为谷歌云的客户提供服务，例如，向人工智能公司Anthropic等企业出售TPU的使用权。广告声明：文内含有的对外跳转链接（包括不限于超链接、二维码、口令等形式），用于传递更多信息，节省甄选时间，结果仅供参考，亚汇网所有文章均包含本声明。