الحوسبة والسحابة
Google تتحدى هيمنة Nvidia في الذكاء الاصطناعي بإطلاق TorchTPU مفتوح المصدر
أطلقت Google نسخة مفتوحة المصدر من PyTorch خاصة بشرائح TPU التابعة لها تحت اسم TorchTPU، لتنضم إلى TorchNeuron الخاص بـAmazon والمخصص لشريحة Trainium، في تحدي هيمنة Nvidia على برمجيات الذكاء الاصطناعي.
أعلنت Google يوم الثلاثاء أن TorchTPU، نسختها الخاصة من حزمة أدوات PyTorch، متاحة الآن كمشروع مفتوح المصدر — في أحدث خطوة لتقويض سيطرة Nvidia على صناعة الذكاء الاصطناعي، حيث تُكتب معظم تطبيقات الذكاء الاصطناعي افتراضياً للعمل على معالجات Nvidia الرسومية (GPU). وتُستخدم PyTorch، حزمة الأدوات مفتوحة المصدر التي يستخدمها مطورو الذكاء الاصطناعي لبناء النماذج وتدريبها وتشغيلها، في ما يقدَّر بنحو 85% من تطبيقات الذكاء الاصطناعي؛ وقد ابتكرتها Meta في عام 2016، حين كانت شرائح Nvidia تسيطر فعلاً على عتاد أبحاث الذكاء الاصطناعي، قبل أن تسلمها إلى مؤسسة Linux Foundation غير الربحية في عام 2022.
وتتيح TorchTPU تشغيل التطبيقات على شرائح الذكاء الاصطناعي الخاصة بـGoogle، المعروفة بوحدات معالجة المصفوفات الموترة (TPU)، ونقل تطبيقات PyTorch القائمة إلى TPU — وبالتبعية إلى Google Cloud — من خلال تعديل بسيط في الإعدادات دون إعادة كتابة الكود. وتأتي هذه الخطوة تماشياً مع خطوة مماثلة اتخذتها Amazon قبل يوم واحد، بإطلاقها نسختها الخاصة من PyTorch المسمّاة TorchNeuron، التي تنقل تطبيقات الذكاء الاصطناعي إلى شريحة Amazon الخاصة Trainium وإلى AWS دون إعادة كتابة الكود. وقالت Amazon أيضاً إنها تُقدّم كوداً لمشروع PyTorch الأساسي يفصل ميزات متعددة عن عتاد Nvidia، مما يجعل الأداة أكثر انفتاحاً على أي شريحة بشكل افتراضي.
وقد تتفوق Google على Amazon في بعض الجوانب: فهي تقول إنها عملت مباشرة مع Meta وHugging Face وInferact (الجهة المطوّرة لـvLLM) وRadixArk (الجهة المطوّرة لـSGLang) للتأكد من أن مكتبات كود TorchTPU تعمل بسلاسة مع هذه الأدوات الشائعة في الذكاء الاصطناعي، تماماً كما تفعل PyTorch الأصلية. وأطلقت Google أيضاً مجموعة أدوات مخصصة تُدعى TPU agent suite لمساعدة المطورين على نقل تطبيقاتهم وإصلاح الأخطاء، وحدّثت أداة LiteRT التي تستخدمها لتشغيل نماذج الذكاء الاصطناعي على الهواتف وأجهزة الكمبيوتر المحمولة والأجهزة المدمجة الأخرى، لتعمل بشكل أفضل مع التطبيقات المعتمدة على PyTorch.
ولا يعني أي من ذلك أن المطورين سيتخلون عن عتاد Nvidia بشكل جماعي الآن بعد أن أصبح الوصول إلى شرائح وسُحب بديلة أسهل. لكن Amazon وGoogle تعملان بوضوح على تقويض ميزة Nvidia.
لماذا يهم
تقليل تكلفة التحول من معالجات Nvidia الرسومية إلى شرائح مخصصة يضرب في جوهر الارتباط البرمجي الذي أسس هيمنة Nvidia على الذكاء الاصطناعي — حتى لو كانت الفجوات في أداء العتاد تعني أن المطورين لن ينتقلوا بالضرورة على الفور.