Google и Amazon выпустили свой PyTorch: 85% ИИ-проектов можно снять с Nvidia

До сих пор PyTorch, главный набор инструментов для создания и обучения нейросетей, работал преимущественно на GPU (графических процессорах) Nvidia. Набор создала Meta (тогда Facebook) в 2016 году, когда чипы Nvidia уже были стандартом для ИИ-исследований, поэтому многие функции PyTorch изначально «заточены» под них. В 2022 году Meta передала проект в Linux Foundation, некоммерческую организацию, которая управляет крупными опенсорс-проектами. Теперь Google и Amazon почти синхронно выпустили альтернативные сборки PyTorch, каждая под свои чипы, и это первая скоординированная попытка ослабить зависимость индустрии от Nvidia.

Что изменилось для разработчиков?

• TorchTPU от Google позволяет запускать ИИ-приложения на TPU (Tensor Processing Units, специализированные ИИ-чипы Google) и переносить существующие проекты в Google Cloud одной правкой конфигурации, без переписывания кода.

• TorchNeuron от Amazon делает то же самое для чипов Trainium и облака AWS. Amazon пошла дальше: компания отправляет в основной репозиторий PyTorch код, который отвязывает встроенные функции от чипов Nvidia и делает инструментарий открытым для любого «железа» по умолчанию.

• Google договорилась с ключевыми игроками. Компания заявила, что работала напрямую с Meta, Hugging Face, Inferact (разработчик vLLM) и RadixArk (разработчик SGLang), чтобы библиотеки TorchTPU совмещались с этими популярными инструментами так же гладко, как оригинальный PyTorch.

• Пакет инструментов для миграции. Google выпустила TPU agent suite, набор утилит, который помогает перенести приложение на чипы Google и исправляет ошибки по ходу. Обновлён и LiteRT, инструмент для запуска ИИ на телефонах, ноутбуках и встраиваемых устройствах, теперь он лучше работает с PyTorch-приложениями.

Означает ли это конец Nvidia?

Нет. Сам источник подчёркивает: разработчики не бросят «железо» Nvidia массово только потому, что появилась возможность перейти на альтернативу. Nvidia по-прежнему производит самые распространённые чипы для обучения и инференса (запуска готовых моделей). Но впервые два крупнейших облачных провайдера одновременно убирают технический барьер, который удерживал разработчиков на платформе Nvidia.

Для тех, кто пользуется облаком Google или Amazon, это практический выбор: если чипы TPU или Trainium окажутся дешевле или быстрее для конкретной задачи, переход теперь не требует месяцев переделки кода.

Есть ли аналог для российских пользователей?

Прямого аналога TorchTPU или TorchNeuron в России нет: отечественные облака (Yandex Cloud, SberCloud) предоставляют GPU Nvidia и не выпускают собственных ИИ-чипов. Для авторов и маркетологов, работающих через API YandexGPT или GigaChat, выбор «железа» скрыт за облачным сервисом и не влияет на повседневную работу. Но если вы разработчик или строите свой продукт на PyTorch и размещаете его в Google Cloud или AWS, новость напрямую касается вас: появляется шанс снизить расходы на вычисления.

Что делать с этим прямо сейчас, по ролям?

Автору Дзена и копирайтеру. Прямого действия не требуется: вы работаете с готовыми сервисами, а не с «железом». Но понимание того, что монополия Nvidia размывается, помогает писать о технологиях точнее и не путать «GPU» с «единственным вариантом».

Маркетологу. Следите за ценами на облачные вычисления: конкуренция чипов давит на стоимость инференса. Если вы платите за API-вызовы к моделям в Google Cloud или AWS, через полгода-год тарифы могут снизиться.

Предпринимателю и разработчику в РФ. Если ваш продукт работает на PyTorch в Google Cloud, протестируйте TorchTPU: перенос обещает одну правку конфигурации. Экономия на вычислениях, реальный аргумент, но проверяйте производительность на своих задачах, а не на маркетинговых бенчмарках.

Частые вопросы

PyTorch теперь принадлежит Google или Amazon?

Нет. PyTorch по-прежнему управляется Linux Foundation. Google и Amazon выпустили свои надстройки (TorchTPU и TorchNeuron), которые адаптируют PyTorch для работы на их собственных чипах. Основной проект остаётся независимым.

Нужно ли мне что-то менять, если я пользуюсь ChatGPT или YandexGPT?

Нет. Эти сервисы сами выбирают, на каком «железе» работать. Новость касается тех, кто разрабатывает или размещает собственные модели в облаках Google или Amazon.

Значит, чипы Nvidia больше не нужны?

Nvidia остаётся доминирующим поставщиком GPU для ИИ. Новые инструменты Google и Amazon дают разработчикам выбор, но не делают чипы Nvidia устаревшими. Массовый переход, если он случится, займёт годы, а не месяцы.