Google пытается подорвать преимущество Nvidia в области программного обеспечения с помощью Meta | Технические новости

По словам людей, знакомых с этим вопросом, Google работает над новой инициативой, направленной на улучшение своих чипов искусственного интеллекта для работы с PyTorch, наиболее широко используемой в мире программной платформой для искусственного интеллекта, что направлено на ослабление давнего доминирования Nvidia на рынке вычислений с искусственным интеллектом. Эти усилия являются частью агрессивного плана Google по превращению своих тензорных процессоров в жизнеспособную альтернативу ведущим на рынке графическим процессорам Nvidia. Продажи TPU стали важнейшим двигателем роста доходов Google от облачных технологий, поскольку компания стремится доказать инвесторам, что ее инвестиции в искусственный интеллект приносят прибыль. Но одного только оборудования недостаточно, чтобы стимулировать внедрение. Новая инициатива, известная внутри компании как «TorchTPU», направлена на устранение ключевого барьера, который замедлил внедрение чипов TPU, сделав их полностью совместимыми и удобными для разработчиков для клиентов, которые уже создали свою технологическую инфраструктуру с использованием программного обеспечения PyTorch, сообщили источники. Google также рассматривает возможность использования частей программного обеспечения с открытым исходным кодом, чтобы ускорить внедрение среди клиентов, говорят некоторые источники. По словам источников, по сравнению с предыдущими попытками поддержки PyTorch на TPU, Google уделяет TorchTPU больше организационного внимания, ресурсов и стратегического значения, поскольку спрос со стороны компаний, которые хотят внедрить чипы, но считают стек программного обеспечения узким местом, растет. PyTorch, проект с открытым исходным кодом, активно поддерживаемый Meta Platforms, является одним из наиболее широко используемых инструментов для разработчиков, создающих модели ИИ. В Кремниевой долине очень немногие разработчики пишут каждую строчку кода, которую на самом деле будут выполнять чипы Nvidia, Advanced Micro Devices или Google. Вместо этого эти разработчики полагаются на такие инструменты, как PyTorch, который представляет собой набор предварительно написанных библиотек кода и фреймворков, которые автоматизируют многие распространенные задачи при разработке программного обеспечения для искусственного интеллекта. История PyTorch, первоначально выпущенного в 2016 году, тесно связана с разработкой Nvidia CUDA, программного обеспечения, которое некоторые аналитики Уолл-стрит считают сильнейшим щитом компании от конкурентов. Инженеры Nvidia потратили годы на то, чтобы программное обеспечение, разработанное с помощью PyTorch, работало на ее чипах максимально быстро и эффективно. Google, напротив, уже давно использует внутреннюю армию разработчиков программного обеспечения, используя другую структуру кода под названием Jax, а ее чипы TPU используют инструмент под названием XLA, чтобы обеспечить эффективную работу этого кода. Большая часть собственного программного обеспечения Google для искусственного интеллекта и оптимизации производительности была построена на основе Jax, что увеличивает разрыв между тем, как Google использует свои чипы и тем, как клиенты хотят их использовать. Представитель Google Cloud не стал комментировать особенности проекта, но подтвердил Reuters, что этот шаг предоставит клиентам выбор. «Мы наблюдаем огромный, растущий спрос на нашу инфраструктуру как TPU, так и GPU», — сказал представитель. «Наша цель — обеспечить гибкость и масштабируемость, необходимые разработчикам, независимо от того, какое оборудование они выбирают для разработки».

ТПУ ДЛЯ КЛИЕНТОВ

В случае успеха инициатива Google «TorchTPU» может значительно снизить затраты на переход для компаний, которым нужны альтернативы графическим процессорам Nvidia. Доминирование Nvidia подкрепляется не только ее аппаратным обеспечением, но и ее программной экосистемой CUDA, которая глубоко встроена в PyTorch и стала методом по умолчанию, с помощью которого компании обучают и запускают большие модели искусственного интеллекта.

Корпоративные клиенты сообщают Google, что TPU труднее адаптировать для рабочих нагрузок ИИ, поскольку исторически они требовали от разработчиков перехода на Jax, структуру машинного обучения, предпочитаемую внутри Google, а не на PyTorch, который уже использует большинство разработчиков ИИ, сообщили источники.

СОВМЕСТНЫЕ УСИЛИЯ С МЕТА

По словам источников, чтобы ускорить разработку, Google тесно сотрудничает с Meta, создателем и управляющим PyTorch. Два технологических гиганта обсуждают сделки по предоставлению Meta доступа к большему количеству TPU, о чем впервые сообщило издание The Information. Ранние предложения Meta были структурированы как услуги, управляемые Google, в которых такие клиенты, как Meta, устанавливали чипы Google, предназначенные для запуска программного обеспечения и моделей Google, а Google обеспечивал оперативную поддержку. По словам источников, у Meta есть стратегический интерес в работе над программным обеспечением, которое упростит эксплуатацию TPU, в стремлении снизить затраты на логические выводы и диверсифицировать свою инфраструктуру искусственного интеллекта от графических процессоров Nvidia, чтобы получить преимущество на переговорах. Мета отказалась от комментариев. В этом году Google начала продавать TPU напрямую в дата-центры клиентов, а не ограничивать доступ к собственному облаку. Амин Вахдат, ветеран Google, в этом месяце был назначен главой отдела искусственного интеллекта и подчиняется непосредственно генеральному директору Сундару Пичаи. Google нуждается в этой инфраструктуре как для запуска своих собственных продуктов искусственного интеллекта, включая чат-бота Gemini и поиска на базе искусственного интеллекта, так и для предоставления клиентам Google Cloud, который продает доступ к TPU таким компаниям, как Anthropic.