Google lanzó TorchTPU, una versión de PyTorch de código abierto que permite ejecutar aplicaciones de IA en sus propios chips sin reescribir el código. La iniciativa se suma a TorchNeuron, de Amazon, en una estrategia para reducir la dependencia de Nvidia.
La competencia por el negocio de la inteligencia artificial suma un nuevo capítulo. Google y Amazon avanzan sobre una de las principales ventajas competitivas de Nvidia: su posición dominante en el hardware y el software que utilizan los desarrolladores para crear aplicaciones de IA. Las dos compañías lanzaron herramientas que buscan facilitar la migración de aplicaciones existentes hacia sus propios chips, sin necesidad de reescribir el código.
Google anunció el martes que TorchTPU, su implementación de PyTorch para sus unidades de procesamiento tensorial, conocidas como TPU, ya está disponible como proyecto de código abierto. La iniciativa llega un día después de que Amazon presentara TorchNeuron, una herramienta con un objetivo similar para sus chips de inteligencia artificial Trainium y su plataforma de nube AWS.
El movimiento apunta a reducir las dificultades técnicas que enfrentan las empresas y los desarrolladores cuando quieren utilizar alternativas a las GPU de Nvidia, que se convirtieron en el estándar de facto para buena parte de la industria de la IA.
PyTorch es uno de los entornos de software de código abierto más populares para desarrollar, entrenar y ejecutar modelos de inteligencia artificial. Según el artículo original, algunas estimaciones señalan que se utiliza en el 85% de las aplicaciones de IA.
La herramienta fue desarrollada inicialmente por Meta, entonces Facebook, en 2016, cuando los grandes modelos de lenguaje todavía no habían transformado el sector tecnológico. Como las GPU de Nvidia ya eran el hardware predominante para la investigación en inteligencia artificial, muchas de las funcionalidades de PyTorch se construyeron para trabajar específicamente con esos procesadores. En 2022, Meta transfirió el proyecto a la Linux Foundation, una organización sin fines de lucro que administra iniciativas de código abierto.
TorchTPU y TorchNeuron: migrar sin reescribir las aplicaciones
La propuesta de Google consiste en permitir que las aplicaciones desarrolladas con PyTorch funcionen sobre sus TPU y, por esa vía, puedan ejecutarse en Google Cloud. Según la compañía, los desarrolladores pueden trasladar sus aplicaciones mediante un cambio sencillo de configuración, sin tener que reescribirlas.
Amazon presentó una solución equivalente con TorchNeuron. La herramienta permite adaptar aplicaciones basadas en PyTorch para ejecutarlas sobre Trainium y AWS, también sin necesidad de modificar el código de las aplicaciones.
Sin embargo, la estrategia de Amazon no se limita a facilitar la migración hacia sus propios chips. La compañía también anunció que presentará código al proyecto principal de PyTorch para desacoplar distintas funcionalidades del hardware de Nvidia. El objetivo es que el entorno de desarrollo sea más independiente del fabricante del procesador y admita diferentes alternativas de hardware de manera más abierta.
Google, por su parte, busca reforzar la compatibilidad de TorchTPU con otras herramientas populares del ecosistema de inteligencia artificial. La empresa trabajó directamente con Meta, Hugging Face, Inferact —responsable de vLLM— y RadixArk —responsable de SGLang—, entre otros participantes, para que las funcionalidades y bibliotecas de código de TorchTPU funcionen con estas plataformas de desarrollo de forma similar a la implementación original de PyTorch.
La compañía también presentó la TPU Agent Suite, un conjunto de herramientas disponible en GitHub para ayudar a los desarrolladores a trasladar sus aplicaciones a los chips de Google y a su infraestructura de nube, además de detectar y corregir errores durante el proceso.
A su vez, Google actualizó LiteRT, su tecnología para ejecutar modelos de inteligencia artificial en teléfonos, computadoras portátiles y dispositivos integrados, con el propósito de mejorar su funcionamiento con aplicaciones basadas en PyTorch.
La ventaja de Nvidia sigue en juego
Las iniciativas de Google y Amazon no significan que los desarrolladores vayan a abandonar masivamente las GPU de Nvidia. La disponibilidad de herramientas de migración más sencillas elimina algunas barreras técnicas, pero no garantiza que las empresas cambien de proveedor.
Nvidia conserva una posición consolidada en el ecosistema de inteligencia artificial, en parte por la estrecha integración entre sus procesadores y las herramientas de software que los desarrolladores utilizan habitualmente. Por eso, reducir la dependencia de sus GPU requiere algo más que ofrecer chips alternativos: también es necesario facilitar que las aplicaciones, bibliotecas y flujos de trabajo existentes funcionen correctamente en otras plataformas.
En ese escenario, TorchTPU y TorchNeuron representan dos movimientos convergentes. Google y Amazon no solo buscan vender sus propios procesadores y servicios de nube, sino también hacer que utilizarlos resulte más sencillo para quienes ya desarrollan IA con PyTorch.
La disputa por la infraestructura de inteligencia artificial se juega así en dos frentes: la capacidad de procesamiento y la facilidad para desarrollar sobre ella. Si las nuevas herramientas cumplen su objetivo, las empresas tendrán más opciones para elegir dónde ejecutar sus modelos. Para Nvidia, el desafío será mantener su ventaja en un mercado en el que sus principales competidores intentan reducir el costo técnico de cambiar de plataforma.
