Añadir Mangas Verdes como fuente preferida de Google de forma gratuita.
Mantente informado con las últimas noticias de actualidad.
Google quiere que PyTorch entre en sus TPU sin pedir a los desarrolladores una mudanza traumática. TorchTPU, que acaba de abrir como proyecto de código abierto, permite llevar aplicaciones ya escritas en ese marco a los chips de Google y a su nube con un simple cambio de configuración.
El detalle importa porque PyTorch no es una pieza menor del mercado. Algunas estimaciones sitúan en el 85 % su presencia dentro de las aplicaciones de inteligencia artificial, de modo que cualquier atajo para mover ese software entre infraestructuras toca una parte muy amplia del sector.
PyTorch salió de Meta y ahora Google quiere hablar su idioma
PyTorch nació en Meta en 2016 y pasó a la Linux Foundation en 2022. Ese recorrido ayuda a entender por qué las grandes tecnológicas ya no compiten solo con modelos y centros de datos, sino también por hacer que el software funcione en su propio silicio con la menor fricción posible.
Google ofrece esa transición sin reescribir el código existente, un mensaje pensado para equipos que ya tienen modelos en producción y no quieren rehacer meses de trabajo para probar otro hardware.
Mientras tanto, Amazon ha movido ficha en la misma dirección con TorchNeuron, una herramienta para portar aplicaciones de inteligencia artificial a Trainium y a AWS sin tocar el código. La disputa ya no pasa solo por vender capacidad de cómputo, sino por reducir el coste técnico de cambiar de plataforma.
La batalla por los chips también pasa por quitar dependencias
Amazon no se ha limitado a lanzar su propia pasarela. También envía código al proyecto principal de PyTorch para desacoplar funciones ligadas a los chips de NVIDIA y abrir la puerta a una compatibilidad más amplia entre hardwares.
Ahí aparece una de las tensiones menos visibles de la inteligencia artificial actual. Si el mismo modelo puede moverse entre GPU, TPU o aceleradores propios de la nube sin cirugía mayor, el poder deja de concentrarse solo en el chip y empieza a repartirse en las herramientas que permiten cambiar de uno a otro, como ya mostraron chips de inferencia alternativos.
Google buscó aliados para que el salto no rompa nada
Google ha trabajado con Meta, Hugging Face, Inferact, creador de vLLM, y RadixArk, creador de SGLang, para asegurar la compatibilidad de TorchTPU. No es un matiz técnico menor, porque muchas aplicaciones de IA dependen precisamente de esas capas de software para servir modelos con rapidez y mantenerlos conectados a otros sistemas.
Además, la compañía ha lanzado una suite de agentes TPU para ayudar en la migración y en la corrección de errores. En la práctica, eso equivale a reconocer que cambiar de hardware rara vez falla por una sola línea de código y casi siempre tropieza con detalles de integración, rendimiento y depuración.
También LiteRT se ha actualizado para funcionar con aplicaciones de PyTorch en teléfonos, portátiles y dispositivos integrados.
La misma app puede acabar en la nube o en un dispositivo pequeño
Esa última pieza amplía el alcance de la jugada. No se trata solo de entrenar o ejecutar modelos en la infraestructura de Google, sino de mantener una misma base de trabajo que luego pueda bajar a equipos mucho más modestos, una idea que conecta con el peso creciente de los TPU dentro del negocio de la inteligencia artificial.
Visto así, el anuncio no habla solo de una librería abierta. Habla de quién consigue que ese 85 % de aplicaciones basadas en PyTorch cambie de chip con un ajuste de configuración y no con una reescritura completa.