أعلنت Google وMeta عن TorchTPU في مؤتمر PyTorch لأمريكا الشمالية 2026 في سان خوسيه. تتيح الواجهة الخلفية الجديدة تشغيل شيفرة PyTorch على وحدات Tensor Processing Units من Google بتغيير سطر واحد لتحديد الجهاز، على نحو يشبه التبديل بين وحدات CPU وGPU. والمشروع مفتوح المصدر بالكامل ومتاح اليوم على GitHub.
يحل TorchTPU محل جسر PyTorch/XLA الأقدم، الذي كان يتطلب تعديلات كبيرة على الشيفرة ويعاني من طول أوقات التجميع. وبفضل تكامله المباشر مع موزّع PyTorch منخفض المستوى، يعمل TorchTPU مباشرةً مع نماذج Hugging Face ومحركات الاستدلال vLLM وSGLang ومجموعة أدوات التدريب TorchTitan. ويضم الإصدار أربعة مستودعات: TorchTPU وvLLM‑TorchTPU وSGLang‑TorchTPU وTorchTitan.
عرضت Google توسعًا شبه خطي يصل إلى 8,192 شريحة TPU v7x. وفي اختبارهما المعياري، استخدم نموذج Qwen‑3 بنحو 235 مليار معلمة، قائم على مزيج الخبراء، 28 % من قدرة الشرائح على تنفيذ عمليات الفاصلة العائمة. كما كشفت الشركة عن مجموعة أولية من وكلاء TPU لأتمتة ضبط الأداء، لكنها أشارت إلى أن تغيير الجهاز وحده ليس سوى نقطة بداية؛ إذ يتطلب بلوغ أعلى سرعة مزيدًا من الضبط لأشكال البيانات وتقسيم العمل.
لماذا يكتسب TorchTPU أهمية الآن؟
تهيمن الآن أعباء الاستدلال على الحوسبة في مراكز البيانات، وتبحث خدمات كثيرة للنماذج اللغوية الكبيرة عن عتاد أقل تكلفة وأسرع. تشتهر وحدات TPU بمعدلات نقل بيانات مرتفعة واستهلاك أقل للطاقة، لكن استخدامها من خلال PyTorch كان صعبًا حتى الآن. ويزيل TorchTPU جزءًا من هذه العقبة، إذ يتيح للمطورين الاحتفاظ بقاعدة شيفرة واحدة وتجربة عناقيد TPU في السحابة.
قال فريق الهندسة في Meta إنه يعتزم نقل تدريب النماذج اللغوية الكبيرة على نطاق أوسع إلى وحدات TPU، مشيرًا إلى الحاجة إلى «الأداء والموثوقية وسهولة الصيانة». كما أن إتاحة المشروع مفتوح المصدر تعني أن بإمكان مزودي خدمات سحابية آخرين اعتماد الواجهة الخلفية نفسها، ما يقلل الارتهان لمزود واحد لدى الفرق التي تستخدم PyTorch بالفعل.
لماذا يهم
بالنسبة إلى فرق علوم البيانات، يتيح TorchTPU تجربة تسريع وحدات TPU من دون إعادة كتابة الشيفرة، ما قد يخفض تكاليف السحابة عند تشغيل النماذج الكبيرة. لكن بلوغ الأداء الأمثل لا يزال يتطلب ضبط أشكال النماذج وتقسيم العمل، لذا ينبغي أن تشمل الميزانيات وقتًا هندسيًا لتحسين الأداء.
