# Googles TPU-chip kör AI-system i produktion hos Meta

> Meta kör AI-arbetslaster på Googles specialbyggda chip via PyTorch-versioner av två inferensmotorer. Tillkännagivandet ger få besked om omfattningen eller tillgängligheten.

Oossa · 2026-10-22 · https://oossa.com/sv/google-tpus-enter-meta-s-production-ai-systems

Googles specialbyggda AI-chip, så kallade tensor processing units (TPU:er), kör nu AI-arbetslaster i produktion hos Meta, enligt ett inlägg på Googles utvecklarblogg som Tom’s Hardware rapporterat om. Lösningen använder en PyTorch-version av SGLang, en programvara för att köra AI-modeller och generera svar. Google tillkännagav också en PyTorch-version av vLLM, en annan vanligt använd inferensmotor.

Förändringen gör det möjligt för Meta att använda Googles chip med PyTorch, AI-ramverket som Meta har utvecklat, i stället för att som tidigare förlita sig på Googles ramverk JAX. Google säger att de nya versionerna gör att utvecklare kan använda TPU:er utan att behöva skriva om större delen av sin programvara. I artikelns rubrik står också att Google för första gången har sålt TPU:er till externa kunder, men rapporten som tillhandahållits namnger inte kunderna eller ger några försäljningsuppgifter.

## En väg bortom JAX

Programvarustödet är viktigt eftersom ett chip bara är användbart för utvecklare om deras verktyg kan dra nytta av det. Tidigare kördes SGLang och vLLM på Googles TPU:er via JAX. De PyTorch-baserade versionerna gör chippen till ett alternativ för team som redan använder PyTorch, vilket potentiellt kan minska arbetet med att flytta en AI-arbetslast till TPU-hårdvara.

Google säger att vLLM-versionen är öppen källkod. Rapporten uppger inte om SGLang-versionen har samma licens- eller åtkomstvillkor och förklarar inte heller hur utvecklare kan få tillgång till någon av versionerna. Den anger inte heller hur många TPU:er Meta använder, vilka modeller de kör eller hur väl lösningen presterar.

## Vad innebär det för användarna?

Den bekräftade förändringen för Meta är ytterligare ett sätt att köra AI-arbetslaster i företagets datacenter. Det kan ge ingenjörerna fler hårdvarualternativ, men rapporten ger inga belägg för att Metas produkter förändras vad gäller hastighet, kvalitet eller tillgänglighet för användarna. Den säger inte heller om Metas användning är ett test eller en bredare utrullning, utöver uppgiften att lösningen används i produktion.

## Fakta

- Googles TPU:er kör AI-arbetslaster i produktion hos Meta, enligt rapporten.
- Metas lösning använder en PyTorch-version av SGLang.
- Google tillkännagav också en PyTorch-version av vLLM och beskrev den som öppen källkod.
- Enligt rapporten kördes båda inferensmotorerna tidigare på TPU:er via JAX.

## Varför det spelar roll

Metas AI-ingenjörer kan nu använda Googles TPU:er med PyTorch-versioner av SGLang och vLLM, utan att för dessa motorer behöva förlita sig på JAX. Det ger Meta ytterligare ett hårdvarualternativ, men källan visar inte om användarna av Metas produkter kommer att märka någon skillnad i hastighet eller funktioner.

## Källor och referenser

1. [Google’s TPUs for AI workloads now run in Meta's data centers](https://www.tomshardware.com/tech-industry/artificial-intelligence/googles-tpus-for-ai-workloads-now-run-in-at-metas-data-centers-tpus-sold-to-external-customers-for-the-first-time-threaten-nvidias-market-dominance) – Tom's Hardware, 2026-10-22

Senast uppdaterad: 2026-10-22