الإجاباتمنشور17 المصادر
هل يصبح اختيار شريحة الذكاء الاصطناعي أسهل لمطوري PyTorch؟
أطلقت Google مشروع TorchTPU مفتوح المصدر في 20 أكتوبر 2026، بعد يوم من إعلان Amazon عن TorchNeuron. يهدف المشروعان إلى تشغيل PyTorch على شرائح TPU وTrainium مع تقليل تغييرات الكود، بدل إعادة بناء التطبيق لمنصة مختلفة.
نشر بواسطةتم التحرير باستخدام GPT-6 Lunaتم إنشاء الصور باستخدام GPT Image 2
إجابة البحث
الوجبات السريعة الرئيسية
- أطلقت Google مشروع TorchTPU مفتوح المصدر في 20 أكتوبر 2026، بعد يوم من إعلان Amazon عن TorchNeuron.
- يهدف المشروعان إلى تشغيل PyTorch على شرائح TPU وTrainium مع تقليل تغييرات الكود، بدل إعادة بناء التطبيق لمنصة مختلفة.
- سهولة نقل التطبيق لا تضمن أن كل النماذج ستعمل بلا تعديل أو أن أداءها سيعادل أداءها على وحدات Nvidia.
موجّه الذكاء الاصطناعي
openai.comCreate a landscape editorial hero image for this Studio Global article: How do Google’s October 20 open-source release of TorchTPU and Amazon’s October 19 announcement and subsequent public beta of TorchNeuron ai. Article summary: TorchTPU and TorchNeuron aim to make Google TPUs and AWS Trainium easier alternatives to Nvidia GPUs by letting developers retain their PyTorch applications and change the execution backend rather than rewrite the model . Topic tags: general, general web, documentation. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, charts with fak
تسعى Google وAmazon إلى إزالة عقبة برمجية أمام المطورين الراغبين في تشغيل تطبيقات PyTorch على شرائح غير Nvidia. فـTorchTPU يوفّر مسارًا أصليًا إلى شرائح Google TPU، بينما يربط TorchNeuron إطار PyTorch بشرائح Trainium التابعة لـAWS. والفكرة هي تغيير وجهة التنفيذ بسهولة أكبر، لا إعادة بناء التطبيق بالكامل لمنظومة برمجية جديدة.9
10
لكن تقليل صعوبة الانتقال لا يعني أن كل نموذج سيعمل من دون تعديل، أو أنه سيحقق الأداء نفسه على أي شريحة. فالتوافق والتحسين يعتمدان على طبيعة عبء العمل والميزات التي يدعمها كل مسار.17
28
ما وظيفة TorchTPU وTorchNeuron؟
اعتاد كثير من مطوري PyTorch استهداف وحدات Nvidia الرسومية، وهو ما منح منظومة Nvidia البرمجية حضورًا قويًا لدى المطورين.4 ويستهدف المشروعان تقليل هذا الحاجز عبر إضافة طرق مباشرة لاستخدام عتاد منافس من داخل PyTorch.
- TorchTPU: واجهة خلفية أصلية مفتوحة المصدر لـPyTorch، تتيح تشغيله على شرائح Google TPU. طُوّرت بالتعاون مع Meta، وأتاحتها Google في 20 أكتوبر 2026.
10
- TorchNeuron: واجهة خلفية أصلية مفتوحة المصدر لـPyTorch لتشغيله على شرائح AWS Trainium. أعلنت Amazon المشروع في 19 أكتوبر، وقالت إن طرحه مفتوح المصدر مقرر في اليوم التالي؛ ويذكر إعلان PyTorch أن النسخة التجريبية العامة بدأت في 20 أكتوبر.
2
والهدف العملي هو تغيير العتاد الذي تنفَّذ عليه عمليات PyTorch من دون نقل التطبيق كله إلى إطار عمل مختلف. وتصف Amazon تشغيل الكود الحالي بتغيير في الإعدادات، كما توضح وثائق AWS اختيار جهاز neuron لاستخدام TorchNeuron.28
كيف يمكن أن يقلّ جهد الانتقال؟
الانتقال إلى شريحة أخرى لا يقتصر دائمًا على تعديل كود النموذج؛ إذ يحتاج المطورون أيضًا إلى دعم العمليات والأدوات التي يعتمد عليها التطبيق. وتتيح الواجهات الخلفية الأصلية جعل الشريحة هدفًا أكثر مباشرة داخل PyTorch، بدل التعامل معها كبيئة تطوير منفصلة تمامًا.9
10
يدعم TorchNeuron التنفيذ الفوري، المفيد للبحث وتصحيح الأخطاء، وtorch.compile للتنفيذ المترجم، إلى جانب كتابة نوى مخصصة عبر Neuron Kernel Interface على Trainium2 وTrainium3.9 وتشرح وثائق AWS كذلك أن TorchNeuron يسجّل Trainium كجهاز PyTorch عادي يمكن اختياره باستخدام
neuron.28
أما TorchTPU فيوفر دمجًا للعمليات في وضع التنفيذ الفوري، وتكاملًا مع torch.compile، ودعمًا لحدود الأشكال الديناميكية، وواجهات لكتابة نوى مخصصة، بحسب وثائق Google.17 وتهدف هذه الأدوات إلى إبقاء التطوير والتحسين ضمن PyTorch، بدل الاضطرار إلى التخلي عنه للعمل على TPU.
ما الذي لا تضمنه الإصدارات؟
عبارة «تغييرات بسيطة» لا تعني توافقًا شاملًا. لا بد أن تدعم الواجهة الخلفية العمليات وسير العمل الذي يعتمد عليه التطبيق. وتعرض الوثائق المتاحة قدرات الأدوات، لكنها لا تثبت أن كل نموذج PyTorch أو مكوّن خارجي سيعمل من دون تعديل.17
28
قابلية النقل لا تساوي تلقائيًا قابلية نقل الأداء. توضح ميزات دمج العمليات والمترجم في TorchTPU أن ضبط الأداء يظل جزءًا من العمل على كل واجهة خلفية.17 كما لا تقدم المصادر المتاحة مقارنة معيارية مباشرة تثبت أن TorchTPU أو TorchNeuron يضاهي وحدات Nvidia عبر مختلف أنواع المهام.
التعامل مع الأشكال الديناميكية يختلف بين المسارات. تشرح وثائق TorchTPU آلية «الديناميكية المحدودة»، حيث تُحدَّد حدود عليا لأبعاد البيانات وقت الترجمة، بينما يمكن أن تتغير أحجامها الفعلية أثناء التشغيل.18 لكن ذلك لا يثبت أن كل مهمة تستخدم أشكالًا ديناميكية ستعمل بلا ضبط إضافي. لذا يحتاج المطورون إلى مراجعة متطلبات النموذج ومسار التنفيذ الذي يستخدمونه، بدل افتراض تطابق السلوك على TPU وTrainium.
التحول الأوسع: جعل العتاد خيارًا داخل PyTorch
لا تعني هذه الإصدارات أن Google أو Amazon أزالتا كل أسباب استخدام وحدات Nvidia. لكنها تمنح مطوري PyTorch مسارات برمجية أكثر مباشرة لتجربة شرائح Google TPU وAWS Trainium، مع مواصلة العمل ضمن الإطار الذي يستخدمونه بالفعل.4
9
10
وعلى الفرق التي تدرس الانتقال أن تطرح أسئلة مرتبطة بتطبيقها تحديدًا: هل تدعم الواجهة العمليات والمكتبات المطلوبة؟ وما مقدار التعديل اللازم؟ وكيف يقارن الأداء على الشريحة المستهدفة؟ يقلل TorchTPU وTorchNeuron العقبة الأولى، أي إيصال كود PyTorch إلى شرائح بديلة، لكن الإجابة عن الأسئلة الأخرى تتطلب اختبارًا عمليًا.
Studio Global AI
مواصلة البحث الخاص بك
تتضمن هذه الصفحة إجابة مدعومة بالمصدر يمكنك المتابعة داخل Studio Global.
يسأل الناس أيضا
ما هي الإجابة المختصرة على "هل يصبح اختيار شريحة الذكاء الاصطناعي أسهل لمطوري PyTorch؟"؟
أطلقت Google مشروع TorchTPU مفتوح المصدر في 20 أكتوبر 2026، بعد يوم من إعلان Amazon عن TorchNeuron.
ما هي النقاط الأساسية التي يجب التحقق منها أولاً؟
أطلقت Google مشروع TorchTPU مفتوح المصدر في 20 أكتوبر 2026، بعد يوم من إعلان Amazon عن TorchNeuron. يهدف المشروعان إلى تشغيل PyTorch على شرائح TPU وTrainium مع تقليل تغييرات الكود، بدل إعادة بناء التطبيق لمنصة مختلفة.
ماذا يجب أن أفعل بعد ذلك في الممارسة العملية؟
سهولة نقل التطبيق لا تضمن أن كل النماذج ستعمل بلا تعديل أو أن أداءها سيعادل أداءها على وحدات Nvidia.