CambriconのPyTorch理事会入り、MLUを使いやすくするソフトウェア戦略

Cambricon（寒武紀）がPyTorch FoundationにPlatinum会員として加わったことは、単独の新型AIチップ発表というより、長期的なソフトウェアとエコシステムの布石とみるのが適切です。狙いは、自社のMLUアクセラレータを、PyTorchでのモデル開発・学習から本番推論まで、より自然に選べる実行基盤にすることです。5

上海で開かれたPyTorch Conference Chinaで、CambriconとAlibaba CloudはPlatinum会員に、Ant GroupはGold会員になりました。Platinum会員にはPyTorch FoundationのGoverning Board（理事会）とTechnical Advisory Council（TAC、技術諮問委員会）での代表枠が与えられます。156

理事会の席が重要な理由

理事会入りは、Cambriconの技術提案が必ず採用されることを意味しません。一方で、Foundationの使命、対象範囲、方針、技術的な方向性に関する議論へ正式に加わる立場を得ることになります。

Cambriconの理事会代表は、AI Frameworks and Infrastructure担当シニアディレクターのJin Wang氏です。TACへの参加も含め、PyTorchにおけるアクセラレータ向けバックエンドの統合・保守に影響する技術議論との距離が縮まります。5

アクセラレータの採用は、チップの仕様だけで決まりません。開発者には、安定したフレームワーク対応、互換性のある周辺ツール、分かりやすいドキュメント、持続的なインターフェース、そして本番推論への道筋が必要です。独立したPyTorchフォークを大規模に維持するハードウェア企業は、上流のPyTorchが更新されるたびに、互換性を追いかける負担を負うことになります。

「Upstream First」は独自スタック依存を減らす試み

Cambriconは「Upstream First」の方針を掲げ、torch.compile、Eager Operators、Device Runtime、Distributed Computing、automatic mixed precision（AMP）、DataLoader、Profilerといった領域でPyTorchへ貢献してきたと説明しています。5

要点は、ベンダー固有の孤立した実装に依存するのではなく、PyTorchの汎用的な抽象化を通じて機能を組み込むことです。この作業が上流で受け入れられ、継続的に保守されれば、実務上は次のような利点が期待できます。

• 保守コストの低減：別系統のバックエンドを新しいPyTorchへ繰り返し追従させる必要を抑えられる。
• 開発フローの一貫性：開発者は大きく異なる専用スタックを学ばず、使い慣れたPyTorch APIやツールを利用しやすくなる。
• 移植性の向上：対応アクセラレータを比較・評価する際、モデルコードや周辺ツールの変更量を減らせる可能性がある。
• 統合の持続性：特定のデバイススタックに結び付いた単発パッチより、共通フレームワークのインターフェースの方が安定しやすい。

Torch-MLUにおけるPrivateUse1型の統合アプローチは、追加デバイスを支援するためにPyTorchが備える仕組みを使う方向性を示します。ユーザー側のアクセラレータ固有コードを減らすことが期待されますが、これは保証ではありません。実装の品質、上流レビュー、将来のPyTorchリリースとの互換性に左右されます。

PyTorchからvLLMへ、本番推論までを視野に

今回の発表は、実験段階からデプロイ済み推論までを一続きで支える、より広い狙いも示しています。

PyTorch FoundationのエグゼクティブディレクターであるMark Collier氏は、開発者がPyTorchでモデルを構築・最適化し、その後vLLMで効率良く提供できるようにする重要性を強調しました。5 Cambriconにとって、この二つは補完関係にあります。

• PyTorch対応：モデル開発、学習、コンパイル、デバッグ、エコシステムの各種ツールの基盤となる。
• vLLM対応：効率的な推論と、広く使われるオープンモデルへの対応が問われる本番サービング層を担う。

Cambriconは、vLLMとの協業を継続して自社ハードウェア上でオープンモデルを動かす取り組みを進め、コンパイル基盤、CI/CD、PyTorchのドメインライブラリにおけるデバイス非依存対応への投資も続ける方針です。5 こうした取り組みは、ベンチマークや個別モデルの移植にとどまらず、開発から運用までの一連のワークフローでMLUを使えるようにすることを目指しています。

利用者が今後確認すべきポイント

この発表の評価は、会員資格そのものではなく、その後の実装で決まります。開発者やAIインフラ担当者は、次の点を追うとよいでしょう。

1. 上流へのマージ実績：発表内容より、PyTorch本体に実際に受け入れられた変更の方が重要です。
2. リリース間の互換性：Torch-MLUが、大規模な書き換えなしにPyTorchの更新へ追従できるか。
3. 実ワークロードのカバー範囲：一般的なモデル構成、分散学習、コンパイル経路、デバッグツールまで対応が広がるか。
4. 本番推論の完成度：vLLM統合で、安定したモデル対応と保守しやすいデプロイ手順を実現できるか。
5. アクセラレータ統合の指針：TACでの議論や将来のPyTorchの慣行が、ハードウェアバックエンドにより予測可能な統合経路を示すか。

ただし、今回の発表だけでは証明されないこと

Platinum会員資格とガバナンスへの参加は戦略的に重要ですが、他のアクセラレータとの性能同等性、幅広いモデル対応、Cambriconが望むバックエンド設計の自動的な採用を裏付けるものではありません。

最終的には、何が上流にマージされるのか、PyTorchの技術コミュニティとTACが提案をどう評価するのか、そしてCambriconがPyTorchとvLLMの堅牢な統合を長期にわたって維持できるのかにかかっています。現時点で最も明確なのは、Cambriconが新たな「Day 0」ハードウェア製品だけで競うのではなく、オープンソースの互換性とエコシステム参加を通じて開発者の支持を得ようとしている、というシグナルです。5