Google y Amazon lanzan herramientas para migrar aplicaciones de IA fuera de Nvidia
Por JP Software ·
JP Software El ecosistema de desarrollo de inteligencia artificial comienza a abrirse a nuevas alternativas de cómputo. Durante años, la infraestructura basada en chips de Nvidia ha sido el estándar casi obligado para entrenar y ejecutar modelos de lenguaje y automatizaciones avanzadas. Sin embargo, Google y Amazon acaban de presentar herramientas destinadas a derribar esa barrera técnica.
La barrera de PyTorch
Creado originalmente por Meta en 2016 y administrado desde 2022 por la Linux Foundation, PyTorch es la herramienta de código abierto utilizada por cerca del 85% de las aplicaciones de IA en el mundo. Dado que surgió en un momento donde las tarjetas de Nvidia dominaban la investigación, muchas de sus funciones se integraron directamente para operar con ese hardware específico.
Esta dependencia técnica obligaba a desarrolladores y empresas a permanecer atados a la misma infraestructura, limitando la adopción de procesadores alternativos aun cuando ofrecieran ventajas de costo o disponibilidad.
Las propuestas de Google y Amazon
Esta semana, ambas compañías presentaron soluciones para romper ese candado:
- TorchTPU de Google: Es un proyecto de código abierto que permite ejecutar aplicaciones de PyTorch en sus chips especializados, conocidos como Tensor Processing Units (TPUs), dentro de Google Cloud. Los equipos técnicos pueden migrar sus desarrollos mediante un cambio de configuración básico, sin reescribir el código de la aplicación. Para este lanzamiento, Google colaboró con organizaciones como Meta, Hugging Face, Inferact y RadixArk, además de incluir herramientas de asistencia para la migración.
- TorchNeuron de Amazon: Lanzado para sus chips Trainium en AWS, permite igualmente portar modelos de PyTorch sin reescritura. Adicionalmente, Amazon está aportando código al proyecto principal de PyTorch para desacoplar sus funciones nativas del hardware de Nvidia.
Qué significa para tu negocio
Para una empresa que ya utiliza inteligencia artificial o planea integrar agentes y modelos en sus procesos operativos, este cambio tiene implicaciones directas:
- Reducción del bloqueo de proveedor: Al no depender de un único fabricante de microchips para correr modelos de IA, las organizaciones ganan flexibilidad técnica.
- Competencia en costos de nube: Una mayor facilidad para mover cargas de trabajo entre Google Cloud y AWS facilitará cotizar y elegir la infraestructura más conveniente para cada presupuesto.
- Menor costo de migración técnica: La posibilidad de cambiar de plataforma sin tener que programar de nuevo la aplicación reduce semanas de trabajo para los equipos de software.
Aunque la industria no abandonará de la noche a la mañana el hardware tradicional, contar con opciones portables y directas de configuración representa una ventaja para optimizar la inversión tecnológica en las empresas.