أعلنت أمازون في 19 بالتوقيت المحلي إطلاق أداة مفتوحة المصدر TorchNeuron. نقطة بيعها مباشرة: كود PyTorch الذي كتبه المطورون لا يحتاج إلى إعادة كتابة، وبمجرد تغيير إعداد واحد يمكنه العمل أصلياً على شريحة Trainium المطوّرة ذاتياً من أمازون. ومن المقرر إطلاق هذه الأداة رسمياً بموجب ترخيص مفتوح المصدر في 20 خلال مؤتمر PyTorch لأمريكا الشمالية في سان خوسيه بولاية كاليفورنيا.
لإثبات أن "السلاسة" ليست مجرد كلام، قام مهندسو أمازون بتشغيل سكربت تدريب الذكاء الاصطناعي نفسه على الشرائح التقليدية وعلى Trainium، مع فارق وحيد هو معامل الإعداد في الكود الذي يحدد الشريحة المستخدمة. وكانت النتيجة أن ما تعلمه النموذج في البيئتين متطابق تماماً، وسرعة التعلم نفسها. وهذا يعني أن أدوات الاختبار وتصحيح الأخطاء وتوسيع النماذج التي بحوزة المطورين يمكن نقلها كما هي مباشرة إلى Trainium.
تصعيد ضد هيمنة CUDA، ومسعى لمنح المطورين "حرية تغيير الشريحة"
الخصم لهذا النهج هو خندق CUDA الذي تديره إنفيديا منذ أكثر من عشر سنوات. PyTorch تقوده Meta وتتبناها الغالبية العظمى من مطوري الذكاء الاصطناعي، وقد نجحت إنفيديا بفضل CUDA في تشغيل كود PyTorch بكفاءة على شرائحها، ما رسّخ النظام البيئي على GPU. وما تسعى أمازون لتحريكه هو هذه الروابط تحديداً.
تصف أمازون TorchNeuron بأنه "العنصر الأساسي الغائب منذ طويل" في الصناعة — أي خيار حقيقي وقابل للتطبيق. المنطق هو: عندما يتمكن المطورون من التبديل بحرية بين الشرائح المختلفة دون تكلفة إضافية، لن يكون أمام صانعي الشرائح سوى التنافس بمنتجات أكثر تنافسية؛ وفي المقابل، يستفيد المطورون من انخفاض التكاليف وتسريع التطوير. وبتجاوز ذلك، تشارك أمازون بنشاط في التطوير upstream لـ PyTorch، وتتعاون مع المجتمع لإزالة الأكواد التي تربط الإطار بشرائح محددة، بهدف جعل PyTorch أكثر "استقلالاً عن العتاد" لجميع المطورين، لا لخدمة مستخدمي Trainium فحسب.
وفي ظل اشتعال سباق الحوسبة، تمثل خطوة أمازون هذه تمهيداً لشريحة Trainium الخاصة بها في الوقت ذاته، واستثماراً للمصدر المفتوح لتخفيف قبضة إنفيديا على النظام البيئي. وحين يتحول "تغيير الشريحة" من عملية عسيرة إلى تعديل معامل، فإن هيمنة GPU المنفردة تشقّ شقّاً يمكن استغلاله.