Google y Meta liberan TorchTPU para usar PyTorch en chips de Google
Google publicó como código abierto TorchTPU, una herramienta hecha junto con el equipo de Meta que permite usar PyTorch directamente en los chips de inteligencia artificial de Google, llamados TPU.
PyTorch es la herramienta más usada en el mundo para crear y entrenar modelos de IA. Hasta ahora estaba pensada sobre todo para los chips de NVIDIA, que dominan el mercado.
El anuncio se hizo en la PyTorch Conference 2026, y el código ya está en GitHub para quien quiera descargarlo.
Google publicó en GitHub TorchTPU, un stack nativo de PyTorch para TPU desarrollado con el equipo de PyTorch de Meta. Los tensores son tensores estándar de PyTorch en un dispositivo tpu, se ejecutan en modo eager o se compilan con torch.compile vía XLA, y las operaciones colectivas pasan por torch.distributed.
Se anunciaron además motores de vLLM (con Inferact) y SGLang (con RadixArk) sobre TorchTPU, con kernels Pallas.
Si desarrollas IA o trabajas en una empresa que entrena modelos, tendrás más opciones de chips y quizá menores costos, porque podrás elegir entre NVIDIA y Google sin rehacer tu trabajo.
Para quien usa ChatGPT, Gemini u otras aplicaciones en el día a día, no hay cambios directos.
Puedes llevar cargas de PyTorch a TPU con cambios mínimos y seguir usando vLLM, SGLang, llm-d, TorchTitan, Ray y Hugging Face. Reduce la dependencia de las GPU de NVIDIA para entrenar y servir modelos, aunque llegar al rendimiento máximo puede requerir ajustes específicos para TPU.
Google también lanzó motores para servir modelos de IA sobre TorchTPU, basados en vLLM y SGLang, dos programas muy usados para poner modelos a responder preguntas a gran escala.
El movimiento busca bajar la dependencia de toda la industria de un solo fabricante de chips.
