Amazon lancia TorchNeuron per sfidare il dominio dei chip AI di Nvidia | Notizie dal mondo

Amazon.com sta introducendo un nuovo strumento che consente ai suoi chip AI personalizzati di eseguire codice scritto nel linguaggio di codifica AI più popolare senza modifiche, cercando di erodere il vantaggio che è alla base del dominio di Nvidia nel mercato dell’informatica AI.

TorchNeuron consente agli sviluppatori di eseguire codice ‌ scritto in un linguaggio chiamato PyTorch ​ sui chip AI Trainium di Amazon con una modifica alla configurazione e senza necessità di riscrittura, secondo l’unità chip Annapurna Labs di Amazon.

Amazon, che prevede di annunciare il software durante una conferenza degli sviluppatori lunedì nella Silicon Valley, ha affermato che il software sarà rilasciato pubblicamente come offerta open source gratuita.

PyTorch, il framework open source curato da Meta, è utilizzato dalla maggior parte degli sviluppatori di intelligenza artificiale. Nvidia ha dedicato più di un decennio allo sviluppo del suo strumento software chiamato Cuda che fa funzionare bene il codice PyTorch sui chip Nvidia.

Anche altri attori del cloud computing, come Google, che ha anche i propri chip AI personalizzati, stanno lavorando per attirare gli sviluppatori di Nvidia con migliori strumenti PyTorch.

Colin Brace, vicepresidente del software per Annapurna Labs, ha affermato che la mossa mira a ridurre il numero di passaggi che gli sviluppatori di intelligenza artificiale devono intraprendere per provare i chip interni di Amazon.

“Si trattava di incontrare i clienti dove sono”, ha detto a Reuters in un’intervista.

Brace ha affermato che più di 30 dei primi clienti – che spaziano dalla robotica, ai modelli mondiali e all’intelligenza artificiale vocale – stanno utilizzando il nuovo software e che il passaggio ai chip Amazon può portare a notevoli risparmi sui costi.

(Solo il titolo e l’immagine di questo rapporto potrebbero essere stati rielaborati dallo staff di Business Standards; il resto del contenuto viene generato automaticamente da un feed distribuito.)