TorchNeuron de Amazon convierte Trainium en una alternativa a Nvidia más sencilla
Amazon ha lanzado TorchNeuron, un backend de PyTorch de código abierto que permite a los desarrolladores ejecutar cargas de trabajo de IA existentes en sus chips Trainium2 y Trainium3. Los desarrolladores pueden cambiar las GPU de Nvidia por estos chips modificando una sola línea de código, aunque en la práctica quizá sea necesario comprobar la compatibilidad.
Publicado bajo la licencia Apache 2.0, TorchNeuron ha pasado a beta pública tras las pruebas de más de 30 usuarios pioneros, entre ellos Cartesia, Deepgram y el Lieber Institute for Brain Development. Algunos usuarios afirman haber reducido costes, pero Amazon no ha publicado cifras.
TorchNeuron aún no admite todas las funciones de PyTorch, incluidas las formas de entrada dinámicas, y omite unas 22.000 pruebas del framework. Amazon afirma que su negocio de chips propios tiene unos ingresos anualizados de 25.000 millones de dólares y que podría alcanzar los 50.000 millones. El lanzamiento refuerza los esfuerzos de Amazon por convertir Trainium en una alternativa más accesible al hardware de Nvidia, pero su adopción dependerá del rendimiento, la compatibilidad y el ahorro de costes demostrado.
Neutral
El anuncio no tiene una relación directa con los precios de las criptomonedas, las redes blockchain ni la demanda de tokens, por lo que es probable que su impacto inmediato en el mercado sea neutro. Con el tiempo, TorchNeuron podría facilitar el acceso a la computación para IA y diversificar la infraestructura, reduciendo la dependencia de Nvidia, pero el artículo no aporta pruebas de que vaya a tener efectos sustanciales en la minería de criptomonedas, el desarrollo de blockchain o el uso de tokens relacionados con la IA.
A corto plazo, es más probable que los operadores reaccionen a la noticia a través de las acciones de Amazon y Nvidia o del sentimiento general del sector de la IA que a través de los criptoactivos. Cualquier repercusión en las criptomonedas probablemente se limitaría al sentimiento en torno a los tokens relacionados con la IA y la computación. Estos pueden fluctuar por las narrativas del sector, pero también dependen de la liquidez, la evolución del bitcoin y la actividad específica de cada proyecto.
A largo plazo, un acceso más amplio a una infraestructura de IA de menor coste podría favorecer aplicaciones relacionadas con la computación descentralizada y los proyectos de IA y blockchain. Se trata únicamente de un posible beneficio indirecto: TorchNeuron sigue en fase beta, no es compatible con algunas funciones de PyTorch y no ha publicado comparativas de costes ni de rendimiento. Antes de considerar el lanzamiento un catalizador para los tokens, los operadores deberían seguir de cerca su adopción, los resultados de las pruebas de rendimiento y cualquier vínculo cuantificable con las cargas de trabajo de criptomonedas. Anuncios similares sobre chips de IA e infraestructura en la nube suelen influir más directamente en el sentimiento del sector tecnológico que en los fundamentos del mercado de las criptomonedas.