米Google（グーグル）が米Meta（メタ）と組んで進めている「TorchTPU」構想が注目を集めている。中長期的に、米NVIDIA（エヌビディア）の独壇場を崩す可能性がある。
TorchTPUは、機械学習フレームワーク「PyTorch」をグーグルのAI（人工知能）チップ「TPU（Tensor Processing Unit）」上で互換性高く動かせるようにするものだ。2026年4月22日（米国時間）にGoogle Cloudの年次イベント「Google Cloud Next」で、一部顧客向けにプレビュー提供を開始したことを明らかにした。グーグルは2026年中にTorchTPUのGitHubリポジトリーを公開する方針を打ち出している。
PyTorchはメタ（発表当時はFacebook）が開発した、最も人気のあるフレームワークの1つである。当初は命令を即時実行し、容易にデバッグできる「Eager Mode」が自然言語処理の研究者による支持を集めた。その後はライブラリーの充実と共に、幅広い層に支持が広がった。
PythonとPyTorch、さらにエヌビディアのGPU（画像処理半導体）とソフトウエア開発基盤「CUDA」を加えた開発環境は研究者の間で高い人気を誇る。結果的に、AI研究開発環境の領域ではエヌビディア1強の状況が続いている。
PyTorchとの互換性の低さが課題
一方、グーグルが2016年に公式発表した、深層学習に特化したチップであるTPUは、PyTorchとの互換性の低さが課題の1つとされてきた。TPUはGPUとは設計が根本的に異なる。TPU上でコードを動かすためには「XLA（Accelerated Linear Algebra）」などのコンパイラーを使う必要がある。
PyTorchでXLAを使うには細かなコードの書き換えやバージョンの調整が必要となり、GPUからTPUに乗り換える上での課題となっていた。グーグルは処理の高速化や簡素化を目指し、2020年に「PyTorch/XLA」ライブラリーを一般提供するなど改善を続けていたが、サポートするカーネルやコードが限定的だった。
TorchTPUの登場で、こうした制約の多くが取り払われ、TPUの上でより円滑にPyTorchを動作できるとしている。例えばPyTorch/XLAでは、同一のプログラムが複数データを処理する「SPMD（Single Program, Multiple Data）」コードを前提としており、並列処理におけるログ記述との相性が悪かった。TorchTPUは複数のプログラムが複数データを処理する「MPMD（Multiple Program, Multiple Data）」にも対応している。他にも3つのEager Modeを備え、よりPyTorchの操作性に近づけた。
次のページ
「短期的には切り替えたいとは思わない」この記事は有料会員限定です
