22 اکتوبر 2026 کو شائع ہونے والی ٹام کے ہارڈ ویئر کی ایک رپورٹ کے مطابق، گوگل کے ٹینسر پروسیسنگ یونٹس اب میٹا کے ڈیٹا سینٹرز کے اندر چل رہے ہیں - پہلی بار گوگل نے اپنی مرضی کے مطابق AI چپس کسی بیرونی صارف کو اپنے کلاؤڈ کے بجائے تعینات ہارڈ ویئر کے طور پر فروخت کی ہیں۔ یہ اقدام AI ہارڈویئر مارکیٹ میں ایک تاریخی تبدیلی کی نشاندہی کرتا ہے، جہاں Nvidia کے GPUs طویل عرصے سے بڑے ماڈلز کی تربیت اور پیش کرنے کے لیے پہلے سے طے شدہ انتخاب رہے ہیں۔
برسوں سے، صنعت میں یہ مفروضہ رہا ہے کہ Nvidia کے CUDA سافٹ ویئر ایکو سسٹم نے اس کے GPUs کو ناقابلِ جگہ بنا دیا، یہاں تک کہ متبادل سامنے آئے۔ اس مفروضے کو اب دو کمپنیوں کے ذریعہ جانچا جا رہا ہے جو اسے توڑنے کے لئے بہترین پوزیشن میں ہیں۔ اس سہ ماہی میں میٹا کے بے پناہ AI انفراسٹرکچر پر خرچ کرنے والے معاہدے سے ظاہر ہوتا ہے کہ ہائپر اسکیلرز کتنی سنجیدگی سے کمپیوٹ کی آزادی کی پیروی کر رہے ہیں — ایک ایسی کہانی جس کی آپ روزانہ ہمارے ہوم پیج پر aibuzzwire.news پر تازہ ترین AI پیش رفت کے ساتھ مزید گہرائی میں پیروی کر سکتے ہیں۔
ٹارچ ٹی پی یو سے اسٹیل اور سلیکون تک
اس لمحے کی بنیاد صرف دو دن پہلے ہی عوامی طور پر رکھی گئی تھی۔ 20 اکتوبر کو، گوگل اور میٹا نے مشترکہ طور پر اوپن سورس TorchTPU، گوگل کے TPUs کے لیے ایک مقامی PyTorch پس منظر، TorchTPU ٹیم کے ذریعے آفیشل PyTorch بلاگ پر اعلان کیا۔ یہ پروجیکٹ Google پر 2025 کے وسط میں Meta کی PyTorch ٹیم کے تعاون سے شروع ہوا تھا، اور یہ کچھ ایسا کرتا ہے جس کا کوئی پچھلی کوشش صاف ستھرا انتظام نہیں کیا گیا تھا: یہ موجودہ PyTorch ورک بوجھ کو TPUs پر ایک معمولی کوڈ کی تبدیلی کے ساتھ چلنے دیتا ہے، بنیادی طور پر `.to("cuda")` کو `.to("tpu")` کے لیے تبدیل کرتا ہے۔
اس کی اہمیت اس لیے ہے کہ گوگل کی ابتدائی کوشش، PyTorch/XLA، جو 2020 میں شروع کی گئی تھی، مداخلت کرنے والے سورس کوڈ میں ترمیم کی ضرورت تھی، جو طویل کمپائل کے وقت سے دوچار تھی، اور PyTorch کے مقامی شوقین عملدرآمد کے موڈ کے لیے تعاون کا فقدان تھا۔ بہت ساری ٹیمیں جنہوں نے TPUs کے ساتھ تجربہ کیا وہ Nvidia GPUs پر واپس لوٹ گئیں کیونکہ ڈویلپر کا تجربہ بہت تکلیف دہ تھا۔ TorchTPU کو واضح طور پر اس کو ٹھیک کرنے کے لیے ڈیزائن کیا گیا تھا، رن ٹائم میں JAX انحصار کے بغیر اور پرانے Lazy Tensor اپروچ کی بجائے Torch Dynamo پر بنائے گئے torch.compile انضمام کے۔
میٹا ڈیل سے کیا نکلتا ہے۔
گوگل اور میٹا نے جو تکنیکی نتائج شائع کیے ہیں وہ قابل ذکر ہیں۔ Yahoo Tech کی طرف سے اطلاع دی گئی تفصیلات کے مطابق، TorchTPU اسٹیک کو 5,000 Hugging Face ماڈلز کے لیے توثیق کیا گیا ہے، اور Google کا DeferAndFuse ایگزیکیوشن موڈ 50 فیصد یا اس سے زیادہ کی کارکردگی کا فائدہ دیتا ہے۔ وینڈر کیس اسٹڈیز سے پتہ چلتا ہے کہ Meta's Llama 3 405B ماڈل 128 سے 1,024 Ironwood TPUs کے کلسٹرز پر 57 فیصد ماڈل FLOPs کے استعمال تک پہنچ رہا ہے - اعداد و شمار جو کہ خود رپورٹ کرتے ہوئے، اس بات کی نشاندہی کرتے ہیں کہ چپس فرنٹیئر پیمانے پر تربیتی کام کے بوجھ کو قابلیت سے چلا سکتی ہیں۔
معاشیات سب سے بڑی کہانی ہے۔ TPUs کی طویل عرصے سے افواہیں ہیں کہ ان کی قیمت ٹاپ اینڈ Nvidia GPUs کے مقابلے میں نمایاں طور پر کم ہے، اور Meta کی کمپیوٹ ایپیٹیٹ والی ایک کمپنی - جس کے AI ریسرچ کے عزائم اور اس کے سفارشاتی نظام دونوں کا احاطہ کرتی ہے - کے پاس کسی ایک سپلائر سے متنوع ہونے کی ہر ترغیب ہے۔ بلومبرگ نے نومبر 2025 تک رپورٹ کیا تھا کہ میٹا اور گوگل میٹا کے ڈیٹا سینٹرز میں ٹی پی یوز کی تعیناتی پر تبادلہ خیال کر رہے تھے، اور ٹارچ ٹی پی یو پر تعاون کی اطلاع رائٹرز نے دسمبر 2025 میں دی تھی۔ اب کیا تبدیلی آئی ہے کہ ڈیل بحث سے تعیناتی کی طرف بڑھ گئی ہے، ٹام کے ہارڈ ویئر کی رپورٹ کے ساتھ کہ میٹا کے ڈیٹا سینٹرز میں فزیکل طور پر انسٹال ہونے والی مشینیں اور چپس چل رہی ہیں۔
Nvidia کے آرمر میں ایک دراڑ
Nvidia اب بھی AI ایکسلریٹر مارکیٹ کی بھاری اکثریت پر قابض ہے، اور اس کے ڈیٹا سینٹر کی آمدنی ہر حریف کا پیچھا کرنے والا بینچ مارک بنی ہوئی ہے۔ لیکن حرکیات بدل رہی ہیں۔ جیسا کہ TechCrunch نے اسے TorchTPU لانچ کی اپنی کوریج میں پیش کیا، گوگل نے ایمیزون کے ساتھ مل کر سافٹ ویئر کی تہہ پر Nvidia کے مضبوط گڑھ پر حملہ کیا جو ڈویلپرز کو اس کے ہارڈ ویئر سے منسلک رکھتا ہے۔ میٹا، اس دوران، گفت و شنید سے فائدہ اٹھاتا ہے: ہر TPU ریک جو یہ انسٹال کرتا ہے وہ GPUs کا ایک ریک ہوتا ہے جسے اسے Nvidia کی قیمتوں پر خریدنا نہیں پڑتا تھا۔
دباؤ ایک ساتھ کئی سمتوں سے آ رہا ہے۔ ایمیزون کے پاس ٹرینیئم چپس ہیں، گوگل کے پاس ٹی پی یوز ہیں، اور اسٹارٹ اپس کی ایک لہر انفرنس کے لیے مخصوص ایکسلریٹر بنا رہی ہے۔ جو چیز میٹا کی تعیناتی کو مختلف بناتی ہے وہ پیمانہ اور مرئیت ہے۔ Meta Nvidia کے سب سے بڑے صارفین میں سے ایک ہے، اور اگر اس کی انجینئرنگ ٹیمیں یہ نتیجہ اخذ کرتی ہیں کہ TPUs تربیت اور انفرنس ورک بوجھ دونوں میں بامعنی حصہ لے سکتے ہیں، تو دوسرے بڑے خریدار پوری توجہ دیں گے۔
انتباہات
اس میں سے کسی کا مطلب ہے کہ Nvidia کی پوزیشن راتوں رات گر جاتی ہے۔ PyTorch بلاگ خود خبردار کرتا ہے کہ اگرچہ ماڈلز TPUs پر باکس سے باہر ہو سکتے ہیں، لیکن اعلی کارکردگی کو حاصل کرنے کے لیے پھر بھی ہارڈ ویئر سے آگاہی کی اصلاح کی ضرورت ہوتی ہے، کیونکہ ماڈل کی شکلیں، شارڈنگ کی حکمت عملی، اور کرنل کے نفاذ کو عام طور پر GPU فن تعمیر کے لیے بنایا جاتا ہے۔ TPU انسٹرکشن سیٹ Nvidia سے مختلف ہے، اور ٹولز، لائبریریوں، اور تجربہ کار انجینئرز کا ماحولیاتی نظام بہت زیادہ GPU پر مرکوز ہے۔
سپلائی کا بھی سوال ہے۔ Google نے تاریخی طور پر TPUs کو اپنے اندرونی کام کے بوجھ اور اپنے کلاؤڈ صارفین کے لیے محفوظ کر رکھا ہے، اور کسٹم ایکسلریٹر کے لیے مینوفیکچرنگ کی صلاحیت لامحدود نہیں ہے۔ آیا گوگل میٹا کے کل کمپیوٹ فوٹ پرنٹ کے لیے معنی خیز پیمانے پر TPUs فراہم کر سکتا ہے یا کرنا چاہتا ہے - جو زیادہ تر کمپنیوں کو بونا کرتا ہے - ایک کھلا سوال ہے۔
آگے کیا دیکھنا ہے۔
مانیٹر کرنے کے لیے فوری اشارے یہ ہیں کہ آیا دوسرے ہائپر اسکیلرز میٹا کی قیادت کی پیروی کرتے ہیں، Nvidia قیمتوں کے تعین پر کس طرح ردعمل ظاہر کرتی ہے، اور آیا TorchTPU کا اوپن سورس مومینٹم TPU انفراسٹرکچر پر PyTorch ورک بوجھ کی حقیقی منتقلی میں ترجمہ کرتا ہے۔ AI ہارڈویئر مارکیٹ اوپری سرے پر Nvidia کے قابل اعتبار متبادل کا سالوں سے انتظار کر رہی ہے۔ TPUs اب دوسری کمپنی کے ڈیٹا سینٹرز میں چل رہے ہیں، یہ انتظار آخرکار ختم ہو سکتا ہے۔
AI سے آگے رہیں
AI ہارڈویئر کی دوڑ تیزی سے تیز ہو رہی ہے، اور اگلی دہائی کے جیتنے والوں اور ہارنے والوں کا فیصلہ اب ہو رہا ہے۔ AI سے آگے رہیں چپس، ماڈلز اور صنعت کو نئی شکل دینے والے سودوں کی آزادانہ کوریج کے ساتھ۔
مزید AI خبریں پڑھیں →
