PulseAugur
中
实时 20:42:07
实体 Ironwood

Ironwood

PulseAugur coverage of Ironwood — every cluster mentioning Ironwood across labs, papers, and developer communities, ranked by signal.

Show in brief
总计 · 30天
2
90 天内 4
发布 · 30天
0
90 天内 0
论文 · 30天
0
90 天内 0
层级分布 · 90 天
主题
情绪 · 30 天

1 天有情绪数据

最近 · 第 1/1 页 · 共 4 条
  1. TOOL · CL_354433 ·

    Google Cloud 开源 TPU Sync 以加快 AI 模型传输

    Google Cloud 发布了 TPU Sync,这是一个开源的 C++ 库,旨在优化 KV 缓存和模型权重在 Cloud TPUs 各内存层级之间的传输。该库通过将 TPU HBM、主机 DRAM、共享存储和数据中心网络视为统一的内存层次结构,来解决日益增长的模型状态移动瓶颈。Google 内部测试表明,KV 传输延迟和首次令牌时间 (TTFT) 显著缩短,对于大型 MoE 模型,潜在改进高达 90%。

  2. TOOL · CL_311139 ·

    Google 开源 TorchTPU,为 Cloud TPUs 提供原生 PyTorch 后端

    Google 发布了 TorchTPU,一个专为 Google Cloud TPUs 设计的开源 PyTorch 后端。TorchTPU 与 Meta 的 PyTorch 团队合作开发,并在 PyTorch Conference 2026 上宣布,它允许 PyTorch 代码在 TPUs 上原生运行,将 TPUs 作为与 GPU 和 CPU 并列的标准设备。这个新的后端取代了旧的 PyTorch/XLA,提供了改进的性能,支持用于调试…

  3. TOOL · CL_240661 ·

    InferenceX将TPU堆栈外部化,挑战CUDA主导地位

    SemiAnalysis报道称,InferenceX在TPU推理外部化方面取得了重大进展,每美元性能可能提高多达50%。该公司正在积极开发其TPU堆栈,在Ironwood和TPUv8i方面取得了显著进步。此举旨在减少对CUDA的依赖,而CUDA是英伟达的关键竞争优势。

  4. RESEARCH · CL_205351 ·

    据报道,Google正在为未来的TPU开发六维环面(6D Torus),以增强互连

    据报道,Google正在为其Tensor Processing Unit(TPU)互连拓扑进行演进,为未来的TPUv9t等模型从三维环面(3D Torus)转向六维环面(6D Torus)。这种由SemiAnalysis详细介绍的新架构旨在减少通信跳数(hops)并提高双isection带宽,尽管它需要更多的光学器件。Google还为推理专用芯片引入了Boardfly拓扑,同时为TPUv8t等训练专用芯片保留了三维环面。