# Google maakt TorchTPU open: PyTorch draait direct op TPU's

- Rubriek: Tools
- Gepubliceerd: 2026-10-20T17:22:03+02:00
- URL: https://aiweekblad.nl/artikel/google-maakt-torchtpu-open-source-pytorch-draait-nu-rechtstreeks-op-tpus
- Bron: MarkTechPost, [Google Open-Sources TorchTPU, a Native PyTorch Backend for Cloud TPUs](https://www.marktechpost.com/2026/10/20/google-torchtpu-open-source-native-pytorch-tpu/)

> Google heeft TorchTPU vrijgegeven, software waarmee PyTorch-code zonder omwegen op Googles eigen AI-chips draait. Het is samen met Meta gebouwd.

Google heeft TorchTPU als open source vrijgegeven. Met deze software kun je AI-modellen die in PyTorch zijn geschreven direct laten draaien op de Tensor Processing Units (TPU's), de AI-chips die Google in zijn cloud verhuurt. Google ontwikkelde TorchTPU samen met het PyTorch-team van Meta en maakte het op 20 oktober bekend tijdens de PyTorch Conference 2026.

## Eén regel code om van chip te wisselen

PyTorch is het gratis softwarepakket waarmee de meeste AI-modellen worden gebouwd en getraind. Tot nu toe was het vooral gericht op de videokaarten van Nvidia. Wie op een TPU wilde werken, moest via PyTorch/XLA, een tussenlaag waarvoor ontwikkelaars vaak hun code moesten aanpassen. TorchTPU maakt van de TPU een gewoon PyTorch-apparaat, naast de videokaart en de processor. In principe volstaat het om in je code **tpu** als apparaat op te geven.

Google noemt TorchTPU de opvolger van PyTorch/XLA en raadt het aan voor alle nieuwe projecten.

## Wat er precies is uitgebracht

- TorchTPU versie 0.2.0, te installeren via PyPI, onder de vrije Apache 2.0-licentie.

- Aangepaste versies van de populaire serveerpakketten vLLM en SGLang, en van het trainingspakket TorchTitan.

- Ondersteuning voor TPU's vanaf de v5e-generatie, en volgens Google opgeschaald tot 8.192 chips van de nieuwste generatie Ironwood.

Volgens [TechCrunch](https://techcrunch.com/2026/10/20/google-has-joined-amazon-in-attacking-nvidias-stronghold-with-ai-app-developers/) werkte Google daarbij ook samen met onder meer Hugging Face en de makers van vLLM en SGLang. Daarnaast bracht het bedrijf een aparte TPU-agentsuite uit die ontwikkelaars helpt bestaande apps naar Googles chips over te zetten en fouten onderweg op te lossen.

## Snelheid hangt af van afstellen

De prestatiecijfers komen van Google zelf. Volgens het bedrijf haalde een trainingsrun van het open model Qwen 3 8B ruim de helft van de theoretische rekenkracht van de chips. Een ander voorbeeld laat zien dat je niet alles cadeau krijgt: zonder optimalisatie duurde één trainingsstap ruim 11 seconden, volledig afgesteld nog geen 3 seconden. Wie TorchTPU zonder extra werk gebruikt, haalt dus lang niet het maximale eruit.

## Strijd om de softwarelaag

De stap past in een bredere beweging. Een dag eerder kwam Amazon met een vergelijkbare tool voor zijn eigen Trainium-chips, [TorchNeuron](https://aiweekblad.nl/artikel/amazon-wil-nvidias-greep-op-pytorch-breken-met-nieuwe-tool-torchneuron). Beide bedrijven willen het makkelijker maken om van Nvidia over te stappen. Nvidia's voorsprong zit voor een groot deel in software: veel AI-code is jarenlang alleen op Nvidia-kaarten getest. Hoe makkelijker PyTorch op andere chips werkt, hoe meer keuze bedrijven krijgen bij het huren van rekenkracht. Dat ontwikkelaars daardoor massaal van Nvidia weglopen, is overigens niet gezegd: overstappen kán nu makkelijker, maar het moet nog wel gebeuren.

Voor de meeste gebruikers van AI-diensten verandert er direct niets. Het gaat om gereedschap voor ontwikkelaars en bedrijven die zelf modellen trainen of draaien in Google Cloud. De code staat op [GitHub](https://github.com/google-pytorch/torch_tpu), met een toelichting op de [blog van Google Cloud](https://cloud.google.com/blog/topics/ai-infrastructure/torchtpu-is-now-open-source-run-native-pytorch-on-tpus).

_Met AI geschreven door AIweekblad op basis van [Google Open-Sources TorchTPU, a Native PyTorch Backend for Cloud TPUs](https://www.marktechpost.com/2026/10/20/google-torchtpu-open-source-native-pytorch-tpu/) (MarkTechPost). Redactiebeleid: https://aiweekblad.nl/redactiebeleid_