La Fundación PyTorch integra Ray, un marco de computación distribuida, para construir una pila de infraestructura de IA unificada

El ecosistema de IA de código abierto dio un salto decisivo hacia adelante hoy cuando la Fundación PyTorch anunció que Ray, el marco de computación distribuida originalmente desarrollado por Anyscale, se ha unido oficialmente a sus filas. Este movimiento marca un paso significativo hacia una pila de cómputo de IA unificada, interoperable y lista para producción – una que une las capas fundamentales del desarrollo de modelos (PyTorch), la inferencia distribuida (vLLM) y la ejecución a gran escala (Ray).

Una Fundación Unificada para el Código Abierto de IA

Albergada bajo la Fundación Linux, la Fundación PyTorch actúa como un centro central para algunas de las tecnologías de IA de código abierto más importantes. Su misión es reducir la fragmentación y fomentar la colaboración en todas las fases del desarrollo de IA. Al integrar Ray junto con PyTorch y vLLM, la fundación está brindando lo que la industria ha necesitado durante mucho tiempo – una pila cohesiva, de extremo a extremo, para construir, entrenar y desplegar IA a escala.

La inclusión de Ray también representa la culminación de años de evolución académica e industrial. Nacido en RISELab de la Universidad de California, Berkeley, Ray fue diseñado para simplificar la computación distribuida para cargas de trabajo de IA y aprendizaje automático. Permite a los desarrolladores escalar trabajos de manera transparente desde una sola laptop hasta miles de máquinas sin tener que reescribir código o administrar sistemas complejos. A partir de hoy, Ray cuenta con más de 39.000 estrellas en GitHub y más de 214 millones de descargas, lo que lo convierte en uno de los marcos de computación distribuida más ampliamente adoptados del mundo.

Cómo Ray Complementa a PyTorch y vLLM

Ray se sitúa entre los marcos de entrenamiento y inferencia (como PyTorch, DeepSpeed y vLLM) y la capa de orquestación de contenedores (como Kubernetes o Slurm). Esta posición permite a Ray coordinar las cargas de trabajo distribuidas de manera eficiente mientras conecta la brecha entre el entrenamiento de modelos y el despliegue a escala de producción.

Las capacidades clave de Ray incluyen:

• Procesamiento de datos multimodales: Maneja conjuntos de datos masivos y diversos – texto, imágenes, audio y video – en paralelo, maximizando el rendimiento y la eficiencia.
• Pre-entrenamiento y ajuste fino: Escala PyTorch y otros marcos a través de miles de GPU tanto para tareas de pre-entrenamiento como de ajuste fino.
• Inferencia distribuida: Despliega modelos en producción con alto rendimiento y baja latencia, gestionando de manera dinámica los aumentos de carga de trabajo en clusters heterogéneos.

Juntas, estas funciones convierten a Ray en el “pegamento” que une la creación de modelos, la optimización y el servicio, formando efectivamente la capa de motor de cómputo distribuido de la infraestructura de IA moderna.

Qué Significa Esto para los Desarrolladores y las Empresas

En la economía impulsada por IA de hoy, las organizaciones enfrentan desafíos enormes en torno a la escalabilidad, el bloqueo de proveedores y la ineficiencia de cómputo. Los sistemas propietarios a menudo fragmentan los flujos de trabajo y frenan la innovación. Con Ray uniéndose a la Fundación PyTorch, los desarrolladores obtienen una pila de cómputo completamente de código abierto e interoperable que elimina muchos de estos puntos dolorosos.

Como explicó Matt White, gerente general de IA en la Fundación Linux, esta colaboración “une los componentes críticos necesarios para construir sistemas de IA de próxima generación”. La unificación permite a los equipos desarrollar sistemas de IA avanzados – desde grandes modelos de lenguaje hasta aplicaciones multimodales – sin depender de infraestructuras cerradas y propietarias. En cambio, los desarrolladores pueden entrenar y desplegar modelos de IA utilizando un ecosistema que es escalable, modular y impulsado por la comunidad.

Las Implicaciones Más Amplias para el Código Abierto de IA

La colaboración entre PyTorch, vLLM y Ray apunta hacia una nueva era de interoperabilidad de cómputo de código abierto. Con la Fundación Linux proporcionando una gobernanza neutral, la industria de IA obtiene un modelo sostenible para desarrollar infraestructura compartida – similar a cómo Kubernetes estandarizó la orquestación en la nube.

Líderes de la industria expresaron este sentimiento. Chris Aniszczyk de la Fundación de Computación Nativa en la Nube señaló que “Ray y Kubernetes son complementarios de manera natural,” combinando las fortalezas de orquestación y cómputo distribuido para impulsar sistemas de IA de próxima generación. El director de Ingeniería de Uber, Zhitao Li, agregó que Ray ya es un “componente central” de su plataforma de IA, impulsando el entrenamiento y el procesamiento de datos a gran escala. Y Joe Spisak de Meta, miembro de la junta de la Fundación PyTorch, calificó la adición de Ray como un “hitó importante para el código abierto de IA,” enfatizando cómo crea una pila de cómputo unificada y impulsada por la comunidad.

Mirando Hacia Adelante

El co-fundador de Anyscale, Robert Nishihara, resumió el hito de manera concisa:

“Nuestro objetivo es hacer que la computación distribuida sea tan sencilla como escribir código Python. Unirse a la Fundación PyTorch garantiza que Ray continúe siendo la columna vertebral abierta y impulsada por la comunidad para los desarrolladores.”

Los desarrolladores y contribuyentes pueden interactuar con el proyecto a través del repositorio de GitHub de Ray o asistir a la Cumbre de Ray 2025 en San Francisco este noviembre, donde la comunidad explorará más a fondo lo que esta nueva fundación de código abierto significa para el futuro de la escalabilidad y la accesibilidad de IA.

En esencia, la adición de Ray completa la capa que faltaba en el ecosistema de IA de código abierto – uniendo modelado, inferencia y ejecución distribuida bajo una sola fundación. Es un paso crucial hacia un futuro donde la infraestructura de IA no solo es más poderosa, sino también más abierta, eficiente y amigable para los desarrolladores.