La Fondazione PyTorch Integra Ray, un Framework di Calcolo Distribuito, per Costruire una Pila di Infrastrutture di Intelligenza Artificiale Unificata

L’ecosistema di intelligenza artificiale open source ha fatto un passo decisivo in avanti oggi, poiché la Fondazione PyTorch ha annunciato che Ray, il framework di calcolo distribuito originariamente sviluppato da Anyscale, si è ufficialmente unito alle sue file. Questo passo segna un importante progresso verso una pila di calcolo di intelligenza artificiale unificata, interoperabile e pronta per la produzione – una pila che lega insieme i livelli fondamentali di sviluppo del modello (PyTorch), inferenza distribuita (vLLM) e esecuzione su larga scala (Ray).

Una Fondazione Unificata per l’Intelligenza Artificiale Open Source

Ospitata sotto la Linux Foundation, la Fondazione PyTorch agisce come un hub centrale per alcune delle tecnologie di intelligenza artificiale open source più importanti. La sua missione è ridurre la frammentazione e favorire la collaborazione in ogni fase dello sviluppo dell’intelligenza artificiale. Integrando Ray accanto a PyTorch e vLLM, la fondazione sta fornendo ciò che l’industria ha a lungo richiesto – una pila coesa, end-to-end per la costruzione, l’addestramento e la distribuzione di intelligenza artificiale su larga scala.

L’inclusione di Ray rappresenta anche il culmine di anni di evoluzione accademica e industriale. Nato al RISELab dell’Università di Berkeley, Ray è stato progettato per semplificare il calcolo distribuito per carichi di lavoro di intelligenza artificiale e apprendimento automatico. Consente ai sviluppatori di scalare i lavori in modo trasparente da un singolo laptop a migliaia di macchine senza riscrivere il codice o gestire sistemi complessi. Ad oggi, Ray vanta più di 39.000 stelle su GitHub e oltre 214 milioni di download, rendendolo uno dei framework di calcolo distribuito più ampiamente adottati al mondo.

Come Ray Complementa PyTorch e vLLM

Ray si trova tra i framework di addestramento e inferenza (come PyTorch, DeepSpeed e vLLM) e il livello di orchestrazione dei contenitori (come Kubernetes o Slurm). Questa posizione consente a Ray di coordinare i carichi di lavoro distribuiti in modo efficiente, colmando il divario tra l’addestramento del modello e la distribuzione su larga scala.

Le principali funzionalità di Ray includono:

• Elaborazione di dati multimodali: gestisce grandi, diversi set di dati – testo, immagini, audio e video – in parallelo, massimizzando il throughput e l’efficienza.
• Pre-addestramento e post-ottimizzazione: scala PyTorch e altri framework su migliaia di GPU per entrambi i compiti di pre-addestramento e ottimizzazione fine.
• Inferenza distribuita: distribuisce modelli in produzione con alto throughput e bassa latenza, gestendo dinamicamente le burst di carico di lavoro su cluster eterogenei.

Insieme, queste funzionalità rendono Ray il “collante” che lega insieme la creazione del modello, l’ottimizzazione e la distribuzione, formando efficacemente il livello di motore di calcolo distribuito dell’infrastruttura di intelligenza artificiale moderna.

Cosa Significa Ciò per gli Sviluppatori e le Imprese

Nell’economia guidata dall’intelligenza artificiale di oggi, le organizzazioni affrontano immense sfide relative alla scalabilità, al lock-in dei vendor e all’inefficienza del calcolo. I sistemi proprietari spesso frammentano i flussi di lavoro e rallentano l’innovazione. Con Ray che si unisce alla Fondazione PyTorch, gli sviluppatori guadagnano una pila di calcolo completamente open source, interoperabile ed eliminano molti di questi punti deboli.

Come ha spiegato Matt White, GM di AI alla Linux Foundation, questa collaborazione “unisce i componenti critici necessari per costruire sistemi di intelligenza artificiale di prossima generazione.” L’unificazione consente ai team di sviluppare sistemi di intelligenza artificiale avanzati – che vanno dai grandi modelli linguistici alle applicazioni multimodali – senza affidarsi a infrastrutture chiuse e proprietarie. Invece, gli sviluppatori possono addestrare e distribuire modelli di intelligenza artificiale utilizzando un ecosistema che è scalabile, modulare e guidato dalla comunità.

Le Implicazioni più Ampie per l’Intelligenza Artificiale Open Source

La collaborazione tra PyTorch, vLLM e Ray punta verso una nuova era di interoperabilità del calcolo open source. Con la Linux Foundation che fornisce una governance neutrale, l’industria dell’intelligenza artificiale guadagna un modello sostenibile per lo sviluppo di infrastrutture condivise – simile a come Kubernetes ha standardizzato l’orchestrazione del cloud.

I leader dell’industria hanno espresso questo sentimento. Chris Aniszczyk della Cloud Native Computing Foundation ha notato che “Ray e Kubernetes sono naturalmente complementari,” combinando le forze di orchestrazione e calcolo distribuito per alimentare i sistemi di intelligenza artificiale di prossima generazione. Il direttore dell’ingegneria di Uber, Zhitao Li, ha aggiunto che Ray è già un “elemento chiave” della loro piattaforma di intelligenza artificiale, alimentando l’addestramento e l’elaborazione dei dati su larga scala. E il membro del consiglio di amministrazione di Meta, Joe Spisak, ha definito l’aggiunta di Ray un “importante traguardo per l’intelligenza artificiale open source,” sottolineando come crea una pila di calcolo unificata e guidata dalla comunità.

Guardando Avanti

Il co-fondatore di Anyscale, Robert Nishihara, ha riassunto il traguardo in modo conciso:

“Il nostro obiettivo è rendere il calcolo distribuito così semplice come scrivere codice Python. Unirsi alla Fondazione PyTorch garantisce che Ray continui ad essere una spina dorsale aperta e guidata dalla comunità per gli sviluppatori.”

Gli sviluppatori e i contributori possono interagire con il progetto tramite il repository GitHub di Ray o partecipare al Ray Summit 2025 a San Francisco questo novembre, dove la comunità esplorerà ulteriormente cosa significa questa nuova fondazione open source per il futuro della scalabilità e dell’accessibilità dell’intelligenza artificiale.

In sostanza, l’aggiunta di Ray completa il livello mancante nell’ecosistema di intelligenza artificiale open source – unendo modellazione, inferenza e esecuzione distribuita sotto una sola fondazione. È un passo cruciale verso un futuro in cui l’infrastruttura di intelligenza artificiale non è solo più potente, ma anche più aperta, efficiente e amichevole per gli sviluppatori.