PyTorch Foundation Integrates Ray, a Distributed Computing Framework, to Build a Unified AI Infrastructure Stack

オープンソースAIエコシステムは今日、PyTorch FoundationがRay、Anyscaleによって開発された分散コンピューティングフレームワークを正式に取り入れたことを発表したことで、決定的な飛躍を遂げた。 この動きは、統一された、相互運用可能な、プロダクションレディのAIコンピュートスタックの一歩を示しており、モデル開発（PyTorch）、分散推論（vLLM）、大規模実行（Ray）の基礎となる層を結び付ける。

オープンソースAIの統一された基盤

Linux Foundationの下でホストされるPyTorch Foundationは、最も重要なオープンソースAIテクノロジーの中心的なハブとして機能している。 その使命は、AI開発のすべての段階で断片化を減らし、協力を促進することである。 PyTorchとvLLMに加えてRayを統合することで、財団は業界が長年にわたって必要としていたものを提供している———AIを大規模に構築、トレーニング、デプロイするための凝縮された、エンドツーエンドのスタック。
Rayの取り入れもまた、数年の学術的および産業的進化の集大成を表している。 UC BerkeleyのRISELabで生まれたRayは、AIおよび機械学習ワークロードの分散コンピューティングを簡素化するために設計された。 これにより、開発者はコードの書き換えや複雑なシステムの管理を行うことなく、単一のラップトップから数千台のマシンまでジョブをシームレスにスケーリングできる。 現在、Rayは39,000以上のGitHubスターと2億1400万回以上のダウンロードを誇り、世界で最も広く採用されている分散コンピューティングフレームワークの1つとなっている。

RayがPyTorchとvLLMをどのように補完するか

Rayは、トレーニングおよび推論フレームワーク（PyTorch、DeepSpeed、vLLMなど）とコンテナオーケストレーション層（KubernetesまたはSlurmなど）の間に位置する。 この位置により、Rayは分散ワークロードを効率的に調整し、モデルトレーニングとプロダクションスケールのデプロイメントの間のギャップを埋めることができる。
Rayの主な機能は次のとおりです。

• マルチモーダルデータ処理: テキスト、画像、オーディオ、ビデオなどの大量で多様なデータセットを並列処理し、スループットと効率を最大化する。
• 事前トレーニングと事後調整: PyTorchなどのフレームワークを数千のGPUにわたってスケーリングし、事前トレーニングとファインチューニングの両タスクを実行する。
• 分散推論: モデルをプロダクションでデプロイし、高スループットと低遅延を実現し、異種クラスター全体でワークロードバーストを動的に管理する。

これらの機能を合わせると、Rayはモデル作成、最適化、提供を結び付ける「接着剤」の役割を果たすことになり、実質的に現代のAIインフラストラクチャの《分散コンピュートエンジン》層を形成する。

開発者と企業にとっての意味

今日のAI駆動型経済では、組織はスケーラビリティ、ベンダーロックイン、コンピューティングの非効率性に関する課題に直面している。 プロプライエタリシステムは souvent ワークフローを断片化し、イノベーションを遅らせる。 RayがPyTorch Foundationに参加することで、開発者は、多くの痛みを軽減する完全にオープンソースの、相互運用可能なコンピュートスタックを得ることになる。
Linux FoundationのAI担当GMであるMatt Whiteは、このコラボレーションは《次世代AIシステムを構築するために必要な重要なコンポーネントを統合する》と説明した。 統一化により、チームは大規模言語モデルからマルチモーダルアプリケーションまで、閉じたプロプライエタリインフラストラクチャに依存することなく、先進的なAIシステムを開発できる。 代わりに、開発者は、スケーラブルでモジュラーでコミュニティ主導のエコシステムを使用してAIモデルをトレーニングおよびデプロイできる。

オープンソースAIへのより広い影響

PyTorch、vLLM、Rayのコラボレーションは、オープンコンピュートの相互運用性の新しい時代を示唆している。 中立的なガバナンスを提供するLinux Foundationにより、AI業界は共有インフラストラクチャの開発に対する持続可能なモデルを得る。 これは、Kubernetesがクラウドオーケストレーションを標準化したのと同様である。
業界のリーダーはこの感覚を共有した。 Cloud Native Computing FoundationのChris Aniszczykは、RayとKubernetesは《自然に補完的な》ものであり、オーケストレーションと分散コンピューティングの強みを組み合わせて次世代のAIシステムを駆動することを強調した。 UberのエンジニアリングディレクターであるZhitao Liは、Rayはすでに彼らのAIプラットフォームの《核心部分》であり、大規模トレーニングとデータ処理を推進していると付け加えた。 また、PyTorch Foundationの理事であるMetaのJoe Spisakは、Rayの追加は《オープンソースAIの重要なマイルストーン》であり、統一された、コミュニティ主導のコンピュートスタックを作成することを強調した。

今後の展望

Anyscaleの共同創設者であるRobert Nishiharaは、このマイルストーンを簡潔にまとめた。

「私たちの目標は、分散コンピューティングをPythonコードを書くように簡単にすることです。 PyTorch Foundationに参加することで、Rayは開発者にとってオープンでコミュニティ主導のバックボーンとして続くことを保証する。」

開発者とコントリビューターは、Ray GitHubリポジトリまたは11月にサンフランシスコで開催されるRay Summit 2025に参加することで、このプロジェクトに参加できる。 そこではコミュニティが、オープンソース財団がAIのスケーラビリティとアクセシビリティの将来に与える意味についてさらに探求する。
本質的に、Rayの追加はオープンソースAIエコシステムの欠けている層を完了する———《モデリング、推論、分散実行》を1つの財団の下にまとめる。 これは、AIインフラストラクチャがより強力で、よりオープンで、より効率的で、開発者に優しい将来への重要なステップである。