Fundação PyTorch Integra Ray, um Quadro de Computação Distribuída, para Construir uma Pilha de Infraestrutura de IA Unificada

O ecossistema de IA de código aberto deu um salto decisivo para frente hoje, quando a Fundação PyTorch anunciou que Ray, o quadro de computação distribuída originalmente desenvolvido por Anyscale, oficialmente se juntou às suas fileiras. A medida marca um passo significativo em direção a uma pilha de computação de IA unificada, interoperável e pronta para produção – uma que liga as camadas fundamentais do desenvolvimento de modelos (PyTorch), inferência distribuída (vLLM) e execução em larga escala (Ray).

Uma Fundação Unificada para IA de Código Aberto

Hospedada sob a Linux Foundation, a Fundação PyTorch atua como um hub central para algumas das tecnologias de IA de código aberto mais importantes. Sua missão é reduzir a fragmentação e fomentar a colaboração em todas as fases do desenvolvimento de IA. Ao integrar Ray ao lado de PyTorch e vLLM, a fundação está entregando o que a indústria precisava há muito tempo – uma pilha coesa, de ponta a ponta, para construir, treinar e implantar IA em escala.

A inclusão de Ray também representa a culminação de anos de evolução acadêmica e industrial. Nascido no RISELab da UC Berkeley, Ray foi projetado para simplificar a computação distribuída para cargas de trabalho de IA e aprendizado de máquina. Ele permite que os desenvolvedores escalonem trabalhos de forma transparente, desde um único laptop até milhares de máquinas, sem reescrever código ou gerenciar sistemas complexos. Até hoje, Ray tem mais de 39.000 estrelas no GitHub e mais de 214 milhões de downloads, tornando-se um dos quadros de computação distribuída mais amplamente adotados do mundo.

Como Ray Complementa PyTorch e vLLM

Ray se situa entre os quadros de treinamento e inferência (como PyTorch, DeepSpeed e vLLM) e a camada de orquestração de contêineres (como Kubernetes ou Slurm). Essa posição permite que Ray coordene cargas de trabalho distribuídas de forma eficiente, enquanto preenche a lacuna entre o treinamento de modelos e a implantação em escala de produção.

As principais capacidades de Ray incluem:

• Processamento de dados multimodais: Lida com conjuntos de dados massivos e diversificados – texto, imagens, áudio e vídeo – em paralelo, maximizando o throughput e a eficiência.
• Pré-treinamento e pós-ajuste: Escala PyTorch e outros quadros em milhares de GPUs para tarefas de pré-treinamento e ajuste fino.
• Inferência distribuída: Implanta modelos em produção com alto throughput e baixa latência, gerenciando dinamicamente os picos de carga em clusters heterogêneos.

Juntas, essas funções tornam Ray o “colante” que liga a criação de modelos, otimização e serviço, formando efetivamente a camada de motor de computação distribuída da infraestrutura de IA moderna.

O Que Isso Significa para Desenvolvedores e Empresas

Na economia impulsionada por IA de hoje, as organizações enfrentam desafios imensos em torno da escalabilidade, do bloqueio de fornecedores e da ineficiência de computação. Sistemas proprietários frequentemente fragmentam fluxos de trabalho e retardam a inovação. Com Ray se juntando à Fundação PyTorch, os desenvolvedores ganham uma pilha de computação totalmente de código aberto e interoperável que elimina muitos desses pontos de dor.

Como Matt White, GM de IA da Linux Foundation, explicou, essa colaboração “une os componentes críticos necessários para construir sistemas de IA de próxima geração.” A unificação permite que as equipes desenvolvam sistemas de IA avançados – desde grandes modelos de linguagem até aplicações multimodais – sem depender de infraestrutura fechada e proprietária. Em vez disso, os desenvolvedores podem treinar e implantar modelos de IA usando um ecossistema que é escalável, modular e impulsionado pela comunidade.

As Implicações Mais Amplas para IA de Código Aberto

A colaboração entre PyTorch, vLLM e Ray aponta para uma nova era de interoperabilidade de computação de código aberto. Com a Linux Foundation fornecendo governança neutra, a indústria de IA ganha um modelo sustentável para desenvolver infraestrutura compartilhada – semelhante à forma como Kubernetes padronizou a orquestração de nuvem.

Líderes da indústria ecoaram esse sentimento. Chris Aniszczyk da Cloud Native Computing Foundation observou que “Ray e Kubernetes são naturalmente complementares,” combinando forças de orquestração e computação distribuída para impulsionar sistemas de IA de próxima geração. O Diretor de Engenharia da Uber, Zhitao Li, acrescentou que Ray já é um “componente central” de sua plataforma de IA, impulsionando treinamento e processamento de dados em larga escala. E o membro do conselho da Fundação PyTorch da Meta, Joe Spisak, chamou a adição de Ray de “marco significativo para IA de código aberto,” enfatizando como isso cria uma pilha de computação unificada e impulsionada pela comunidade.

Olhando para o Futuro

O co-fundador da Anyscale, Robert Nishihara, resumiu o marco de forma sucinta:

“Nosso objetivo é tornar a computação distribuída tão simples quanto escrever código Python. Juntar-se à Fundação PyTorch garante que Ray continue a ser uma espinha dorsal de código aberto e impulsionada pela comunidade para os desenvolvedores.”

Desenvolvedores e contribuintes podem se envolver com o projeto por meio do repositório GitHub do Ray ou participar do Ray Summit 2025 em San Francisco neste novembro, onde a comunidade explorará mais o que essa nova fundação de código aberto significa para o futuro da escalabilidade e acessibilidade de IA.

Em essência, a adição de Ray completa a camada ausente no ecossistema de IA de código aberto – reunindo modelagem, inferência e execução distribuída sob uma única fundação. É um passo crucial em direção a um futuro onde a infraestrutura de IA não é apenas mais poderosa, mas também mais aberta, eficiente e amigável para os desenvolvedores.