Alibaba ouvre en source la pile logicielle IA SAIL : plus de 260 frameworks prêts à l'emploi
Alibaba/Qwen
La division puces d'Alibaba, T-Head, a ouvert en source sa pile logicielle IA SAIL, qui sous-tend sa série de puces IA Zhenwu. La pile comprend des pilotes, un runtime, un compilateur, des bibliothèques et des outils, prenant en charge plus de 260 frameworks IA grand public. Avec plus de 560 000 puces Zhenwu expédiées, cette initiative vise à abaisser les barrières pour les développeurs et à favoriser un écosystème ouvert.
Lors du WAIC 2026, T-Head d'Alibaba a annoncé l'open-sourcing de sa pile logicielle d'IA propriétaire SAIL (Seed of AI Library). SAIL est le logiciel sous-jacent de la série de puces IA Zhenwu, couvrant toute la chaîne, de la couche OS à la couche d'interface, en passant par la couche SDK, avec des droits de propriété intellectuelle indépendants et une compatibilité totale avec les écosystèmes d'IA grand public. La version open-source comprend le code source, les pilotes, les outils et la documentation, disponibles sur la communauté des développeurs de T-Head. En avril 2026, les puces IA Zhenwu avaient été livrées à plus de 560 000 unités, servant plus de 400 clients dans plus de 20 secteurs d'activité, et avaient été déployées sur Alibaba Cloud et dans divers environnements de production d'entreprise, survivant à des pics de trafic massifs comme le Double 11. La pile comprend cinq couches : Driver & Runtime (PPU Runtime et PPU Driver), Langage de programmation (interfaces C/C++ et Python), Compilateur (Compilateur et Débogueur), Bibliothèques haute performance (bibliothèques mathématiques comme acBLAS, acFFT, acDNN ; bibliothèques de codécodage HGENC, HGDEC ; bibliothèques de communication PCCL et sailSHMEM ; bibliothèque d'extension acext et bibliothèque ML HGML), et Outils de développement (Asight Compute pour le profilage au niveau des opérateurs, Asight Systems pour le profilage au niveau système, PPU-SMI pour la surveillance des appareils, PPU-DCGM pour l'ordonnancement des ressources du cluster). SAIL prend en charge plus de 260 frameworks d'entraînement et d'inférence grand public, notamment PyTorch, TensorFlow, vLLM et SGLang, avec un temps d'adaptation moyen inférieur à 7 jours pour les nouveaux modèles. T-Head vise à construire un écosystème en abaissant la barrière d'entrée et en invitant les développeurs mondiaux, les instituts de recherche et les partenaires industriels à co-développer des outils, à enrichir l'écosystème des opérateurs et à optimiser les performances.
Source: QbitAI 量子位 —
original