Código AbertoNegócios e Mercado 🇨🇳 24.07.2026 02:03

Alibaba disponibiliza em código aberto sua pilha de software de IA SAIL: mais de 260 frameworks prontos para uso

Alibaba/QwenAlibaba/Qwen
A divisão de chips da Alibaba, T-Head, lançou em código aberto sua pilha de software de IA SAIL, que sustenta sua série de chips de IA Zhenwu. A pilha inclui drivers, runtime, compilador, bibliotecas e ferramentas, suportando mais de 260 frameworks de IA populares. Com mais de 560.000 chips Zhenwu enviados, a medida visa reduzir as barreiras para desenvolvedores e promover um ecossistema aberto.
Na WAIC 2026, a T-Head da Alibaba anunciou a abertura do código-fonte de sua pilha de software de IA proprietária SAIL (Seed of AI Library). O SAIL é o software subjacente da série de chips de IA Zhenwu, abrangendo toda a cadeia, desde a camada do sistema operacional, passando pela camada SDK, até a camada de interface, com direitos de propriedade intelectual independentes e total compatibilidade com ecossistemas de IA convencionais. O lançamento open-source inclui código-fonte, drivers, ferramentas e documentação, disponíveis na comunidade de desenvolvedores da T-Head. Em abril de 2026, os chips de IA Zhenwu já haviam embarcado mais de 560.000 unidades, atendendo a mais de 400 clientes em mais de 20 indústrias, e foram implantados na Alibaba Cloud e em diversos ambientes de produção empresarial, suportando picos massivos de tráfego como o Double 11. A pilha é composta por cinco camadas: Driver & Runtime (PPU Runtime e PPU Driver), Linguagem de Programação (interfaces C/C++ e Python), Compilador (Compiler e Debugger), Bibliotecas de Alto Desempenho (bibliotecas matemáticas como acBLAS, acFFT, acDNN; bibliotecas de codec HGENC, HGDEC; bibliotecas de comunicação PCCL e sailSHMEM; biblioteca de extensão acext e biblioteca de ML HGML) e Ferramentas de Desenvolvimento (Asight Compute para análise em nível de operador, Asight Systems para análise em nível de sistema, PPU-SMI para monitoramento de dispositivos, PPU-DCGM para escalonamento de recursos de cluster). O SAIL suporta mais de 260 frameworks de treinamento e inferência convencionais, incluindo PyTorch, TensorFlow, vLLM e SGLang, com um tempo médio de adaptação inferior a 7 dias para novos modelos. A T-Head visa construir um ecossistema reduzindo a barreira de entrada e convidando desenvolvedores globais, instituições de pesquisa e parceiros da indústria a co-desenvolver ferramentas, enriquecer o ecossistema de operadores e otimizar o desempenho.
Fonte: QbitAI 量子位 — original
Nossos posts anteriores sobre este tópico ↓
Notícias frescas