Hub centrale bianco collegato a nove moduli server tramite fili luminosi, simbolo dell'ecosistema open source PyTorch

PyTorch Foundation: nove nuovi membri, Nebius è Platinum

La PyTorch Foundation ha annunciato nove nuovi membri alla PyTorch Conference North America 2026, aperta il 20 ottobre 2026 a San Jose. La notizia non è solo una questione di numeri: tre dei nuovi ingressi sono di livello Platinum e si chiamano Nebius, Nscale e Shopify. Due sembrano arrivare dal mondo dell'infrastruttura cloud per l'AI, mentre il terzo si può leggere come un utilizzatore industriale di modelli più che un produttore. La fondazione consolida così il proprio ruolo di punto neutrale — l'"intelligence layer" dell'AI open source — in un ecosistema in cui ricerca, modelli, hardware e deployment avanzano insieme.

Tre Platinum su nove: la mappa dei nuovi ingressi

Dei nove nuovi membri annunciati, tre sono Platinum (Nebius, Nscale e Shopify Inc.), due Silver (LightSeek Foundation e Lablup Inc.) e quattro Associate (SKOPOS INDIA FOUNDATION, Siksha 'O' Anusandhan, Messiah University e Valencia College). Calcolando sul totale, i Platinum sono il 33,3% (3 su 9), i Silver il 22,2% (2 su 9) e gli Associate il 44,4% (4 su 9).

  • Platinum: Nebius, Nscale, Shopify Inc.
  • Silver: LightSeek Foundation, Lablup Inc.
  • Associate: SKOPOS INDIA FOUNDATION, Siksha 'O' Anusandhan, Messiah University, Valencia College

La fondazione, ospitata dalla Linux Foundation, è la casa vendor-neutral di un portafoglio che comprende PyTorch, vLLM, DeepSpeed, Ray, Helion e Safetensors. La crescita dei membri viene presentata come un moltiplicatore: più organizzazioni condividono avanzamenti, più il progresso si compone invece di restare chiuso dentro una singola azienda.

Nebius porta vLLM e un seggio nel Governing Board

Nebius è un'AI cloud company con sede ad Amsterdam, quotata al Nasdaq (NBIS), e come membro Platinum ottiene un seggio nel Governing Board della fondazione. A rappresentarla sarà Ryan Hanrui Wang, Senior Vice President Applied AI, che siederà anche nel Technical Advisory Council.

Nebius costruisce una piattaforma full-stack che va dai dati e dal training fino al deployment in produzione, e startup e imprese la usano per addestrare e mettere a punto modelli su Nebius AI Cloud. L'azienda sostiene da tempo vLLM fornendo compute per sviluppo, test e benchmarking, incluso il lavoro multi-nodo su modelli di grandi dimensioni come DeepSeek R1. Il team Applied AI contribuisce ottimizzazioni di inference e post-training a progetti open source già confluite nell'ecosistema PyTorch, e come Platinum punta a lavorare sulle performance di PyTorch e vLLM sulle più recenti piattaforme hardware.

Hub centrale bianco collegato a nove moduli server tramite fili luminosi, simbolo dell'ecosistema open source PyTorch
La fondazione allarga il proprio ecosistema open source con nove nuovi membri, tre dei quali al livello Platinum.

"Siamo entusiasti di accogliere Nebius nella PyTorch Foundation come membro Platinum", ha dichiarato Mark Collier, executive director della fondazione. "La forza del nostro ecosistema è il modo in cui lavoriamo insieme per affrontare le sfide di scaling più difficili dell'AI."

L'infrastruttura diventa il baricentro dell'ecosistema

Il dato qualitativo più interessante sta nell'incrocio tra i nomi. Due dei tre Platinum — Nebius e Nscale — vendono infrastruttura, non modelli; il terzo, Shopify, ha costruito con PyTorch e vLLM un ciclo di apprendimento continuo che comprime i fallimenti di produzione nei pesi del modello ogni giorno, con una riduzione dei costi di serving del 96%.

Lo stesso progetto, vLLM, compare così in tre punti diversi della stessa giornata: nel portafoglio della fondazione, nel piano di contribuzione di Nebius sulle performance e nel ciclo produttivo di Shopify. Lette insieme, le tre notizie dicono che il baricentro dell'AI open source si sta spostando verso il punto in cui hardware, inferenza ed economia del serving si incontrano.

Cosa cambia per chi sviluppa e mette in produzione

Sul fronte tecnico la conferenza ha portato aggiornamenti che allargano la copertura hardware del framework, riducendo la distanza tra training e inferenza su dispositivi diversi. Per chi addestra su una piattaforma e serve su un'altra, la direzione è meno modifiche al codice e più portabilità.

  • ExecuTorch su Arm Cortex-M: percorso diretto dal training PyTorch all'inferenza on-device, con accelerazione Arm CMSIS-NN.
  • TorchNeuron: backend PyTorch nativo per AWS Trainium e le istanze Amazon EC2 Trn2 e Trn3.
  • TorchTPU: PyTorch nativo per gli sviluppatori TPU, con accesso a vLLM, SGLang, Ray e LLM-d.
  • IBM Spyre: l'estensione del compilatore Inductor riduce di 7 volte il codice specifico per l'acceleratore, a parità di performance sui workload testati.

L'implicazione concreta per chi mette modelli in produzione è che il valore dei nuovi ingressi si misura sui contributi, non sulle adesioni: le ottimizzazioni di inference e post-training arrivate da chi gestisce data center su scala produzione sono ciò che poi si traduce in throughput e costi per tutti gli altri.

Il banco di prova non è il comunicato firmato il 20 ottobre, ma se quel know-how di infrastruttura entrerà davvero nei progetti condivisi: è lì che si verifica se il centro di gravità dell'AI open source si è spostato.

Fonti

Francesco Leone
Francesco Leone

Francesco Leone è un esperto in Intelligenza Artificiale con una profonda conoscenza in Machine Learning e Deep Learning. Attraverso la sua esperienza, ha contribuito allo sviluppo di soluzioni innovative in ambito di elaborazione del linguaggio naturale e visione artificiale, mirando a trasformare il modo in cui interagiamo con la tecnologia. Attivo nel settore con pubblicazioni e progetti su https://ital-ia.it/, Francesco si dedica alla ricerca e all'applicazione di algoritmi avanzati per rendere i sistemi più intelligenti e accessibili.

Articoli: 681

Lascia una risposta

Il tuo indirizzo email non sarà pubblicato. I campi obbligatori sono contrassegnati *