Google Cloud Pathways 正式可用

时间：2026 年 11 月 9 日，Google Cloud 宣布其 Pathways 运行时（Pathways on Cloud）在 Google Kubernetes Engine（GKE）上正式全面可用（GA），成为 Google Cloud AI Hypercomputer 的核心运行时支柱。该技术最初由 Google DeepMind 开发，用于训练 Gemini 等前沿模型，现面向所有 Google Cloud 客户开放。 地点：美国 人物：Google Cloud 工程团队 事件详情：Google Cloud 在官方博客中宣布，Cloud Pathways 现已可在所有支持 Cloud TPU v5e、TPU v5p、Trillium（v6e）和 Ironwood（TPU 7x）的 Google Cloud 区域使用。该运行时采用单控制器架构，通过开源 Interim Framework Runtime（IFRT）统一管理多个 TPU 切片，用户只需一个 JAX 客户端进程即可编排数千块 TPU 芯片。 官方数据显示，过去 90 天内，领先的 AI 公司和全球企业已使用 Pathways on GKE 处理超过 1.3 亿个 Cloud TPU 芯片小时。在弹性训练方面，Cloud Pathways 支持基于主机内存快照的动态恢复，当硬件故障时可在不停机客户端的情况下将训练任务缩减至 N-1 个切片。此外，运行时还支持与 Slurm 集群的预览集成，通过 Cluster Director 扩展至非 GKE 环境。 背景：Pathways 是 Google DeepMind 自主研发的大规模分布式机器学习运行系统，曾用于训练 Gemini 等大型模型。传统多控制器 JAX 设置中，每个 TPU 主机运行独立的 Python 解释器，只能看到本地连接的设备，且必须同步执行相同的 SPMD 程序，使得异构 MPMD 工作流和跨切片资源管理变得复杂脆弱。Cloud Pathways 通过单控制器架构解决了这一问题，让大规模训练、推理由和强化学习循环更易于编程和管理。 影响：对 Google Cloud 客户而言，Pathways 的正式可用意味着他们可以访问与 Google 内部大规模 AI 工作负载相同的可扩展基础设施。弹性训练和快照恢复功能可显著降低硬件故障导致的作业中断，对于需要连续运行数天的大规模预训练任务尤为重要。多用户共享 TPU 资源的能力也有助于提高硬件利用率并降低单个项目的成本。 总结：Google Cloud 通过 Pathways 运行时在 GKE 上的正式可用，将其内部用于训练 Gemini 的分布式 ML 基础设施开放给了所有云客户。单控制器架构、弹性训练和对数千块 TPU 芯片的统一管理，降低了大规模 AI 训练的复杂度和故障恢复成本。随着 TPU v5e、v5p、Trillium 和 Ironwood 的全面支持，Google Cloud 正在将其 AI Hypercomputer 愿景从硬件扩展到运行时层。 参考来源： Google Cloud 官方博客 https://cloud.google.com/blog/topics/ai-infrastructure/cloud-pathways-a-distributed-ml-runtime-is-ga/ gixtools 报道 https://gixtools.net/2026/11/cloud-pathways-a-distributed-ml-runtime-for-massive-accelerator-fleets-now-ga/ Unite.AI 报道 https://www.unite.ai/google-cloud-makes-pathways-runtime-ga-for-large-scale-tpu-workloads/ Tech & Business 报道 https://techandbusiness.org/newswire/kRgSsZtPYBRO1kzzRJFu8o Daily Artifact 报道 https://dailyartifact.ai/story/google-cloud-makes-pathways-runtime-ga-for-large-scale-tpu-workloads-1flxs 沙丘社区报道 https://www.shaqiu.cn/tracking/product%3Agoogle-cloud%3Acloud-pathways-ga%3A20261109 钛媒体快报 https://www.tmtpost.com/nictation/8198836.html