IBM 将 Spyre 加速器编译后端迁移至 Inductor
先了解这件事
IBM 已将其 Spyre 企业级推理加速器的 PyTorch 软件栈编译后端从自研的 sendnn 迁移至基于 PyTorch Inductor 的扩展方案。 IBM 称，通过针对 Spyre 的数据流架构定制 Inductor 后端，该编译器代码规模缩减了约 7 倍，并解决了数据移动、片上存储管理及任务分配等硬件适配问题。此外，IBM 推出了面向该加速器的 torch-spyre 后端、vLLM 插件及编译器改进，使企业能够在 IBM 系统上使用 PyTorch 工作流运行推理任务。
AI 根据报道生成 · 58 分钟前更新
事件进展
3 个进展
- 10月26日 20:00 · 1 篇报道IBM 推出 PyTorch 软件生态更新以支持 Spyre 加速器落地IBM Research：AI：PyTorch 向新一类加速器开放 AI 生态：IBM Spyre 支持落地
- 10月21日 00:00 · 1 篇报道从 KTIR 到 SpyreCode：IBM Spyre 的 MLIR 数据流后端PyTorch：Blog：从 KTIR 到 SpyreCode：IBM Spyre 的 MLIR 数据流后端
- 10月13日 20:45 · 2 篇报道IBM Spyre 加速器 torch.compile 后端迁移至 InductorAIHot：IBM Spyre 加速器的 torch.compile 后端从 sendnn 迁移到 Inductor
报道时间线
沿着报道，了解事件的不同侧面。
- IBM Research：AIPyTorch 向新一类加速器开放 AI 生态：IBM Spyre 支持落地
IBM 宣布 PyTorch 对 Spyre 数据流 AI 加速器的支持正式落地，推出 torch-spyre 后端、vLLM 插件及编译器改进。相关更新通过集成 Inductor 降低了编译器复杂度，并在 Gemma 4、Qwen3 和 Granite 等模型上验证了硬件无关层的可行性，使企业能够在 IBM 系统上使用熟悉的 PyTorch 工作流运行推理任务。
- PyTorch：Blog从 KTIR 到 SpyreCode：IBM Spyre 的 MLIR 数据流后端
本文介绍了 IBM Spyre 的 MLIR 数据流后端，探讨了从 KTIR 到 SpyreCode 的相关技术演进与架构设计。
- AIHotIBM Spyre 加速器的 torch.compile 后端从 sendnn 迁移到 Inductor
IBM 为 Spyre 企业级推理加速器打造的 PyTorch 软件栈已将 torch.compile 编译后端从自研的 sendnn 迁移至基于 PyTorch Inductor 扩展的 backend=inductor。
- PyTorch Blog为 IBM Spyre 加速器扩展 Inductor 后端
IBM Spyre 加速器的 PyTorch 软件栈已将其 torch.compile 后端从自研的 sendnn 迁移至基于 Inductor 的扩展方案。通过针对 Spyre 的数据流架构进行定制，该编译器代码规模缩减了约 7 倍，并成功解决了数据移动、片上存储管理及任务分配等硬件差异问题。
本事件热度走势
- 可比范围当前
- 10
- 可比范围峰值
- 1010月21日 01:00
- 近 24 小时变化
- –
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。