Googleは2026年10月20日(米国時間)、MetaのPyTorchチームと共同開発した、GoogleのAI用チップ「TPU」でPyTorchをそのまま動かすためのソフトウェア「TorchTPU」を、Apache 2.0ライセンスのオープンソースとして公開しました。
Googleが2025年半ばに始め、MetaのPyTorchチームと共同で開発したもので、これまでの「PyTorch/XLA」は廃止予定となり、TorchTPUに置き換えられます。
AIを自社で動かす企業や、AI機能を持つSaaSの経営層にとっては、NVIDIAのGPUに頼りきらない計算資源の選択肢が、より現実的になった出来事だといえます。
vLLMやSGLang、Hugging Faceなど、よく使われる道具との連携もそろえて公開されました。
この記事では、何が公開されたのか、PyTorch/XLAから何が変わるのかを整理し、技術者ではない読者にとっての意味と、判断の前に確かめたい点につなげていきます。
この記事のポイント
- GoogleがMetaと共同開発したTorchTPUをApache 2.0で公開
- TPUでPyTorchをそのまま動かすための新しい仕組み
- PyTorch/XLAは廃止予定で、2026年11月15日にアーカイブ
- vLLM・SGLang・Hugging Faceなどとの連携も同時に公開
- 性能の数字は主にGoogleの発表で、第三者の検証は限られる
本記事は、PyTorch公式ブログ、Google Cloudの公式ブログ、Google Developers Blog(2026年4月7日)、TorchTPUとPyTorch/XLAのGitHubとドキュメント、報道にもとづいています。
情報は2026年10月21日12時(日本時間)時点のものです。性能の数字は、ほとんどがGoogleによる発表です。
GoogleとMetaのTorchTPUで公開されたもの

AIの開発では、PyTorchという道具がとてもよく使われていますよね。ところがGoogleのTPUでPyTorchを動かすのは、これまで手間のかかる作業でした。
TPUでPyTorchを「そのまま」動かすための仕組み
PyTorch公式ブログは、TorchTPUをGoogleとMetaによるオープンソースの共同開発で、TPU向けにPyTorchをネイティブに動かす仕組みだと説明しています。
Googleが2025年半ばに始め、MetaのPyTorchチームと協力して作りました。
Google Cloudのブログには、MetaのPyTorchエンジニアリング部門のディレクターが「1つのハードウェアの設計に縛られるわけにはいかない」と語ったコメントも載っています。
簡単な場合は、プログラムの中の「cuda」という指定を「tpu」に変えるだけで動かせることを目指しています。ただし公式は、それだけでTPUの最高の性能が出るわけではなく、まずは動くことが目標だと書いています。
4月に技術を解説し、10月にオープンソース化
TorchTPUについては、2026年4月7日にGoogle Developers Blogで技術の解説が公開されていました。
今回は、米サンノゼで開かれた10月のPyTorch Conferenceに合わせて、TorchTPU、vLLM-TorchTPU、SGLang-TorchTPU、TorchTitanの4つのリポジトリを公開すると公式ブログは書いています。
ライセンスはApache 2.0で、本体はGitHubの「google-pytorch」組織にあります。
開発は続いていますが、Google Cloudの大手顧客の一部では、すでに推論と学習の本番で使われているとも説明されています。
\ AI活用、何から始めればいいか迷ったら /
初回相談無料|「何を相談すればいいか分からない」段階でもお気軽にどうぞ
PyTorch/XLAから何が変わるのか

新しい仕組みが出ると、古いものと並べて使うのか、乗り換えるのかが気になりますよね。今回ははっきりと「置き換え」です。
PyTorch/XLAは廃止予定、11月15日にアーカイブ
PyTorch/XLAのGitHubには、「このプロジェクトは廃止予定で、TorchTPUに置き換えられた」と書かれています。
リポジトリは2026年11月15日にアーカイブされる予定で、新しい処理はTorchTPUで始め、既存の処理はTorchTPUへ移すよう案内されています。
PyTorch公式ブログは、2020年に登場したPyTorch/XLAの弱点として、プログラムを書き換える必要があったこと、準備の処理に時間がかかったこと、PyTorchのふつうの動かし方に対応していなかったことなどを挙げています。
TorchTPUは、こうした手間を減らすことを狙っています。
対応するTPUの世代と、連携する道具

表で詳しく見る
| 項目 | 内容(公式) |
|---|---|
| 対応するTPU | v5e、v5p、Trillium(v6e)、Ironwood(v7x) |
| 検証済みの連携 | vLLM、SGLang、TorchTitan、Ray、TorchRec |
| Hugging Face | Transformers v5で「device_map=”tpu”」を渡すだけでTPUに配置 |
| 動作を確かめたモデル | Hugging Faceでよくダウンロードされる約5,000本 |
| ライセンス | Apache 2.0 |
vLLMとの連携はInferact、SGLangとの連携はRadixArkと共同で作ったとGoogle Cloudのブログは書いています。
ただしvLLM版は、Ironwood(v7x)以外の世代は「試験的」扱いです。使いたい世代でどこまで確かめられているかは、事前に確認が必要です。
\ AI活用、何から始めればいいか迷ったら /
初回相談無料|「何を相談すればいいか分からない」段階でもお気軽にどうぞ
性能の数字と、まだ発展途上の部分

新しい基盤の発表には、魅力的な数字が並びがちです。誰が測った数字なのかを分けて見ておきましょう。
数字の多くはGoogleの発表
- 学習の効率:TorchTitanでQwen 3 8Bを学習したときの計算資源の使用効率(MFU)は最大52%、Ironwood最大8,192基までほぼ比例して拡張できた(Google)
- JAXとの比較:Qwen3のMoE 235Bを64基のTPU v7で動かし、TorchTitanで1,828、JAX/MaxTextで1,937(1秒あたりのトークン数、Google)
いずれもGoogleが発表した数字で、同じ条件での第三者の検証ではありません。公式は「大規模な処理でGPU上のPyTorchと競えるもの」を目指すと書いていますが、「GPUと同等」とは書いていない点も押さえておきたいところです。
公式が書いている制約
ドキュメントには、一部の分散の方式は性能が低く、DeepSeekやKimiなどの一部のモデルは試験的・調整中と書かれています。
1つのTPUには1つのプロセスしか触れられないことや、データの形が実行中に変わると準備のやり直しが起きうることも説明されています。
何でもすぐにTPUへ移せる段階ではないと理解しておくのが安全です。
\ AI活用、何から始めればいいか迷ったら /
初回相談無料|「何を相談すればいいか分からない」段階でもお気軽にどうぞ
このニュースで誰の何が変わるのか

開発基盤の話ですが、AIの費用や取引先選びを通じて、事業の判断にも関わってきます。影響の大きい3つの立場で見ていきましょう。
BtoB SaaSの経営層:計算資源の選択肢が増え、交渉の材料になる
AI機能の原価のうち、GPUの費用が大きくなっている会社は多いのではないでしょうか。TorchTPUで、PyTorchで作ったAIをTPUでも動かしやすくなる道が開きました。
選べる計算資源が増えれば、クラウドの選定や価格の交渉で取れる手も増えます。
明日からやることは、自社のAI機能がどの計算資源で、どれくらいの費用で動いているかを、開発の責任者に1枚にまとめてもらうことです。
今後、特定のチップに縛られない作りにしておくことが、AI機能の原価を安定させる手段の1つになっていくと考えられます。
ただしTPUへ移せば必ず安くなるとは言えないため、試算と試験が前提です。
社内でAIを動かす企業の開発責任者:PyTorch/XLAからの移行を計画する
すでにTPUでPyTorch/XLAを使っているチームにとっては、時間との勝負になる話ですよね。PyTorch/XLAは2026年11月15日にアーカイブされる予定です。
やることは、PyTorch/XLAに頼っている処理を洗い出し、使っているTPUの世代とモデルがTorchTPUで検証済みかを確かめることです。
試験的と書かれたモデルや方式を使っているなら、移行の前に性能を測る時間を取りましょう。数か月のうちに、TPUでの新しい開発はTorchTPUが前提になっていくと考えられます。
Web担当役員・マーケティング部長:AIツールの提供元の「足回り」を知っておく
マーケティングの現場から見ると、AIの計算資源の話は遠く感じるかもしれませんね。けれど、使っているAIツールの価格や安定性は、提供元がどの計算資源に頼っているかに左右されます。
やることは、主要なAIツールの提供元に、使っているモデルとあわせて、どのクラウドや計算資源で動いているかを聞いておくことです。
AIツールの中身を確かめる観点は、DeepSeek排除命令を米政府が公示|AIツール選定で確かめたい3点でもまとめています。
計算資源の選択肢が広がることが、AIツールの価格の安定につながる可能性はありますが、すぐに値下げにつながるとは限りません。

「どのチップでも動く」は、いつでも乗り換えられる保険になります
TPUを検討するときに確かめたい3つの点

公式の説明と制約を踏まえて、TPUとTorchTPUを検討するときに確かめたいことを3つにまとめました。ここからは編集部の提案です。
世代・モデル・使い方の3つを照らし合わせる
- TPUの世代:使う予定の世代が、TorchTPU本体と、vLLMなど使いたい道具の両方で検証済みか
- モデル:自社のモデルが「試験的・調整中」に入っていないか
- 費用:公表の数字ではなく、自社の処理量で費用と速さを測る
とくに3つ目は大切です。公表されている性能は、条件のそろった発表者の測定です。自社のモデルと処理量で小さく試してから判断すると、思わぬ費用の増加を避けられます。
TPUはGoogle Cloudで使う前提
公開されたのはソフトウェアで、TPUそのものはGoogle Cloudで使うチップです。TorchTPUを使うことは、Google Cloudを選ぶことと結びついています。
特定のチップへの依存を減らす一方で、クラウドの選び方の検討は別に必要になります。
日本のリージョンで使えるTPUの世代や料金は、Google Cloudの公式の案内で確かめてください。
よくある質問

- TorchTPUとは何ですか?
-
GoogleのTPUでPyTorchをネイティブに動かすためのソフトウェアです。Googleが始め、MetaのPyTorchチームと共同で開発し、2026年10月20日(米国時間)にオープンソースとして公開されました。
- TorchTPUのライセンスは何ですか?
-
Apache 2.0です。本体のリポジトリはGitHubのgoogle-pytorch組織にあります。
- TorchTPUの公開でPyTorch/XLAはどうなりますか?
-
廃止予定で、TorchTPUに置き換えられます。リポジトリは2026年11月15日にアーカイブされる予定で、新しい処理はTorchTPUで始め、既存の処理は移すよう案内されています。
- TorchTPUはどのTPUに対応していますか?
-
v5e、v5p、Trillium(v6e)、Ironwood(v7x)です。ただしvLLM版では、Ironwood以外の世代は試験的とされています。
- TorchTPUでHugging Faceのモデルは使えますか?
-
Transformers v5で「device_map=”tpu”」を渡すとTPUに配置できると、Google Cloudのブログは説明しています。よくダウンロードされる約5,000本を対象に、4,917本で動作を確かめたとされています。
- TPUのほうがGPUより安くなりますか?
-
一概には言えません。公表されている性能はGoogleの発表で、条件もさまざまです。自社のモデルと処理量で試して比べる必要があります。
- TorchTPUはマーケティング担当者に関係がありますか?
-
直接使う場面はほとんどありません。ただ、使っているAIツールの価格や安定性は、提供元の計算資源に左右されるため、提供元の足回りを知っておくことは選定の判断材料になります。
まとめ

Googleは2026年10月20日、Metaと共同開発した、TPUでPyTorchをネイティブに動かすTorchTPUを、Apache 2.0でオープンソースとして公開しました。
PyTorch/XLAは廃止予定で、2026年11月15日にアーカイブされます。
vLLMやSGLang、Hugging Faceとの連携もそろいましたが、性能の数字の多くはGoogleの発表で、一部のモデルや方式はまだ試験的です。
- 自社のAI機能がどの計算資源で動いているかを1枚にまとめる
- PyTorch/XLAを使っているなら、11月15日までに移行の計画を立てる
- TPUの世代・モデル・費用を、自社の処理で確かめてから判断する
AIの基盤は、1つのチップに頼る形から、複数を選べる形へ少しずつ動いています。その変化を自社の原価やツール選びにどう生かすか、早めに考えておく価値はあると思います。



参考・出典
- PyTorch Blog「Introducing TorchTPU」:https://pytorch.org/blog/introducing-torchtpu/
- Google Cloud Blog「TorchTPU is now open source: run native PyTorch on TPUs」:https://cloud.google.com/blog/topics/ai-infrastructure/torchtpu-is-now-open-source-run-native-pytorch-on-tpus
- Google Developers Blog「TorchTPU: Running PyTorch natively on TPUs at Google scale」(2026年4月7日):https://developers.googleblog.com/torchtpu-running-pytorch-natively-on-tpus-at-google-scale/
- GitHub「google-pytorch/torch_tpu」:https://github.com/google-pytorch/torch_tpu
- GitHub「pytorch/xla」:https://github.com/pytorch/xla
- TorchTPU Docs「FAQ」:https://torchtpu.readthedocs.io/en/0.2.0/faq/
- GitHub「vllm-project/vllm-torchtpu」:https://github.com/vllm-project/vllm-torchtpu
- Forkast「Google and Meta open-source TorchTPU」:https://forkast.news/google-and-meta-open-source-torchtpu-decoupling-model-code-from-silicon/





