Il 9 novembre 2026 Google ha annunciato la disponibilità generale (GA) di Cloud Pathways su Google Kubernetes Engine (GKE). La stessa giornata ha annunciato separatamente in Preview l’integrazione con i cluster TPU gestiti tramite Slurm e Cluster Director. Per preparare il deployment GKE descritto da Google servono gli strumenti da riga di comando, l’accesso all’API di Kubernetes Engine e quota TPU sufficiente oppure una prenotazione. L’annuncio di Google

Un client JAX per coordinare più slice di TPU

Cloud Pathways è un runtime distribuito per il machine learning: un singolo client JAX coordina il lavoro su più slice di TPU e offre una vista unificata dei dispositivi. Nel modello predefinito multi-controller di JAX, invece, partecipano più processi Python e ciascuno vede i dispositivi collegati localmente. La documentazione tecnica di Google descrive la differenza anche nel modo di programmare i workload.

AspettoJAX multi-controller predefinitoCloud Pathways single-controller
ControlloPiù processi, ciascuno con il proprio interprete PythonUn client coordina il lavoro sul sistema
Vista dei dispositiviOgni processo vede quelli collegati localmenteIl client JAX presenta una vista unificata delle TPU slice
Schema di programmazioneApproccio soprattutto SPMD: i dispositivi eseguono lo stesso programmaSupporta anche schemi oltre SPMD, come il parallelismo di pipeline asimmetrico e la sparsità computazionale

SPMD indica un modello in cui più dispositivi eseguono lo stesso programma su dati diversi. La differenza pratica è che il modello single-controller riunisce il coordinamento e la vista delle TPU in un solo client; Google propone Pathways per workload distribuiti su grandi slice e per attività multiple.

Google basa il runtime su IFRT, acronimo di Interim Framework Runtime, un framework open source. Tra le funzionalità annunciate figurano sidecar Python collocati insieme agli host TPU, cache persistente delle compilazioni su Cloud Storage e invio asincrono delle istruzioni XLA HLO. Google descrive inoltre l’addestramento elastico: in caso di guasto hardware, snapshot conservati nella memoria degli host possono consentire di ridistribuire il workload su N−1 slice senza arrestare il client. È una capacità dichiarata da Google, non una misura delle prestazioni.

Per valutare un deployment, considerate insieme il modello di coordinamento e le risorse GKE, TPU e CPU che il cluster richiede.

Requisiti e risorse per il deployment GKE

La guida di Google per creare un cluster GKE con Pathways elenca gcloud CLI, kubectl, gke-gcloud-auth-plugin e l’accesso all’API di Kubernetes Engine. Prima di creare le slice, occorre avere quota TPU sufficiente o una prenotazione.

L’esempio manuale della guida configura pool di nodi CPU e TPU, installa l’API JobSet e usa Cloud Storage per i file temporanei e la cache delle compilazioni. Per la configurazione con metadati dei nodi descritta nell’esempio, Google indica di assegnare all’account di servizio dei nodi il ruolo roles/storage.objectAdmin sul bucket. Questi valori e componenti appartengono all’esempio della guida, non definiscono una configurazione minima universale.

Google avverte che la procedura crea risorse fatturabili, tra cui il cluster GKE e i pool CPU e TPU, e raccomanda di eliminare il cluster al termine per evitare addebiti successivi. La guida non indica un prezzo specifico per Cloud Pathways.

TPU supportate e integrazione distinta in Preview

Nell’annuncio, Google ha indicato che la disponibilità generale su GKE riguarda le regioni Google Cloud che supportano Cloud TPU v5e, TPU v5p, Trillium (TPU v6e) e Ironwood (TPU 7x). Le immagini versionate di Cloud Pathways annunciate supportano JAX 0.10.1 e versioni successive. Google ha inoltre riferito che, nei 90 giorni precedenti all’annuncio, i clienti avevano elaborato oltre 130 milioni di ore-chip TPU con Pathways su GKE.

L’integrazione con Cluster Director riguarda invece i cluster TPU Slurm ed è stata annunciata come Preview, distinta dalla disponibilità generale su GKE.