- Soumith Chintala meninggalkan Meta dan bergabung dengan Lab Mesin Berpikir Mira Murati.
- Laporan menunjukkan perekrutan cepat, tujuan pendanaan yang signifikan, dan alat awal, Tinker, dalam uji coba.
- Jejak sumber terbuka PyTorch berkembang, dengan adopsi yang luas dan makalah NeurIPS yang penting.
- DeepLearning.AI meluncurkan Sertifikat Profesional PyTorch di Coursera untuk meningkatkan keterampilan pengembang.
Dunia AI sedang menyaksikan transisi penting seiring Rekan pencipta PyTorch Chintala Selatan meninggalkan Meta untuk bergabung dengan Thinking Machines Lab, sebuah usaha baru yang didirikan oleh mantan CTO OpenAI, Mira Murati. Langkah ini menggarisbawahi kecepatan para peneliti terkemuka dalam merombak tim dan prioritas di seluruh industri.
Di luar berita utama, perubahan ini menandakan perkembangan strategi seputar kerangka kerja yang diandalkan banyak peneliti dan insinyur setiap hari. Dengan , Perubahan kepemimpinan mungkin mencerminkan pergeseran menuju pengelolaan komunitas yang lebih luas dan arah baru dalam pengembangan produk dan kolaborasi penelitian.
Pergeseran kepemimpinan di sekitar PyTorch
Setelah lebih dari satu dekade membantu membentuk infrastruktur AI Meta, Soumith Chintala diumumkan pada awal November 2025 bahwa ia akan mundur dari kepemimpinan PyTorch dan meninggalkan perusahaan. Tak lama kemudian, ia mengonfirmasi bahwa ia telah bergabung dengan Thinking Machines Lab, dengan alasan kekuatan tim dan keinginan untuk mengembangkan hal-hal baru.
Perjalanan Chintala telah banyak dikutip sebagai inspirasi: dari Hyderabad dan VIT hingga mendirikan PyTorch pada tahun 2016, mengubah perangkat yang berpusat pada penelitian menjadi standar yang kini mendukung pekerjaan mutakhir di seluruh laboratorium, perusahaan rintisan, dan perusahaan besar.
Di bawah kepemimpinannya, PyTorch berkembang dari favorit eksperimental menjadi platform siap produksiPertumbuhan kerangka kerja, tata kelola, dan kontribusi komunitas memperkuat perannya sebagai landasan alur kerja pembelajaran mesin modern.
Kepergiannya terjadi di tengah perombakan yang lebih luas di berbagai organisasi AI besar. Meskipun detailnya bervariasi berdasarkan laporan, benang merahnya jelas: tim dan peta jalan sedang disetel ulang untuk bersaing di era yang ditentukan oleh skala model, jalur data, dan penerapan di wilayah global.
Tujuan, perekrutan, dan sinyal produk awal Thinking Machines
Mira Murati mendirikan Thinking Machines Lab dengan fokus pada apa yang ia sebut sebagai kecerdasan umum kolaboratif. Bintang utara kelompok ini adalah membangun sistem multimoda untuk interaksi manusia alami, dengan penekanan pada jalur penelitian-ke-produk yang bertanggung jawab dan dapat ditingkatkan skalanya.
Laporan menunjukkan minat investor yang besar: putaran awal pendanaan sebesar $2 miliar telah banyak dibahas, bersamaan dengan pembicaraan yang merujuk pada potensi valuasi di $ 50 - $ 60 miliar Perekrutan tampak pesat, mencerminkan persaingan untuk mengumpulkan talenta lintas disiplin yang mencakup infrastruktur, riset, dan produk.
Alat pertama startup ini, Tinker, telah dideskripsikan sebagai sebuah sistem untuk menyederhanakan penyempurnaan model bahasa besar. Pilot awal di institusi seperti Princeton dan Stanford dan uji coba dengan pengguna perusahaan awal menunjukkan peluncuran yang terukur saat tim mengulangi dengan umpan balik dunia nyata.
Beberapa laporan juga menyoroti rekrutan dan penasihat terkemuka di seluruh industri, yang menunjukkan bahwa Thinking Machines sedang membangun tim yang solid untuk mempercepat pengembangan di tengah persaingan ketat untuk mendapatkan keahlian.
Jejak sumber terbuka PyTorch terus berkembang
PyTorch telah menjadi platform pilihan untuk penelitian dan produksi, dengan penggunaan yang disebutkan di lebih dari 150,000 proyek publikDampaknya terlihat di seluruh visi komputer, NLP, dan pemodelan generatif, di mana pembuatan prototipe cepat dan penerapan fleksibel sangat penting.
Tonggak penting lainnya adalah makalah lengkap pertama PyTorch di NeurIPS (2019), yang ditulis oleh Adam Paszke dan rekan-rekannya, yang mendokumentasikan pilihan desain inti hingga versi 0.4. mengkodifikasikan prinsip-prinsip kerangka kerja tersebut dan membantu menyatukan ekosistem perpustakaan dan alat yang berkembang.
Dari tata kelola PyTorch Foundation hingga kontribusi komunitas yang dinamis, lintasan kerangka kerja ini menggambarkan bagaimana skala kolaborasi sumber terbuka ketika penelitian, infrastruktur, dan pendidikan selaras dengan tujuan bersama.
Dorongan pendidikan: Sertifikat Profesional PyTorch baru
DeepLearning.AI mengumumkan Sertifikat Profesional PyTorch untuk Pembelajaran Mendalam di Coursera, yang dipandu oleh Laurence Moroney. Kurikulumnya berfokus pada cara membangun, melatih, dan menerapkan model PyTorch, yang bertujuan untuk membuat pembelajaran mendalam yang praktis lebih mudah diakses oleh khalayak yang lebih luas.
Bagi peserta didik dan tim, jalur terstruktur seperti ini dapat mempersingkat waktu yang dibutuhkan untuk beralih dari dasar ke produksi. Dengan menstandardisasi proyek langsung dan praktik terbaik, sertifikat ini memperluas jalur bakat dan mendukung organisasi yang memformalkan tumpukan MLOps mereka di sekitar PyTorch.
Bagaimana ekosistem bisa berevolusi dari sini
Seiring dengan meningkatnya Thinking Machines dan laboratorium lain yang memperkuat infrastruktur, komunitas PyTorch akan mendapatkan keuntungan dari fokus baru pada efisiensi, perkakas, dan pelatihan terdistribusiTahap selanjutnya kemungkinan akan menampilkan lingkaran yang lebih erat antara penelitian dan penerapan, dengan memperhatikan keselamatan dan keandalan.
Sementara itu, komunitas pengembang terus mendorong batasan dengan proyek yang memadukan ketelitian dan aksesibilitas. Tulisan dan implementasi edukatif—mulai dari tutorial dasar hingga panduan menyeluruh tentang membangun StyleGAN di PyTorch—terus menurunkan hambatan bagi praktisi di setiap tingkatan.
Dengan rekam jejak yang terbukti dalam sumber terbuka dan semakin banyaknya sumber daya pelatihan, PyTorch diposisikan untuk tetap menjadi pilar utama dalam pengembangan AI. Kombinasi kepemimpinan berpengalaman bergabung dengan usaha baru, energi komunitas yang berkelanjutan, dan jalur pendidikan formal menunjukkan siklus inovasi yang mendorong eksperimen dan adopsi di dunia nyata.
