谷歌在 11 月 9 日官宣，原本内部用来训练 Gemini、PaLM 大模型的分布式训练系统 Pathways，在 Google Cloud 平台正式全面开放，面向云客户提供大规模 AI 训练运行时能力，客户可以直接调用这套谷歌自研的调度底座，在 TPU 集群上跑 JAX 框架的大模型训练任务。传统大模型训练普遍采用 SPMD 锁步同步模式，所有芯片必须步调一致，一旦单块硬件故障，整个训练任务直接中断回滚，而且流水线、强化学习这类混合任务很容易出现算力闲置浪费。Pathways 采用单控制器架构，把整个计算任务抽象成一张计算图，由运行时自动把任务分配、张量分片、数据搬运调度到海量 TPU 芯片上，硬件故障时自动迁移任务，不用全部重启训练。客户落地使用的流程是，基于 JAX 编写模型代码，在 GKE 集群接入 Pathways 运行时，系统把跨 Pod、跨区域的 TPU 集群虚拟成统一算力池，再开启弹性容错、断点续训能力，开展大模型预训练、MoE 模型、强化学习等复杂训练任务。
一、Pathways 核心基础信息表
| 项目 | 详情 |
|---|---|
| 产品名称 | Cloud Pathways |
| 发布状态 | 正式可用（GA），2026-11-09 开放 |
| 底层框架 | JAX，适配谷歌 TPU 算力集群 |
| 部署载体 | Google Cloud GKE（谷歌 K8s 集群） |
| 原生用途 | 谷歌内部训练 Gemini、PaLM 等前沿大模型 |
| 核心架构 | 单控制器统一调度，虚拟设备抽象 |
| 核心能力 | 弹性容错、故障自动迁移、跨 TPU Pod 协同调度 |
| 适用任务 | 大模型预训练、MoE 混合专家模型、RLHF 强化学习、多阶段流水线训练 |
二、Pathways 对比传统 SPMD 分布式训练的优势清单
- 故障容错能力更强：单节点、单 TPU 硬件损坏时，系统自动把任务转移到健康芯片，不需要整体停训、从检查点回滚，谷歌披露 Gemini 2.5 训练阶段曾经频繁遇到硬件故障，靠这套架构降低中断损失
- 算力利用率更高：支持异步调度、多类型任务混跑，流水线、奖励模型、主模型训练可以并行执行，减少加速器空等
- 开发门槛降低：只用一套 Python 客户端，就能管理成千上万块 TPU，跨多个 TPU Pod、跨区域算力池，不用手动处理复杂多集群通信
- 弹性扩缩容：算力资源充足时扩容，资源紧张时缩容，训练任务可以持续跑，适配长周期大模型训练
- 支持跨区域分布式训练：搭配 DiLoCo 技术，在低带宽广域网下跨不同数据中心训练大模型
三、适配的业务场景
- 超大参数基础大模型预训练，需要上万颗 TPU 协同
- MoE 混合专家模型训练，不同专家路由调度
- 大模型 RLHF、DPO 强化学习对齐，多模型流水线联动
- 长周期持续迭代模型，训练任务持续数天乃至数周
- 多模态大模型联合训练，图文音多分支计算任务
四、和同类分布式框架的差异说明
- Ray：任务调度、资源管理层面框架，和 Pathways 不属于同一层级，二者可以搭配使用
- PyTorch Distributed / Megatron-LM：主流 SPMD 同步训练方案，适合规整的数据并行、模型并行，容错弱，单节点故障容易整体崩盘
- Pathways：面向谷歌 TPU+JAX 深度定制，主打异构、异步、长周期、高容错的超大集群训练，生态绑定谷歌云 TPU 体系
五、当前存在的限制与风险清单
- 生态绑定：原生只支持 JAX，PyTorch 生态客户无法直接迁移，适配成本高
- 硬件锁定：只能在谷歌云 TPU 集群上运行，不能直接跑在英伟达 GPU 上
- 定价未公开：谷歌暂未披露 Pathways 单独收费标准，费用主要和 TPU 算力时长挂钩
- 上手门槛：面向前沿大模型研发团队，小模型、小规模训练场景收益不明显
- 技术依赖：底层调度逻辑深度定制，企业自主私有化部署难度很高
【常见问题】
问题 1：谷歌自研大模型分布式训练底座 Pathways 正式在谷歌云对外开放商用，Pathways 之前是用来做什么的？
回答 1：谷歌自研大模型分布式训练底座 Pathways 正式在谷歌云对外开放商用，Pathways 最早是谷歌 DeepMind 自研的内部系统，专门用来训练 Gemini、PaLM 这类旗舰大模型，现在才对外开放给谷歌云客户使用。
问题 2：谷歌自研大模型分布式训练底座 Pathways 正式在谷歌云对外开放商用，Pathways 和普通分布式训练框架最大区别是什么？
回答 2：谷歌自研大模型分布式训练底座 Pathways 正式在谷歌云对外开放商用，传统方案大多是 SPMD 锁步同步，一块芯片坏了全任务停掉；Pathways 是单控制器异步调度，硬件故障自动迁移任务，不容易全盘中断，算力利用率更高。
问题 3：谷歌自研大模型分布式训练底座 Pathways 正式在谷歌云对外开放商用，是不是所有 AI 框架都可以直接跑 Pathways？
回答 3：谷歌自研大模型分布式训练底座 Pathways 正式在谷歌云对外开放商用，它原生适配 JAX 框架，主要面向 TPU 集群，PyTorch 框架不能直接使用，需要额外改造适配。
问题 4：谷歌自研大模型分布式训练底座 Pathways 正式在谷歌云对外开放商用，Pathways 可以在英伟达 GPU 集群上部署吗？
回答 4：谷歌自研大模型分布式训练底座 Pathways 正式在谷歌云对外开放商用，这套系统深度绑定谷歌 TPU 硬件与谷歌云 GKE 环境，暂时不支持英伟达 GPU 集群部署运行。
问题 5：谷歌自研大模型分布式训练底座 Pathways 正式在谷歌云对外开放商用，什么样的团队适合使用 Pathways？
回答 5：谷歌自研大模型分布式训练底座 Pathways 正式在谷歌云对外开放商用，适合需要训练超大参数大模型、MoE 模型、RLHF 强化学习任务，并且采购谷歌云 TPU 算力的 AI 研发团队，小规模训练场景优势不大。
【参考资料】
[2026-11-11]（谷歌 AI 训练底座 Pathways 正式开放，大模型分布式训练系统对外开放）品玩
[2026-11-09]（谷歌宣布 Pathways 在云端正式全面开放）钛媒体
[2026-11-09]（Google opens Pathways, the system that trains Gemini, to Cloud customers）Google Developers Blog
[2026-11-10]（Cloud Pathways GA：面向海量 TPU 集群的分布式 ML 运行时）CloudObjectivity
[2026-04-09]（谷歌 Cloud Next：TPU Ironwood 同步发布，Pathways 计划对外商用）The Keyword
【免责声明】
本文内容基于谷歌官方博客、科技媒体公开资讯整理，谷歌自研大模型分布式训练底座 Pathways 正式在谷歌云对外开放商用相关能力、适配范围、收费规则以谷歌云官方最新文档为准，该产品存在硬件、框架生态绑定限制，本文不构成云算力采购、大模型研发投入建议。