谷歌亚马逊发布TorchTPU与TorchNeuron，降低AI应用对英伟达依赖

谷歌和亚马逊相继推出旨在降低人工智能（AI）应用对英伟达依赖的解决方案。当地时间10月20日，在加利福尼亚州圣何塞举行的PyTorch Conference 2026上，两家公司分别发布开源框架TorchTPU和TorchNeuron，以简化现有AI应用从英伟达图形处理器（GPU）迁移至各自芯片的过程。

PyTorch是用于开发AI应用的框架，2016年主要由Meta（原Facebook）旗下AI研究实验室FAIR开发。目前，全球约85%的AI应用开发者使用PyTorch构建、训练和运行模型，该框架已成为AI应用开发的事实标准。

不过，FAIR最初围绕英伟达GPU及CUDA开发平台设计PyTorch，而这两者当时已成为行业标准。由于用PyTorch开发的AI应用难以迁移到其他芯片，PyTorch在确立英伟达市场主导地位方面发挥了重要作用。谷歌的TorchTPU和亚马逊的TorchNeuron有望挑战英伟达生态系统的主导地位。

谷歌与Meta合作开发了TorchTPU。谷歌表示，现有PyTorch模型中超过98%只需将代码中的设备字符串改为model.to("tpu")，即可在张量处理单元（TPU）上运行，转换耗时从几分钟到几天不等。谷歌称，已使TPU在PyTorch核心层面成为与GPU和CPU平等的原生设备。

亚马逊云服务（AWS）的TorchNeuron同样允许基于PyTorch的AI模型直接在AWS的Trainium AI芯片上运行。与TorchTPU类似，开发者只需修改代码中几行设备设置，将英伟达的cuda替换为AWS的neuron，而无需重写整个应用。

亚马逊已通过GitHub以Apache 2.0开源许可证发布TorchNeuron公测版。除公开TorchNeuron代码外，亚马逊还直接向PyTorch主开源项目贡献代码。

此前，将为英伟达生态优化的AI应用迁移至谷歌或亚马逊的自有AI芯片至少需要数天，复杂情况下需要数月。新工具实际上消除了这些时间和成本障碍。

随着TorchNeuron、TorchTPU及类似工具获得采用，专用AI芯片预计将主要在底层性能、能效和定价方面展开竞争。不过，仍需更多时间验证各个模型的兼容性、性能和成本。