亞馬遜於 2026 年 10 月 19 日宣布推出 TorchNeuron 軟體，表示開發者只需變更一項設定，無須改寫程式碼，即可在其 AWS Trainium AI 晶片上執行現有的 PyTorch 程式碼。這項工具旨在解決軟體轉換障礙，而這類障礙一直是支撐 Nvidia 在 AI 運算領域地位的因素之一。
重點摘要
- 亞馬遜表示，開發者無須改寫程式碼，即可將現有的 PyTorch 程式碼轉移至 Trainium。
- 該公司計劃於 10 月 20 日的 PyTorch Conference 上發布開源版本。
- 更容易的移轉流程可能有助於 Trainium 普及，但這並不能證明其相較 Nvidia 具有廣泛的成本或效能優勢。
目錄
TorchNeuron 軟體聚焦於移轉障礙
選擇不同的 AI 處理器，除了更換硬體，也可能需要調整軟體。亞馬遜對 TorchNeuron 的公告將其描述為原生 PyTorch 後端，旨在透過 PyTorch 用來註冊新硬體的標準機制，將現有應用程式連接至 Trainium，以減少相關工作。
亞馬遜表示，開發者可以繼續使用現有工具來測試、除錯及擴展模型。在該公司的示範中，工程師分別在一般晶片與 Trainium 上執行相同的訓練指令碼，只變更了用來選擇硬體的設定。亞馬遜表示，模型學到的內容相同，學習速度也相同。
這項示範支持該公司的可移植性主張，但並非涵蓋各種工作負載的全面基準測試。移轉應用程式與最佳化其效能是兩項不同的工作；亞馬遜也提供用於自訂低階程式碼及跨多個晶片進行訓練的工具。
| 項目 | 詳情 |
|---|---|
| 支援的晶片世代 | Trainium2 與 Trainium3 |
| 計劃採用的發布授權 | Apache 2.0 |
| 預定發布場合 | PyTorch Conference North America，2026 年 10 月 20 日 |
軟體為何攸關挑戰 Nvidia
Nvidia 的競爭地位不僅來自其處理器，也仰賴 CUDA；這個軟體平台歷經十多年開發，旨在支援其硬體上的各種工作負載。亞馬遜正試圖讓自家晶片更容易採用，無須開發者重建 PyTorch 應用程式。
實際上，這項技術有望減少移轉所需的工程時間。如果此方法能適用於更多生產環境工作負載，Trainium 可能會成為 AWS 客戶更容易採用的替代方案。僅憑這項公告，無法確定客戶能節省多少成本，也無法判斷他們是否會將支出從 Nvidia 轉移出去。
早期使用者涵蓋語音 AI 與藥物探索
亞馬遜指出，早期使用者來自多個 AI 領域。該公司表示，語音 AI 公司 Cartesia 以對 PyTorch 程式碼進行最少修改的方式，執行了其標準推論流程；Lieber Institute for Brain Development 則正探索將 Trainium 用於藥物研究中的生物、化學及語言模型。
這些案例展示了正在測試的應用範圍，並不代表其已廣泛商業採用。亞馬遜也表示，正為 PyTorch 貢獻程式碼變更，以降低對其自家晶片以外硬體的特定依賴。
結論
TorchNeuron 著重處理採用亞馬遜 AI 硬體所涉及的軟體工作，本身並不能證明硬體具有優勢。截至 10 月 19 日的公告，下一個預定里程碑是 10 月 20 日發布開源版本。
閱讀更多新聞
免責聲明
本 FinanceVelix 文章僅提供一般資訊，不構成個人化的財務、投資、法律或稅務建議。市場價格、利率及經濟狀況可能變動；投資涉及損失風險。本文內容反映發布時可取得的資料，且可能有所變動。請自行查證重要資訊，並在需要時諮詢合格專業人士。提及任何資產、公司或服務，均不代表背書。
