亚马逊于 2026 年 10 月 19 日宣布推出 TorchNeuron 软件，并表示开发者只需更改一项配置，无需重写代码，即可在其 AWS Trainium AI 芯片上运行现有 PyTorch 代码。该工具旨在消除软件转换障碍，而这一障碍一直是支撑英伟达在 AI 计算领域地位的因素之一。
要点
- 亚马逊表示，开发者无需重写代码，即可将现有 PyTorch 代码迁移至 Trainium。
- 该公司计划于 10 月 20 日在 PyTorch 大会上发布开源版本。
- 更轻松的迁移可能有助于 Trainium 的普及，但这并不能证明其在成本或性能方面相较英伟达具有广泛优势。
目录
TorchNeuron 软件聚焦迁移难题
选择不同的 AI 处理器，除了更换硬件，也可能意味着需要调整软件。亚马逊发布的 TorchNeuron 公告介绍了一款原生 PyTorch 后端，旨在通过 PyTorch 注册新硬件的标准机制，将现有应用连接到 Trainium，从而减少相关工作。
亚马逊表示，开发者可以继续使用现有工具来测试、调试和扩展模型。在一项公司演示中，工程师在传统芯片和 Trainium 上运行了同一训练脚本，只更改了用于选择硬件的设置。亚马逊表示，模型学到的内容相同，学习速度也相同。
这项演示支持了该公司的可移植性主张，但并非涵盖各种工作负载的全面基准测试。迁移应用和优化其性能是两项不同的工作；亚马逊还提供用于定制底层代码以及跨多块芯片进行训练的工具。
| 项目 | 详情 |
|---|---|
| 支持的芯片代际 | Trainium2 和 Trainium3 |
| 计划采用的发布许可证 | Apache 2.0 |
| 计划发布平台 | PyTorch 北美大会，2026 年 10 月 20 日 |
软件为何对挑战英伟达至关重要
英伟达的竞争地位不仅源于其处理器，也得益于 CUDA——这一软件平台经过十多年的开发，旨在支持其硬件上的各类工作负载。亚马逊正努力降低自家芯片的采用门槛，使开发者无需重建 PyTorch 应用即可使用这些芯片。
实际机会在于减少迁移所需的工程时间。如果这一方案能适用于更多生产环境中的工作负载，就可能让 Trainium 成为 AWS 客户更容易采用的替代方案。但仅凭这项公告，无法确定客户能节省多少成本，也无法判断他们是否会减少在英伟达产品上的支出。
早期用户涵盖语音 AI 和药物发现领域
亚马逊指出，早期用户来自多个 AI 领域。该公司表示，语音 AI 公司 Cartesia 只需对其 PyTorch 代码进行最少改动，就能运行标准推理流程；而 Lieber Institute for Brain Development 正在探索将 Trainium 用于药物研究中的生物、化学和语言模型。
这些案例展示了正在测试的应用范围，但并不能衡量其广泛商业化采用程度。亚马逊还表示，正在为 PyTorch 贡献代码改动，以减少对其自有芯片以外特定硬件的依赖。
结论
TorchNeuron 解决的是采用亚马逊 AI 硬件所涉及的软件工作问题，本身并不能证明硬件具有优势。截至 10 月 19 日的公告，下一项计划中的重要进展是在 10 月 20 日发布开源版本。
阅读更多新闻
免责声明
本文由 FinanceVelix 发布，仅提供一般信息，不构成个性化的财务、投资、法律或税务建议。市场价格、利率和经济状况可能发生变化；投资存在亏损风险。本文事实依据发布时可获得的材料，且可能发生变化。请独立核实重要信息，并在需要时咨询合格的专业人士。提及任何资产、公司或服务均不构成认可或推荐。
