mylogs.cn

谷歌开源 TorchTPU，联手亚马逊挑战英伟达生态

2026 年 10 月 21 日

发布于

人工智能应用的开发，长期以来被英伟达的图形处理器（GPU）及其软件生态所主导。绝大多数模型从训练到部署，默认都跑在英伟达的硬件与工具链上。当地时间 10 月 20 日，谷歌宣布面向自家张量处理单元（TPU）的原生 PyTorch 框架 TorchTPU 已在 GitHub 上开源，与亚马逊几天前发布的同类方案形成呼应，两家云巨头同时向英伟达在人工智能行业的主导地位发起冲击。

PyTorch 为何成了英伟达的”护城河”

PyTorch 是目前最热门的开源深度学习框架，人工智能应用开发者与初创企业依靠它来搭建、训练和部署模型。有统计显示，约 85% 的人工智能应用都在使用 PyTorch。

这一框架最初由 Meta 于 2016 年开发，彼时行业还完全没有意识到大语言模型会改变世界。当时英伟达的 GPU 已经成为人工智能研究的标准硬件，因此 PyTorch 的许多底层功能都是专门为适配英伟达 GPU 而打造的。2022 年，Meta 将 PyTorch 移交至 Linux 基金会，由这家非营利机构统一管理众多重要开源项目。

正是这种”为 GPU 而生”的历史路径，让英伟达在人工智能时代构筑起深厚的生态壁垒：开发者的习惯、第三方库的适配、运维工具链，几乎都围绕英伟达硬件展开。

谷歌 TorchTPU：改配置即可迁移，无需重写代码

谷歌推出的 TorchTPU，能够让人工智能应用直接在谷歌自研的 TPU 上运行。更重要的是，它提供了便捷的迁移路径——开发者只需简单修改配置，无需重写应用代码，就能把现有的 PyTorch 应用迁移到 TPU，进而迁移到谷歌云平台。

这意味着，对于那些已经在英伟达 GPU 上跑通的业务，切换到谷歌的硬件与云服务在理论上不再需要伤筋动骨的改写，迁移门槛被大幅拉低。

亚马逊同步推出 TorchNeuron

在谷歌之前，亚马逊于当地时间 10 月 19 日发布了类似的方案——自家的 PyTorch 版本 TorchNeuron。它可以在不重写代码的情况下，把人工智能应用移植到亚马逊自研芯片 Trainium 以及亚马逊云（AWS）上。

亚马逊还表示，将进一步削弱英伟达对 PyTorch 的掌控力。其正在向 PyTorch 主项目提交代码，把各类功能与英伟达芯片解耦，让 PyTorch 从底层就能原生兼容各类不同硬件。

更广泛的阵容：联合生态伙伴

IT之家注意到，谷歌在部分举措的力度上或许超过了亚马逊。谷歌称，其直接联合 Meta、Hugging Face、Inferact（vLLM 开发方）、RadixArk（SGLang 开发方）等多方合作，保证 TorchTPU 的功能与代码库能够像原版 PyTorch 一样，与这些主流人工智能开发工具良好兼容。换句话说，谷歌不只是做了一个”能跑”的移植层，而是试图把整个推理与服务生态一并接上 TPU。

此外，谷歌推出了专用工具”TPU 智能体套件”，帮助开发者把应用迁移到谷歌芯片与云平台，并在迁移过程中自动排查、修复错误。谷歌还升级了被广泛使用的 LiteRT 工具——该工具用于在手机、笔记本电脑和嵌入式设备上运行人工智能模型，升级后可以更好地支持基于 PyTorch 开发的人工智能应用，把”去英伟达化”的触角延伸到端侧设备。