亚马逊推出TorchNeuron开发工具，向英伟达发起最大挑战

亚马逊云服务（AWS）本周一发布了一款名为TorchNeuron的开发工具，让AI创业公司只需改动一行配置，就能把基于PyTorch框架开发的AI应用迁移到亚马逊自研的Trainium芯片上运行，无需重写代码。这是亚马逊迄今为止对英伟达发起的最直接挑战——过去多年，英伟达凭借CUDA软件生态构筑的护城河，让自家GPU成为AI应用默认的硬件选择，而亚马逊这次瞄准的正是这道软件壁垒。 背景在于，目前约85%的AI应用都是用PyTorch编写的。这个由Meta（原Facebook）开发、2022年起交由Linux基金会维护的开源工具包，早已被英伟达深度绑定：英伟达花了数年时间确保CUDA软件无缝支持PyTorch应用，使得开发者几乎默认就在英伟达硬件上跑模型。TorchNeuron的思路是"以彼之道还施彼身"——它直接从PyTorch改编而来，熟悉PyTorch的开发者上手即用。亚马逊并不满足于只给开发者提供一个迁移选项，还宣布将向PyTorch主项目贡献代码，推动移除框架中与特定芯片绑定的部分，让PyTorch对整个开发者社区更加"硬件无关"。这一招如果成功，受影响的将不只是Trainium用户，而是整个PyTorch生态与英伟达之间的耦合关系。 对卖家和AI从业者来说，这件事的核心信号是算力成本的博弈正在加剧。AWS方面强调，Trainium同时承担训练和推理任务，且与云基础设施深度集成，即使单token价格不是最低，整体工作负载的经济性也更优。AWS Annapurna Labs技术软件副总裁Colin Brace举例称，AI语音应用Deepgram迁移到Trainium后，每美元处理的音频量提升了70%，且保持生产级精度。AWS还借机贬低了一众与英伟达绑定的"neocloud"（新型GPU云服务商，如CoreWeave、Nebius、Firmus），称创业公司选择AWS意味着"不用把赌注押在单一用途的算力供应商身上"。不过需要冷静看待的是，PyTorch用户此前已经可以通过简单配置迁移到AMD GPU甚至苹果芯片，亚马逊能否真正撬动英伟达的默认地位，还要看开发者是否愿意承担迁移过程中的配置成本。但无论如何，如果亚马逊成功让PyTorch与英伟达深度解绑，其对AI硬件格局的冲击将远超一款开发工具本身。