周一，亚马逊云科技（AWS）正式发布TorchNeuron工具，助力AI初创企业将应用轻松迁移至自研Trainium芯片。此举意在直接挑战英伟达凭借CUDA软件生态确立的行业主导地位，后者长期以来一直是AI硬件的事实标准。
TorchNeuron基于主流开源框架PyTorch构建。亚马逊表示，开发者只需修改一行配置代码，即可让基于PyTorch的AI应用在Trainium上运行，无需重写代码。鉴于约85%的AI应用采用PyTorch开发，这一低门槛迁移方案有望吸引大量存量用户。
多年来，英伟达通过优化CUDA基础设施，确保其GPU对PyTorch应用的无缝支持，从而深度嵌入开发工具链。尽管AMD和苹果也提供了类似的PyTorch迁移方案，但亚马逊强调，迁移至Trainium不仅能简化部署，更能让初创企业接入AWS完整的云服务生态。
AWS指出，相较于Coreweave、Nebius等与英伟达硬件深度绑定的“新云计算”提供商，AWS提供从原型到生产的全套基础设施。AWS定制芯片部门Annapurna Labs技术软件副总裁Colin Brace表示，在AWS上构建可避免押注单一用途计算提供商，利用现有基础设施实现快速扩展。
在成本方面，AWS强调Trainium作为统一平台，同时支持模型训练和推理，能优化整体工作负载的经济性。以AI语音公司Deepgram为例，迁移至Trainium后，其在生产级精度下每美元处理的音频量提升了70%。
除推广自有硬件外，亚马逊正积极推动PyTorch减少对英伟达的自动依赖，并将相关代码贡献给PyTorch主项目。亚马逊在博文中称，目标是移除将框架绑定至特定芯片的代码，使PyTorch对整个开发者社区更加“硬件无关化”。
若亚马逊成功实现PyTorch与英伟达的深度解耦，其影响将超越芯片竞争本身。正如Brace所言，核心在于消除锁定效应，赋予开发者真正的选择权。不过，这一承诺能否真正带来更实惠的方案而非额外的配置负担，仍有待市场验证。