堆代码网讯 当地时间周一，亚马逊云科技正式发布名为TorchNeuron的开发工具，可帮助AI初创企业轻松将旗下AI应用迁移至亚马逊自研AI芯片Trainium上运行。此举直接瞄准英伟达赖以成为AI应用默认硬件选择的软件生态优势，向这家AI硬件龙头发起正面冲击。TorchNeuron完全适配PyTorch生态——这款免费开源工具是开发者搭建、训练、部署AI模型的主流框架。亚马逊官方表示，基于PyTorch开发的AI应用仅需修改一行配置即可在Trainium芯片上运行，无需重写任何业务代码。

据亚马逊统计，当前约85%的AI应用都基于PyTorch开发。该框架最初由Meta旗下Facebook团队研发，2022年起交由Linux基金会主导维护。过去数年间，英伟达持续打磨CUDA软件生态——这套支撑AI应用在英伟达GPU及其他硬件上运行的底层基础设施，实现了对PyTorch生态的无缝适配，让英伟达硬件几乎成为PyTorch开发的默认选项，深度嵌入整个开发流程。

TorchNeuron基于PyTorch原生逻辑改造，熟悉PyTorch的开发者无需额外学习即可快速上手。亚马逊并非首个尝试将自研芯片接入PyTorch生态的厂商，目前开发者仅需修改简单配置，就能将PyTorch应用迁移至AMD GPU甚至苹果自研芯片上运行。但亚马逊强调，将应用迁移至Trainium平台的价值远不止操作便捷，还能让AI初创企业直接接入亚马逊云的全栈云服务能力。AWS直言，相比大量绑定英伟达硬件的新兴云厂商（如Coreweave、Nebius、Firmus），选择AWS对初创企业而言是更优方案。

“你是在AWS的完整生态上搭建业务，而非押注单一算力服务商，被迫从零搭建周边配套体系。”AWS旗下自研芯片部门Annapurna Labs技术软件副总裁Colin Brace在接受TechCrunch邮件采访时表示，“在AWS上，从原型到量产的全链路基础设施已经就绪，创业者可以快速推进业务，在需要时随时完成弹性扩容。”

AWS表示，Trainium芯片可同时承载AI模型训练与推理任务（即完成模型训练后投入实际使用，比如响应用户提问），且与初创企业所需的全栈云基础设施深度整合，即便AWS的单Token定价并非行业最低，整体方案依然能为企业大幅降低综合成本。“Trainium的核心价值在于极致的性价比，同时它是训练推理一体化的统一平台，能大幅优化全链路业务负载的投入产出比。”Brace补充道，“以AI语音服务商Deepgram为例，他们基于原生PyTorch支持迁移至Trainium平台后，在保持生产级精度的前提下，每投入1美元可处理的音频数据量提升了70%。”Deepgram是AI语音赛道头部厂商，与ElevenLabs直接竞争。

但亚马逊的目标远不止为PyTorch开发者提供一条便捷的云迁移路径。

亚马逊同时宣布，将推动PyTorch框架摆脱对英伟达的默认绑定，相关改造代码将直接贡献至PyTorch官方主项目。在本次发布新工具的官方博客中，亚马逊明确表示：“我们的布局不止局限于自家硬件。团队将向PyTorch上游社区提交代码变更，联合社区移除框架中与特定芯片强绑定的逻辑，最终目标是让所有开发者都能用上硬件中立的PyTorch框架，而不只是Trainium的用户。”

这套策略显然对所有英伟达的硬件、云服务竞争对手都十分友好，而PyTorch的核心设计初衷，正是帮开发者屏蔽AI代码在不同硬件上运行的繁琐适配难题。后续还需观察，这种深度解绑英伟达的改造，是否真如亚马逊承诺的那样为开发者带来更多选择、降低使用成本，还是会徒增更多配置层面的额外负担。

无论最终结果如何，一旦亚马逊成功实现PyTorch与英伟达的深度解绑，对这家GPU巨头造成的冲击，将远不止应对几款竞品芯片那么简单。正如Brace所说：“这件事的核心意义，是彻底打破长期剥夺开发者真实选择权的生态锁定。”