一行配置：亚马逊 TorchNeuron 瞄准英伟达 CUDA 锁定

新闻摘要

亚马逊云科技（AWS）于太平洋时间 2026 年 10 月 19 日（周一）发布了 TorchNeuron，这是一款开发者工具，旨在让 AI 团队更容易将应用迁移到亚马逊自研的 Trainium 芯片上。TorchNeuron 基于 PyTorch 构建，PyTorch 是用于构建、训练和运行 AI 模型的开源框架。AWS 表示，现有的 PyTorch 应用只需修改一行配置即可在 Trainium 上运行，无需重写代码。此次发布瞄准了许多人眼中英伟达最强的优势：其 CUDA 软件层，正是这一层让英伟达硬件成为 AI 开发者的默认选择。

TorchNeuron 是什么

TorchNeuron 是 AWS Trainium 的 PyTorch 后端。根据 AWS 公开的 Neuron 文档，它通过 PyTorch 的 PrivateUse1 设备机制，以原生 PyTorch 集成取代了此前基于 XLA 的方案。它同时支持 eager 模式和 torch.compile，目标实例为 Trn2 和 Trn3。该软件包沿用了前身 torch-neuronx 的名称，据称是开源的，最初托管在 GitHub 的 aws-neuron/torch-neuronx 仓库下。

对开发者而言，实际的变化在于为 CUDA GPU 编写的代码只需极少的修改。AWS 常见问题解答中的主要示例是将设备从 CUDA 改为 Neuron。FSDP 和 DTensor 等分布式特性均受支持，不过分片设置取决于 NeuronCore 的数量，而非 GPU 的数量。

为什么 PyTorch 和 CUDA 如此重要

PyTorch 最初由 Facebook 开发，自 2022 年起成为 Linux 基金会的一部分。亚马逊表示，约 85% 的 AI 应用是用它编写的。英伟达的 CUDA 是让此类应用能在其 GPU 上运行的软件层，英伟达一直致力于保持 CUDA 对 PyTorch 的无缝支持。这种便利性是开发者倾向于留在英伟达硬件上的重要原因。

亚马逊并非第一家承诺轻松实现 PyTorch 可移植性的公司。PyTorch 应用也可以通过配置更改迁移到 AMD GPU 或苹果芯片上。亚马逊所推销的，是通往自家芯片和云平台的同等级低阻力路径。

Trainium 的卖点

Trainium 的设计目标是在同一颗芯片上同时处理训练和推理。AWS 认为，这一点加上与其更广泛云基础设施的集成，即使 AWS 并非每 token 成本最低的选择，也能为初创公司节省资金。AWS 还将基于其云平台构建定位为优于 CoreWeave、Nebius 和 Firmus 等“新云”提供商的选择，这些提供商中有许多与英伟达硬件深度绑定。

AWS 自研芯片部门 Annapurna Labs 的技术软件副总裁 Colin Brace 将此次发布的核心概括为选择权：“真正的意义在于消除那种让开发者根本无法拥有真正选择权的锁定。”

客户案例：Deepgram

AWS 将 AI 语音公司 Deepgram（与 ElevenLabs 竞争）列为首批采用者。Deepgram 利用原生 PyTorch 支持迁移到了 Trainium，据 AWS 称，现在每美元可处理的音频量提升了 70%，同时保持生产级精度。这一数据来自 AWS；原始报道中并未包含独立基准测试。

对 PyTorch 本身的改动

亚马逊还表示将向 PyTorch 主项目贡献代码修改，移除将框架与特定芯片绑定的代码，使其更加硬件无关。原始报道指出了一种可能的权衡：一个支持多种硬件的框架可能会给开发者带来更多配置工作，而不仅仅是更多选择。

背景：Trainium 的大规模部署

行业报道描述了 Project Rainier，该项目于 2025 年 10 月上线，拥有近 50 万颗 Trainium2 芯片，用于训练 Anthropic 的 Claude 模型，另有报道称 Trainium3 已在 AWS re:Invent 2025 上发布。这些细节来自二手行业指南，应比 AWS 官方文档更加谨慎对待。

值得关注的方向

发布报道中未披露定价、全面可用性详情以及与英伟达 GPU 的独立性能对比。开发者是否会在真实生产工作负载中验证“一行迁移”的承诺，以及上游 PyTorch 改动能以多快的速度落地，将决定 TorchNeuron 能否缩小 CUDA 长期以来保持的软件差距。

来源

本报告基于 TechCrunch 2026 年 10 月 19 日的报道、AWS Neuron 文档以及 Introl 关于 AWS 芯片生态系统的行业指南。