Google 开源 TorchTPU，PyTorch 应用可直接跑在 TPU 上
Google 用 TorchTPU 把最主流的 AI 框架接上自家芯片，压低开发者换硬件的成本，直接削弱 Nvidia 的软件优势。
Google 开源 TorchTPU。它是让 PyTorch 代码直接跑在自家 TPU 芯片上的适配版本。PyTorch 是约 85% 的 AI 应用都在使用的开发框架，长期默认绑定 Nvidia GPU；现在开发者改一处配置，就能把应用迁到 TPU 和 Google Cloud，无需重写代码。前一天，Amazon 也发布了同类工具 TorchNeuron。
正文摘录
周二，Google [宣布](https://cloud.google.com/blog/topics/ai-infrastructure/torchtpu-is-now-open-source-run-native-pytorch-on-tpus)其期待已久的 PyTorch 版本 TorchTPU 已作为开源项目开放。由此，Google 加入了 Amazon 的行列，试图[打破 Nvidia 的垄断](https://techcrunch.com/2026/10/19/amazon-is-taking-its-biggest-shot-at-nvidia-yet-with-new-torchneuron-dev-tool/)——在 AI 行业里，大多数 AI 应用默认都是为跑在 Nvidia 的芯片（即 GPU）上而写的。 PyTorch 是 AI 应用开发者和初创公司用来构建、训练和运行 AI 模型的主流开源工具包。按某些统计口径，85% 的 AI 应用都在用它。PyTorch 最初由 Meta（当时的 Facebook）在 2016 年开发，那时世人还对 LLM（大语言模型）将改变世界毫无概念。当时 Nvidia 的 GPU 已经是 AI 研究的标准硬件，因此 PyTorch 的许多特性都是专门为配合 Nvidia GPU 而设计的。2022 年，Meta 把 PyTorch 移交给了 Linux 基金会——一家管理着众多重要开源项目的非营利组织。 Google 的 TorchTPU 让 AI 应用可以跑在 Google 自家的 AI 芯片 TPU（Tensor Processing Unit，张量处理单元）上。它还让把现有的 PyTorch 应用迁移到 TPU、进而迁移到 Google Cloud 变得很容易：开发者只需改一处配置，不必重写应用。