AWS 发布 TorchNeuron，一行配置即可把 PyTorch 应用迁至 Trainium 芯片
亚马逊用软件工具降低从 Nvidia 迁移到自研芯片的成本，试图撬动 CUDA 生态的护城河。
AWS 推出 TorchNeuron，让用 PyTorch（Meta 开源、现由 Linux 基金会维护的深度学习框架，约 85% 的 AI 应用基于它编写）开发的应用只改一行配置就能跑在亚马逊自研 AI 芯片 Trainium 上，无需重写代码。AWS 还表示会把相关改动回馈 PyTorch 上游，削弱框架对 Nvidia 芯片的默认绑定。
正文摘录
周一，Amazon Web Services 发布了一款名为 [TorchNeuron](http://i/) 的工具，让 AI 初创公司可以轻松把自家 AI 应用迁移到 Amazon 自研的 AI 芯片 Trainium 上。与此同时，Amazon 也直接向 Nvidia 的软件优势发起攻势——正是这套软件优势帮助 Nvidia 成为 AI 应用的默认硬件选择，并推动它崛起为 AI 硬件的首选供应商。 TorchNeuron 可与 PyTorch 配合工作，后者是一个免费的开源工具包，开发者用它来构建、训练和运行 AI 模型。据 Amazon 介绍，它只需改动一行配置，就能让用 PyTorch 编写的 AI 应用跑在 Trainium 上——无需重写代码。 Amazon 称约 85% 的 AI 应用是用 PyTorch 编写的。PyTorch 最初由 Facebook 开发，但自 2022 年起归属 Linux Foundation（维护各类开源项目的基金会）。Nvidia 花了多年时间确保其 CUDA 软件——这套软件基础设施让应用能够运行在 Nvidia GPU 及其其他硬件上——无缝支持用 PyTorch 编写的 AI 应用。结果是，Nvidia 的硬件如今已深度嵌入这套工具包，基本上成了默认选项。 TorchNeuron 改编自 PyTorch，所以懂 PyTorch 的开发者已经知道怎么用它。Amazon 并不是第一家试图让自己的芯片轻松接入该平台的公司。PyTorch 用户同样可以通过简单的配置改动，把应用迁移到 AMD GPU 甚至 Apple 的芯片上。 不过 Amazon 主张，迁移到 Trainium 不只是简单，它还让 AI 初创公司能用上 Amazon 的整个云。