北京
英伟达在 AI 芯片市场的优势，不只来自 GPU 性能，更来自一套让开发者难以轻易离开的软件生态。现在，谷歌开始从这个关键环节发起冲击。
10 月 21 日消息，谷歌宣布面向自研 TPU 芯片的原生 PyTorch 框架 TorchTPU 已在 GitHub 开源。该工具支持将现有 PyTorch 应用迁移至 TPU，开发者无需重写应用代码，只需进行简单配置调整即可尝试在谷歌云上运行。
PyTorch 是当前主流的 AI 开发框架之一，大量模型训练与应用开发都围绕这一生态展开。但长期以来，英伟达 GPU 凭借成熟的软件工具链和开发者生态，占据了 AI 计算市场的优势地位。对开发者而言，更换芯片不仅涉及硬件性能，还意味着代码适配、工具兼容和部署成本。
谷歌此次推出 TorchTPU，正是试图降低这些迁移成本。除开源框架外，谷歌还推出 TPU 智能体套件，协助开发者迁移应用、排查并修复错误，同时升级 LiteRT，以改善 PyTorch 应用在手机、笔记本电脑及嵌入式设备上的运行支持。
值得关注的是，谷歌称已与 Meta、Hugging Face，以及 vLLM、SGLang 相关团队合作，推动 TorchTPU 与主流 AI 开发工具兼容。这意味着谷歌希望争取的不只是芯片订单，还包括围绕 AI 模型开发、推理和部署形成的软件生态。
谷歌并非唯一行动者。亚马逊此前也推出了面向自研 Trainium 芯片的 TorchNeuron，同样强调无需重写代码即可迁移现有应用。两家云计算巨头都在尝试减少 AI 开发者对英伟达 GPU 及其软件生态的依赖。
不过，降低迁移门槛并不等于能够直接取代英伟达。实际选择仍取决于芯片性能、软件成熟度、运行稳定性、成本以及开发者熟悉程度。
谷歌开源 TorchTPU 的真正意义，是让 TPU 更容易进入现有 AI 开发工作流。 当开发者不必为了更换硬件而大规模改写应用，谷歌和亚马逊才有机会将自研芯片的竞争，从云服务商的基础设施选择，推进到更广泛的 AI 软件生态之争。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
