谷歌开源 TorchTPU：让 PyTorch 应用迁移至 TPU，争夺 AI 硬件生态

据 IT之家 10 月 21 日报道，谷歌宣布面向自研张量处理单元（TPU）的原生 PyTorch 框架 TorchTPU 已在 GitHub 开源。其核心目标是让现有 PyTorch 应用更便捷地运行在 TPU 上，并迁移至谷歌云。此前，亚马逊也推出了面向自研芯片的 TorchNeuron。两家云厂商正从开发框架入手，尝试降低 AI 应用对英伟达 GPU 生态的依赖。

从开发入口切入，降低更换芯片的门槛

PyTorch 是 AI 开发中广泛使用的开源工具库，覆盖模型搭建、训练和部署。它最初由 Meta 于 2016 年开发，2022 年移交 Linux 基金会。由于英伟达 GPU 早已成为 AI 研究的重要硬件基础，PyTorch 的不少功能也围绕这一平台构建。

这意味着，其他芯片厂商要争取开发者，仅有硬件还不够，还需要接住现有代码与工具链。谷歌此次强调，借助 TorchTPU，开发者只需简单修改配置，无需重写应用代码，便可将现有 PyTorch 应用迁移至 TPU。这一设计瞄准的正是更换计算平台时的软件改造负担。

围绕迁移和兼容性，谷歌还公布了配套动作：

• 与 Meta、Hugging Face，以及 vLLM 开发方 Inferact、SGLang 开发方 RadixArk 等合作，推动 TorchTPU 与主流 AI 开发工具兼容。
• 推出 TPU 智能体套件，辅助应用向谷歌芯片和云平台迁移，并排查、修复迁移中的错误。
• 升级端侧运行工具 LiteRT，更好地支持基于 PyTorch 开发的 AI 应用，覆盖手机、笔记本电脑和嵌入式设备。

谷歌与亚马逊，争夺的不只是算力订单

据报道，亚马逊此前推出的 TorchNeuron，同样主打无需重写代码，将 AI 应用迁移到 Trainium 芯片和 AWS。亚马逊还表示，正向 PyTorch 主项目提交代码，推动相关功能与英伟达芯片解耦，使框架原生兼容更多硬件。

两家公司的路径有所侧重，但方向一致：让开发者保留熟悉的 PyTorch 开发方式，同时增加底层硬件选择。对云厂商而言，降低迁移门槛，也有助于将成熟的 AI 工作负载引入自有芯片和云服务体系。

影响解读：兼容性是起点，实际体验才是关键

对中文 AI 开发者和企业技术团队来说，这一变化的意义，并不是必须立刻替换现有 GPU，而是未来评估算力平台时，可能拥有更多可比较的方案。若框架、模型工具和运行环境能够衔接，更换硬件就不必总与大规模代码改造绑定。

不过，便于迁移不等于性能、成本和稳定性已经全面占优。现有来源没有给出 TorchTPU 的具体性能对比或成本数据，也不足以证明所有 PyTorch 应用都能无障碍迁移。实际采用仍需结合算子支持、工具兼容、调试体验与业务负载验证。

TorchTPU 开源释放出的信号是，AI 芯片竞争正在延伸到软件生态。英伟达的优势不会仅因迁移工具出现而消失，但谷歌与亚马逊正在尝试拆低开发者更换平台的门槛，让硬件竞争逐步转向更完整的开发与部署体验。