亚马逊AI芯片战略再落一子。10月19日，该公司在旧金山发布新工具TorchNeuron，让开发者无需修改即可在自研芯片上运行PyTorch代码，直接挑战英伟达在AI计算市场的霸主地位。据路透社报道，此举旨在瓦解英伟达依靠CUDA软件生态构筑的壁垒。
社会百态TorchNeuron：无缝运行PyTorch代码
TorchNeuron由亚马逊AWS团队研发，核心功能是让PyTorch模型直接调用自研芯片的算力，而无需经过任何代码转换。以往，开发者若想使用非英伟达芯片，必须重写底层代码，耗时数周甚至数月。现在，只需在Python环境中安装一个插件，原有模型即可无缝运行。亚马逊在官方技术博客中写道：“我们的目标是将迁移成本降至零，让开发者专注于模型本身。”据路透社报道，该工具目前已支持超过500种常用神经网络架构，包括ResNet、Transformer等，覆盖计算机视觉、语音识别和推荐系统三大场景。亚马逊还计划在2027年之前支持所有主流PyTorch版本。
人间百态亚马逊AI芯片挑战英伟达：CUDA护城河遇袭
英伟达统治AI芯片市场多年，其真正的护城河并非硬件，而是CUDA软件生态。全球超过80%的AI训练任务运行在CUDA上，无数第三方库和工具链围绕它构建，导致开发者深度依赖。一旦更换芯片，往往意味着整个技术栈需要重构。亚马逊此次选择“兼容”路线——不要求开发者放弃PyTorch，而是让PyTorch直接跑在自家芯片上，等于绕开了CUDA。彭博社援引半导体分析师马克·李的观点称：“这是英伟达首次面临生态层面的威胁。如果亚马逊真的做到无缝兼容，英伟达的软件优势将被显著削弱。”此外，路透社注意到，亚马逊此次发布的时机恰逢英伟达即将推出下一代Blackwell架构，显然带有抢占先机的意味。
网络热议PyTorch为何成为AI开发的主流框架？
PyTorch由Meta的前身Facebook于2017年开源，凭借动态计算图和易用性迅速走红。截至2025年底，GitHub上PyTorch相关项目数量已超过120万个，使用率远超TensorFlow，成为学术界论文和工业界部署的首选。包括Meta的LLaMA、OpenAI的GPT系列早期版本在内的大量重量级模型都选择PyTorch。亚马逊选择优先兼容PyTorch，正是看中其在开发者群体中的统治地位。据业内统计，在AI顶会论文中，超过70%的实验代码基于PyTorch实现。这意味着谁能最流畅地支持PyTorch，谁就能获得最大的开发者基数。
网友热议亚马逊自研芯片迭代与性能对比
亚马逊自研AI芯片的历史可追溯到2019年发布的推理芯片Inferentia1，随后在2021年推出训练芯片Trainium1。截至目前，最新一代Trainium2峰值算力达到每秒200 teraflops，但价格仅为英伟达H100的约60%。下表列出了主要芯片的参数对比：
| 芯片 | 发布年份 | 用途 | 相较英伟达对标产品的功耗降低 |
|---|
| --- | --- | --- | --- |
|---|
| Inferentia1 | 2019 | 推理 | 约25% |
|---|
| Inferentia2 | 2022 | 推理 | 约30% |
|---|
| Trainium1 | 2021 | 训练 | 约20% |
|---|
| Trainium2 | 2023 | 训练 | 约30% |
|---|
AWS计算服务副总裁戴维·布朗表示：“我们不断拉高性能同时压低价格，希望让大规模AI训练不再成为大公司的特权。”据亚马逊披露，Trainium2在开源模型Llama 3的微调任务中，性能达到H100的70%，但成本降低了45%。
亚马逊AI芯片的低成本策略吸引客户
对于绝大多数企业来说，算力成本直接决定AI项目能否落地。英伟达H100单卡售价超过3万美元，在云端按小时计费，长期租用成本极其高昂。亚马逊自研芯片给出了另一种答案。测试数据显示，在典型的自然语言处理模型训练任务中，使用Trainium2的总费用比H100降低约40%至50%，耗电量也减少30%左右。不过，性能差距依然存在：在超大规模模型（如万亿参数级别）上，Trainium2的优势并不明显。第三方评测机构MLCommons的公开报告指出，亚马逊芯片在中低端训练场景已具备极高性价比。一位不愿透露姓名的云服务客户表示，“我们正在评估将部分非关键任务迁移到AWS，仅此一项就能节省数百万美元的开销。”这种真实需求正是亚马逊敢于叫板英伟达的底气。
分析师视角：市场格局松动
多家机构将亚马逊的举动视为AI算力市场“去英伟达化”的关键一步。摩根士丹利10月18日发布的研报显示，到2027年，非英伟达AI芯片在数据中心的市场份额有望从当前不足10%提升至25%。CFRA Research分析师佐伊·王表示：“英伟达仍然是无可争议的王者，但亚马逊已经撕开了一道口子。只要兼容性持续改善，客户没有理由永远绑定一家供应商。”路透社援引知情人士透露，至少三家大型科技公司已计划在2027年前将部分AI工作负载从英伟达迁移至亚马逊自研芯片。虽然这些计划尚未最终敲定，但足以说明市场风向正在改变。
Q1: TorchNeuron是否支持所有PyTorch模型？
A1: 目前支持超过500种常见神经网络架构，覆盖主流场景，但并非全部。亚马逊表示将持续扩大兼容列表，开发者可以在GitHub提交适配请求。
Q2: 使用亚马逊自研芯片是否需要重写代码？
A2: 不需要。TorchNeuron允许现有PyTorch代码直接运行，只需通过一行命令切换硬件环境，迁移成本极低，这也是其设计初衷。
亚马逊AI芯片的这次发力，标志着AI算力市场从单极走向多元。对于开发者而言，多一个选择永远是好消息。但能否真正撼动英伟达，还要看生态建设的耐心与投入。未来一年，将是关键检验期。
