AWS lanza TorchNeuron para llevar aplicaciones de PyTorch a los chips Trainium

Amazon Web Services presentó TorchNeuron el lunes 19 de octubre de 2026, una herramienta para desarrolladores diseñada para ayudar a las startups de IA a trasladar sus aplicaciones a Trainium, el chip de IA desarrollado internamente por Amazon. El lanzamiento apunta directamente al foso de software que ha convertido a Nvidia en el hardware predeterminado para la mayoría de las cargas de trabajo de IA.

TorchNeuron se basa en PyTorch, el framework gratuito y de código abierto que los desarrolladores usan para construir, entrenar y ejecutar modelos de IA. Según Amazon, una aplicación escrita en PyTorch puede ejecutarse en Trainium tras cambiar una sola línea de configuración, sin reescribir código. Como la herramienta está adaptada del propio PyTorch, los desarrolladores que ya conocen el framework no deberían enfrentarse a una curva de aprendizaje.

Desafiando el control de CUDA

Amazon calcula que alrededor del 85% de las aplicaciones de IA están escritas en PyTorch. Creado originalmente por Facebook, el framework se encuentra bajo la Linux Foundation desde 2022. Nvidia ha dedicado años a asegurar que su pila de software CUDA funcione sin problemas con PyTorch, convirtiendo de facto sus GPU en el destino predeterminado del framework. Amazon no es la primera en intentar aflojar ese vínculo: los usuarios de PyTorch ya pueden cambiar a GPU de AMD o a chips de Apple con un sencillo cambio de configuración.

AWS sostiene que su propuesta va más allá de la facilidad de migración, porque trasladarse a Trainium también abre el resto de su nube. La compañía presenta esta opción como más atractiva para las startups que los llamados neoclouds, como CoreWeave, Nebius y Firmus, muchos de los cuales dependen de hardware de Nvidia. Colin Brace, vicepresidente de Software de Tecnología de AWS Annapurna Labs, la división responsable de los chips personalizados de Amazon, afirmó que usar un solo chip tanto para el entrenamiento como para la inferencia mejora la economía general, aunque AWS no ofrezca el precio por token más bajo.

Brace citó como ejemplo a Deepgram, la empresa de IA de voz. Según explicó, Deepgram migró a Trainium gracias al soporte nativo de PyTorch y ahora procesa un 70% más de audio por dólar con una precisión de nivel de producción.

Impulsar PyTorch hacia la neutralidad de hardware

Amazon también anunció que aportará cambios al proyecto principal de PyTorch y trabajará con la comunidad para eliminar el código que vincula el framework a chips concretos. El objetivo declarado es un PyTorch más independiente del hardware para todos los desarrolladores, no solo para los clientes de Trainium.

Queda por ver si esto ofrecerá más opciones y costes más bajos, o si simplemente añadirá complejidad de configuración que PyTorch pretendía ocultar. Si Amazon logra desvincular el framework de Nvidia, las consecuencias para el líder de GPU podrían extenderse mucho más allá de la competencia habitual entre chips. "La historia real es eliminar el bloqueo que impedía que los desarrolladores tuvieran una verdadera opción", afirmó Brace.