AWS Luncurkan TorchNeuron untuk Memindahkan Aplikasi PyTorch ke Chip Trainium

Amazon Web Services pada Senin, 19 Oktober 2026, merilis TorchNeuron, alat pengembang yang dirancang untuk membantu startup AI memindahkan aplikasinya ke Trainium, chip AI buatan Amazon sendiri. Peluncuran ini secara langsung menyasar keunggulan perangkat lunak yang selama ini menjadikan Nvidia perangkat keras utama bagi sebagian besar beban kerja AI.

TorchNeuron dibangun di atas PyTorch, kerangka kerja gratis dan open-source yang digunakan pengembang untuk membangun, melatih, dan menjalankan model AI. Menurut Amazon, aplikasi yang ditulis dengan PyTorch dapat berjalan di Trainium setelah mengubah hanya satu baris konfigurasi, tanpa menulis ulang kode apa pun. Karena alat ini diadaptasi dari PyTorch itu sendiri, pengembang yang sudah akrab dengan kerangka kerja tersebut seharusnya tidak menghadapi kurva belajar yang berarti.

Menantang cengkeraman CUDA

Amazon memperkirakan sekitar 85% aplikasi AI ditulis dengan PyTorch. Kerangka kerja yang awalnya dibuat oleh Facebook ini berada di bawah naungan Linux Foundation sejak 2022. Nvidia selama bertahun-tahun memastikan tumpukan perangkat lunak CUDA-nya berfungsi mulus dengan PyTorch, sehingga GPU-nya secara efektif menjadi target bawaan kerangka kerja tersebut. Amazon bukan yang pertama mencoba melonggarkan keterikatan itu: pengguna PyTorch sebenarnya sudah bisa beralih ke GPU AMD atau chip Apple silicon melalui perubahan konfigurasi yang sederhana.

AWS berpendapat bahwa tawarannya lebih dari sekadar kemudahan migrasi, sebab pindah ke Trainium juga membuka akses ke seluruh layanan cloud-nya. Perusahaan memposisikan ini sebagai pilihan yang lebih kuat bagi startup dibandingkan apa yang disebut neocloud seperti CoreWeave, Nebius, dan Firmus, yang banyak di antaranya bergantung pada perangkat keras Nvidia. Colin Brace, VP Technology Software di AWS Annapurna Labs, unit yang berada di balik chip kustom Amazon, mengatakan bahwa menggunakan satu chip untuk pelatihan sekaligus inferensi meningkatkan ekonomi secara keseluruhan, meski AWS tidak menawarkan harga per token terendah.

Brace mencontohkan perusahaan AI suara Deepgram. Ia mengatakan Deepgram pindah ke Trainium dengan memanfaatkan dukungan PyTorch native dan kini memproses audio 70% lebih banyak per dolar dengan akurasi kelas produksi.

Mendorong PyTorch menuju netralitas perangkat keras

Amazon juga menyatakan akan berkontribusi dengan mengirimkan perubahan ke proyek PyTorch utama, bekerja sama dengan komunitas untuk menghapus kode yang mengikat kerangka kerja ke chip tertentu. Tujuan yang disampaikan adalah PyTorch yang lebih agnostik terhadap perangkat keras untuk semua pengembang, bukan hanya pelanggan Trainium.

Apakah langkah ini benar-benar menghadirkan lebih banyak pilihan dan biaya yang lebih rendah, atau justru menambah kerumitan konfigurasi yang seharusnya disembunyikan oleh PyTorch, masih harus dilihat. Jika Amazon berhasil memisahkan kerangka kerja ini dari Nvidia, dampaknya bagi pemimpin GPU itu bisa jauh melampaui persaingan chip biasa. "Cerita sebenarnya adalah menghapus keterikatan yang selama ini membuat pengembang tidak punya pilihan yang benar-benar nyata," kata Brace.