AWS lanceert TorchNeuron om PyTorch-apps naar Trainium-chips te brengen

Amazon Web Services heeft op maandag 19 oktober 2026 TorchNeuron uitgebracht, een ontwikkeltool die AI-startups moet helpen hun applicaties over te zetten naar Trainium, de eigen AI-chip van Amazon. De lancering richt zich rechtstreeks op de softwarebarrière die Nvidia tot de standaardhardware voor de meeste AI-workloads heeft gemaakt.

TorchNeuron is gebouwd rond PyTorch, het gratis en open-source framework dat ontwikkelaars gebruiken om AI-modellen te bouwen, trainen en uit te voeren. Volgens Amazon kan een in PyTorch geschreven applicatie na het wijzigen van slechts één configuratieregel op Trainium draaien, zonder dat er code herschreven hoeft te worden. Omdat de tool is aangepast vanuit PyTorch zelf, hoeven ontwikkelaars die het framework al kennen waarschijnlijk geen nieuwe leercurve te doorlopen.

De greep van CUDA aanpakken

Amazon schat dat ongeveer 85% van de AI-apps in PyTorch is geschreven. Het framework, oorspronkelijk gemaakt door Facebook, is sinds 2022 ondergebracht bij de Linux Foundation. Nvidia heeft jarenlang gewerkt aan het soepel laten samenwerken van zijn CUDA-softwarestack met PyTorch, waardoor de eigen GPU's in feite het standaarddoel van het framework zijn geworden. Amazon is niet de eerste die deze band probeert los te maken: PyTorch-gebruikers kunnen nu al via een eenvoudige configuratiewijziging overstappen op AMD-GPU's of Apple-silicium.

AWS stelt dat de pitch verder gaat dan het gemak van overzetten, omdat de overstap naar Trainium ook de rest van de cloud van het bedrijf toegankelijk maakt. Het bedrijf positioneert dit als een sterkere optie voor startups dan zogenoemde neoclouds zoals CoreWeave, Nebius en Firmus, waarvan veel afhankelijk zijn van Nvidia-hardware. Colin Brace, VP Technology Software bij AWS Annapurna Labs, de divisie achter Amazons eigen chips, zei dat het gebruik van één chip voor zowel training als inferentie de algehele economie verbetert, ook al biedt AWS niet de laagste prijs per token.

Brace noemde het spraak-AI-bedrijf Deepgram als voorbeeld. Hij zei dat Deepgram via de native PyTorch-ondersteuning naar Trainium is overgestapt en nu 70% meer audio per dollar verwerkt, met nauwkeurigheid op productieniveau.

PyTorch richting hardware-neutraliteit duwen

Amazon zegt ook dat het wijzigingen zal bijdragen aan het hoofdproject van PyTorch en samen met de community code zal verwijderen die het framework aan specifieke chips koppelt. Het uitgesproken doel is een meer hardware-agnostische PyTorch voor alle ontwikkelaars, niet alleen voor Trainium-klanten.

Of dit meer keuze en lagere kosten oplevert, of simpelweg extra configuratiecomplexiteit toevoegt die PyTorch juist moest verbergen, moet nog blijken. Als Amazon het framework daadwerkelijk van Nvidia weet los te koppelen, kunnen de gevolgen voor de GPU-marktleider veel verder reiken dan gewone chipconcurrentie. "Het echte verhaal is het wegnemen van de lock-in die ontwikkelaars er tot nu toe van weerhield een echte keuze te hebben," zei Brace.