AWS wprowadza TorchNeuron, by przenieść aplikacje PyTorch na układy Trainium

Amazon Web Services w poniedziałek, 19 października 2026 roku, udostępniło TorchNeuron, narzędzie dla programistów zaprojektowane tak, by pomóc startupom AI przenieść ich aplikacje na Trainium, autorski układ AI Amazona. Premiera jest bezpośrednim atakiem na barierę programową, dzięki której Nvidia stała się domyślnym sprzętem dla większości obciążeń AI.

TorchNeuron opiera się na PyTorch, darmowym, otwartoźródłowym frameworku, za pomocą którego programiści budują, trenują i uruchamiają modele AI. Według Amazona aplikacja napisana w PyTorch może działać na Trainium po zmianie zaledwie jednej linii konfiguracji, bez przepisywania kodu. Ponieważ narzędzie zostało zaadaptowane z samego PyTorch, programiści znający ten framework nie powinni mieć problemu z nauką nowych rozwiązań.

Wyzwanie dla dominacji CUDA

Amazon szacuje, że około 85% aplikacji AI powstaje w PyTorch. Framework, pierwotnie stworzony przez Facebooka, od 2022 roku działa pod egidą Linux Foundation. Nvidia przez lata dbała o to, by jej pakiet oprogramowania CUDA bezproblemowo współpracował z PyTorch, co skutecznie uczyniło jej układy GPU domyślnym celem tego frameworka. Amazon nie jest pierwszym, który próbuje rozluźnić to powiązanie: użytkownicy PyTorch mogą już przełączyć się na karty graficzne AMD lub procesory Apple Silicon dzięki prostej zmianie konfiguracji.

AWS twierdzi, że jego oferta wykracza poza łatwość przeniesienia kodu, ponieważ przejście na Trainium otwiera też dostęp do reszty jego chmury. Firma przedstawia to jako korzystniejszą opcję dla startupów niż tak zwane neoclouds, takie jak CoreWeave, Nebius czy Firmus, z których wiele opiera się na sprzęcie Nvidia. Colin Brace, wiceprezes ds. technologii oprogramowania w AWS Annapurna Labs, jednostce odpowiedzialnej za własne układy Amazona, powiedział, że wykorzystanie jednego układu zarówno do trenowania, jak i do inferencji poprawia ogólną ekonomię, nawet jeśli AWS nie oferuje najniższej ceny za token.

Brace jako przykład wskazał firmę Deepgram, zajmującą się sztuczną inteligencją do przetwarzania głosu. Jak powiedział, Deepgram przeszedł na Trainium, korzystając z natywnego wsparcia PyTorch, i obecnie przetwarza o 70% więcej dźwięku za każdego wydanego dolara, przy dokładności wymaganej w środowisku produkcyjnym.

Popychanie PyTorch w stronę neutralności sprzętowej

Amazon zapowiedział również, że wniesie zmiany do głównego projektu PyTorch, współpracując ze społecznością nad usunięciem kodu wiążącego framework z konkretnymi układami. Deklarowanym celem jest bardziej niezależny od sprzętu PyTorch dla wszystkich programistów, a nie tylko klientów Trainium.

Czy przyniesie to większy wybór i niższe koszty, czy po prostu doda złożoności konfiguracyjnej, którą PyTorch miał ukrywać, dopiero się okaże. Jeśli Amazonowi uda się uniezależnić framework od Nvidii, skutki dla lidera rynku GPU mogą wykraczać daleko poza zwykłą konkurencję w dziedzinie układów. „Prawdziwą historią jest usunięcie uzależnienia, które od początku uniemożliwiało programistom rzeczywisty wybór” – powiedział Brace.