AWS запускает TorchNeuron для переноса приложений PyTorch на чипы Trainium

Amazon Web Services в понедельник, 19 октября 2026 года, выпустила TorchNeuron, инструмент для разработчиков, призванный помочь ИИ-стартапам перенести свои приложения на Trainium, собственный ИИ-чип Amazon. Запуск напрямую бросает вызов программной экосистеме, которая сделала Nvidia оборудованием по умолчанию для большинства ИИ-нагрузок.

TorchNeuron построен на основе PyTorch, свободно распространяемого фреймворка с открытым исходным кодом, который разработчики используют для создания, обучения и запуска ИИ-моделей. По словам Amazon, приложение, написанное на PyTorch, может работать на Trainium после изменения всего одной строки конфигурации, без переписывания кода. Поскольку инструмент адаптирован из самого PyTorch, разработчикам, уже знакомым с фреймворком, не придётся осваивать что-то новое.

Вызов монополии CUDA

Amazon оценивает, что примерно 85% ИИ-приложений написаны на PyTorch. Изначально созданный Facebook, фреймворк с 2022 года находится под крылом Linux Foundation. Nvidia годами добивалась того, чтобы её программный стек CUDA безупречно работал с PyTorch, фактически сделав свои GPU целью по умолчанию для фреймворка. Amazon не первая, кто пытается ослабить эту связку: пользователи PyTorch уже могут переключиться на GPU AMD или чипы Apple silicon с помощью простой смены конфигурации.

В AWS считают, что их предложение выходит за рамки простоты переноса, поскольку переход на Trainium также открывает доступ ко всему остальному облаку компании. Компания позиционирует это как более выгодный вариант для стартапов по сравнению с так называемыми неооблаками, такими как CoreWeave, Nebius и Firmus, многие из которых зависят от оборудования Nvidia. Колин Брейс, вице-президент по программному обеспечению технологий в AWS Annapurna Labs, подразделении, отвечающем за собственные чипы Amazon, заявил, что использование одного чипа и для обучения, и для инференса улучшает общую экономику, даже если AWS не предлагает самой низкой цены за токен.

В качестве примера Брейс привёл компанию Deepgram, работающую в сфере голосового ИИ. По его словам, Deepgram перешла на Trainium, используя встроенную поддержку PyTorch, и теперь обрабатывает на 70% больше аудио на доллар при точности, пригодной для производственной эксплуатации.

Движение PyTorch к аппаратной нейтральности

Amazon также заявила, что будет вносить изменения в основной проект PyTorch, работая с сообществом над удалением кода, который привязывает фреймворк к конкретным чипам. Заявленная цель — более не зависящий от оборудования PyTorch для всех разработчиков, а не только для клиентов Trainium.

Приведёт ли это к большему выбору и снижению затрат или просто добавит сложности в конфигурацию, которую PyTorch должен был скрывать, пока неизвестно. Если Amazon действительно добьётся отделения фреймворка от Nvidia, последствия для лидера рынка GPU могут выйти далеко за рамки обычной конкуренции на рынке чипов. «Настоящая история — это устранение привязки, которая мешала разработчикам иметь реальный выбор», — сказал Брейс.