AWS เปิดตัว TorchNeuron ช่วยย้ายแอป PyTorch ไปยังชิป Trainium

Amazon Web Services เปิดตัว TorchNeuron เครื่องมือสำหรับนักพัฒนาที่ออกแบบมาเพื่อช่วยสตาร์ทอัพด้าน AI ย้ายแอปพลิเคชันของตนไปยัง Trainium ชิป AI ที่ Amazon พัฒนาขึ้นเอง ในวันจันทร์ที่ 19 ตุลาคม 2569 การเปิดตัวครั้งนี้มุ่งเป้าไปที่กำแพงด้านซอฟต์แวร์ที่ทำให้ Nvidia กลายเป็นฮาร์ดแวร์หลักสำหรับงาน AI ส่วนใหญ่

TorchNeuron พัฒนาขึ้นบน PyTorch เฟรมเวิร์กโอเพนซอร์สฟรีที่นักพัฒนาใช้สร้าง ฝึก และรันโมเดล AI ตามข้อมูลของ Amazon แอปที่เขียนด้วย PyTorch สามารถทำงานบน Trainium ได้หลังจากเปลี่ยนการตั้งค่าเพียงหนึ่งบรรทัด โดยไม่ต้องเขียนโค้ดใหม่ เนื่องจากเครื่องมือนี้ดัดแปลงมาจาก PyTorch เอง นักพัฒนาที่คุ้นเคยกับเฟรมเวิร์กนี้อยู่แล้วจึงไม่น่าจะต้องเรียนรู้สิ่งใหม่มากนัก

ท้าทายอำนาจของ CUDA

Amazon ประเมินว่าแอป AI ราว 85% เขียนด้วย PyTorch เฟรมเวิร์กนี้สร้างขึ้นครั้งแรกโดย Facebook และตั้งแต่ปี 2565 ก็อยู่ภายใต้การดูแลของ Linux Foundation Nvidia ใช้เวลาหลายปีเพื่อให้ซอฟต์แวร์ CUDA ของตนทำงานร่วมกับ PyTorch ได้อย่างราบรื่น ทำให้ GPU ของบริษัทกลายเป็นเป้าหมายเริ่มต้นของเฟรมเวิร์กนี้โดยพฤตินัย Amazon ไม่ใช่รายแรกที่พยายามคลายความผูกพันนี้ เพราะผู้ใช้ PyTorch สามารถสลับไปใช้ GPU ของ AMD หรือชิป Apple silicon ได้อยู่แล้วผ่านการตั้งค่าที่ไม่ซับซ้อน

AWS เห็นว่าข้อเสนอของตนไม่ได้มีแค่ความง่ายในการย้ายแอป เพราะการใช้ Trainium ยังเปิดทางให้เข้าถึงบริการอื่นๆ ของคลาวด์ของบริษัทด้วย AWS วางตำแหน่งตัวเองเป็นทางเลือกที่แข็งแกร่งกว่าสำหรับสตาร์ทอัพเมื่อเทียบกับผู้ให้บริการที่เรียกว่า neocloud อย่าง CoreWeave, Nebius และ Firmus ซึ่งหลายรายพึ่งพาฮาร์ดแวร์ของ Nvidia Colin Brace รองประธานฝ่ายซอฟต์แวร์เทคโนโลยีของ AWS Annapurna Labs หน่วยงานที่รับผิดชอบชิปที่ Amazon พัฒนาเอง กล่าวว่าการใช้ชิปตัวเดียวทั้งสำหรับการฝึกและการอนุมานช่วยปรับปรุงต้นทุนโดยรวมให้ดีขึ้น แม้ AWS จะไม่ได้เสนอราคาต่อโทเคนที่ต่ำที่สุดก็ตาม

Brace ยกตัวอย่างบริษัท Deepgram ซึ่งเป็นบริษัทด้านเอไอเสียง โดยเขากล่าวว่า Deepgram ย้ายมาใช้ Trainium ด้วยการรองรับ PyTorch โดยตรง และปัจจุบันประมวลผลเสียงได้มากขึ้น 70% ต่อดอลลาร์ โดยยังคงความแม่นยำระดับการใช้งานจริง

ผลักดัน PyTorch ให้เป็นกลางต่อฮาร์ดแวร์

Amazon ยังระบุว่าจะร่วมส่งการเปลี่ยนแปลงกลับเข้าสู่โครงการ PyTorch หลัก โดยทำงานร่วมกับชุมชนเพื่อลบโค้ดที่ผูก PyTorch ไว้กับชิปบางรุ่นออก เป้าหมายที่ระบุคือทำให้ PyTorch ไม่ขึ้นกับฮาร์ดแวร์มากขึ้นสำหรับนักพัฒนาทุกคน ไม่ใช่เฉพาะลูกค้าของ Trainium

ยังต้องรอดูว่าสิ่งนี้จะให้ตัวเลือกที่มากขึ้นและต้นทุนที่ต่ำลงจริงหรือไม่ หรือเพียงเพิ่มความซับซ้อนด้านการตั้งค่า ซึ่งเป็นสิ่งที่ PyTorch ตั้งใจซ่อนไว้ หาก Amazon ประสบความสำเร็จในการแยกเฟรมเวิร์กนี้ออกจาก Nvidia ผลกระทบต่อผู้นำตลาด GPU อาจขยายไปไกลกว่าการแข่งขันชิปทั่วไป "เรื่องจริงคือการขจัดการผูกมัดที่ทำให้นักพัฒนาไม่เคยมีทางเลือกที่แท้จริงเลย" Brace กล่าว