快科技 10 月 23 日消息，据报道，谷歌与亚马逊在 PyTorch Conference 2026 上同步放出软件大招。谷歌开源 TorchTPU，亚马逊推出 TorchNeuron，目标直指英伟达 CUDA 生态最坚固的壁垒：模型迁移成本。

谷歌宣称，超过 98% 的既有 PyTorch 模型，只需将设备设定改为 "model.to ( ‘ tpu ’ ) "，便能在 TPU 上运行。谷歌验证了近 5000 个 Hugging   Face 高频模型，其中 4917 个完成端到端验证，Tier-1 无崩溃通过率达 98%。迁移时间压缩至几分钟到数天。

亚马逊的 TorchNeuron 同样采用开源策略（Apache 2.0 授权），让 PyTorch 模型直接运行于 Trainium2 与 Trainium3 芯片。开发者只需修改少量配置，将指向 CUDA 的设定改为 AWS Neuron，无需重写整套应用。

性能层面，TPU 已展现出竞争力。据悉，16 颗谷歌 Ironwood TPU（TPU v7）运行 Kimi K3 模型，开启推测解码后，单用户生成速度达每秒 709 个 token。同等配置的 16 块英伟达 GB200 搭配 vLLM，速度为每秒 452 个 token，TPU 领先约 57%。

需要指出的是，CUDA 的护城河，从来不只是 GPU 算力，而是二十年积累的工具链、开发者习惯与迁移成本。当 TorchTPU 和 TorchNeuron 把 " 换芯片 " 的软件门槛从数月压缩到几分钟，企业就有了按能效和价格重新选择硬件的底气，而英伟达的生态黏性，正被软件工具一点点撬开。