AWS推出TorchNeuron测试版，简化PyTorch模型向Trainium芯片迁移
AWS发布TorchNeuron公开测试版，允许开发者通过标准PyTorch接口调用Trainium芯片，显著降低从英伟达GPU迁移至AWS自研AI算力的代码修改成本。
重要性实质性证据E3 可检验写法快讯
亚马逊云服务（AWS）于2026年10月20日发布了名为TorchNeuron的PyTorch扩展套件公开测试版。该工具旨在解决开发者将AI模型从英伟达GPU迁移至AWS自研AI加速芯片Trainium时面临的兼容性难题。
过去，虽然AWS已提供让PyTorch模型运行在Trainium上的方法，但开发者必须配合特定的编译及执行方式调整程序，导致原本在其他芯片上运行的工作流程难以直接转换。TorchNeuron改用了PyTorch既有的硬件支持机制，使框架能直接识别Trainium芯片。开发者只需在程序中指定由该芯片负责运算，即可维持原有的训练与推理流程，无需改用一套不同的模型执行方式。
目前TorchNeuron支持Trainium2和Trainium3两代芯片。它保留了PyTorch原有的测试、调试以及分布式训练工具，允许将大型模型的训练任务分配到多颗Trainium芯片处理。此外，该套件支持逐项执行与编译执行两种模式：逐项模式便于检查中间结果但可能增加耗时；编译模式则利用torch.compile功能优化后续执行效率。
需要注意的是，由于仍处于公开测试阶段，TorchNeuron尚未支持所有PyTorch功能。AWS指出，在逐项执行模式下，未支持的运算可能会自动改由中央处理器（CPU）执行，而在编译模式下可能导致编译失败。若程序原本使用Trainium旧版专用界面，仍需进行调整，并非所有代码都能直接无缝转移。