软件研发智能化
谷歌与 Meta 开源 TorchTPU:让 PyTorch 原生跑在 TPU 上
在 PyTorch Conference 北美 2026 上,谷歌与 Meta 开源 TorchTPU,为谷歌 TPU 提供原生 PyTorch 后端;Meta 称计划把更大的大模型训练负载迁到 TPU。
PyTorch 生态长期在英伟达 GPU 上最顺手,想用谷歌 TPU 的团队则常常要额外维护适配层。据 InfoQ 报道,谷歌与 Meta 在 PyTorch Conference North America 2026 开源 TorchTPU,目标是为谷歌 TPU 提供原生 PyTorch 后端;Meta 表示计划据此把更大规模的大模型训练与推理负载迁到 TPU。同周 AWS 也发布了面向 Trainium 的 TorchNeuron,社区则继续讨论芯片可得性、队列配额以及迁移成本。
对软件研发与训练平台团队,这意味着「同一套 PyTorch 代码、多类加速器」的选择面变宽,可以把成本与供给风险分散到更多硬件。与此同时,编译栈、算子覆盖率、混合精度行为与分布式策略都要重新验证,不能假设「能 import 就等于能复现原有吞吐」。
TorchTPU 是否覆盖你依赖的自定义算子、以及云上 TPU 的实际配额与排队时间,需要对照官方仓库与云厂商文档。本稿依据 InfoQ 新闻摘要整理,未复现训练基准;具体性能数字与支持矩阵以官方材料为准。
若你已有大量 CUDA 专用扩展,迁移评估应单列「扩展重写工作量」一项,而不是只比较标称算力价格。