Google 跟進 Amazon 推 PyTorch 移轉工具,挑戰 Nvidia 軟體護城河
2026/10/22
Google 正式釋出一款開發者工具,讓使用 PyTorch 框架的 AI 開發者,能以極少的程式修改,把原本跑在 Nvidia GPU 上的應用移轉到 Google 自研的 TPU 晶片上執行。這是繼 Amazon 日前推出類似工具後,又一家雲端巨頭正面挑戰 Nvidia 在 AI 開發者生態的主導地位。
Nvidia 之所以能在 AI 晶片市場維持壓倒性優勢,硬體效能只是原因之一,更關鍵的是 CUDA 軟體平台。過去十多年,大量 AI 框架、函式庫與開發工具都以 CUDA 為基礎打造,開發者一旦習慣這套環境,轉換到其他晶片的成本極高。PyTorch 是目前最主流的深度學習框架,雖然本身支援多種硬體,但實務上許多最佳化仍深度綁定 Nvidia GPU。
Google 的新工具瞄準的正是這道轉換門檻。據悉,該工具能自動處理 PyTorch 程式與 TPU 之間的對接與最佳化,讓開發者不需要重寫模型或學習新的程式介面。對於已在 Google Cloud 上運作、但仍租用 Nvidia GPU 的客戶,這提供了降低成本的新選項。Amazon 稍早推出的工具則讓 PyTorch 應用能在其 Trainium 晶片上執行,兩者策略如出一轍。
業界分析人士指出,雲端巨頭推動自研晶片已有數年,但始終受限於軟體生態不夠成熟。如今兩家同時把重點放在降低 PyTorch 移轉難度,代表競爭焦點已從「晶片效能比拚」轉向「開發者體驗爭奪」。只要移轉成本夠低,價格與供貨穩定度就會成為客戶選擇的主要考量,而這正是雲端業者自研晶片的強項。
對 Nvidia 而言,短期內衝擊有限。高階模型訓練仍高度依賴其 GPU 與 NVLink 互連技術,且 Nvidia 本身也持續投入軟體生態建設。但長期來看,若越來越多推論與中小型訓練工作負載轉移到雲端業者自研晶片,Nvidia 在雲端市場的議價能力可能逐步受到侵蝕。
對 AI 開發者與企業來說,這是一個正面發展。多家硬體供應商之間的競爭,有助於壓低算力成本、緩解 GPU 供貨緊張。未來值得觀察的是 Microsoft 與 Meta 是否也推出類似工具,以及 Nvidia 會以何種策略鞏固其開發者生態,回應這波來自最大客戶群的挑戰。