谷歌正在试图撬开英伟达对AI计算产业的钳制。它发布了一个名为TorchTPU的专用版本，对象是开源的PyTorch框架，目标很直接：抹掉对手的一项关键优势。

英伟达和它的GPU之所以在AI行业里如此强势，一个重要原因是绝大多数AI应用都是专门为它的GPU编写的。谷歌这次要改的，就是这个现实。

PyTorch是开发者用来创建、训练和运行AI模型与神经网络的流行开源工具包。按一些统计口径，超过85%的AI应用是在PyTorch上构建的。它由Meta在2016年创建，那时候还没人意识到大语言模型会带来这轮AI热潮。谷歌的TPU则是它自研的AI专用芯片，长期主要通过自家云对外提供，软件生态一直是它相对英伟达最弱的一环。

护城河不在芯片，在代码

当年的情况是，英伟达的GPU已经是开发者做AI研究的首选硬件，所以Meta在设计PyTorch时就是奔着这家公司的芯片去的。即便2022年Meta把PyTorch开源、把管理权交给非营利的Linux基金会之后，这种对英伟达硬件的偏向依然延续了下来。

这就是问题的根子：换一块芯片，等于换一套代码。开发者不是不愿意用别的硬件，而是迁移成本太高。

TorchTPU要解决的正是这件事。谷歌做出了PyTorch的一个替代版本，让开发者更容易创建能跑在自己张量处理单元（TPU）上的模型和应用。更关键的是，它还提供了一条简单路径：只要改几处配置，现有的应用和模型就能跑在TPU上，不必重写任何底层代码。

AWS早了一步，谷歌补的是生态

想拆掉英伟达靠PyTorch建立的优势，谷歌不是唯一一个。就在本周早些时候，亚马逊云科技也发布了自己的PyTorch分支，名为TorchNeuron。和TorchTPU类似，TorchNeuron让AI应用更容易跑在别的硬件上，这里是亚马逊的Trainium芯片。

亚马逊还走得更远：它向PyTorch上游项目贡献了代码，把一批关键功能与英伟达GPU解耦，目的是让它能兼容任何硬件。

谷歌没做这件事，但在另外两个方面可能占了先手。一是合作面：谷歌称它与Meta、Hugging Face，以及Inferact和RadixArk两家初创公司（vLLM和SGLang的开发者）做了紧密协作，确保TorchTPU的各项功能和代码库能兼容这些开发者的工具。这等于又抹掉了PyTorch带来的另一项优势。

二是工具链：谷歌还发布了一套名为TPU agent suite的新工具，用来帮开发者把AI应用迁移到谷歌云上，并自动修复迁移过程中出现的错误。此外它更新了已有的LiteRT，这个工具用于构建直接跑在智能手机、笔记本和嵌入式设备上、而非云端的AI应用。谷歌表示，LiteRT现在应该已经兼容基于PyTorch的应用。

说服开发者还远远不够

当然，要让数百万开发者放下英伟达的GPU、转头奔向谷歌的TPU，光靠这些还差得远。

但它至少说明一件事：谷歌相信，长期来看它有能力一点点削掉英伟达的领先优势。这场仗不会在芯片参数上分胜负，而是在谁的代码更容易被搬过去。