PyTorch基金会北美大会在圣何塞举行，会上公布多项让PyTorch在更多硬件上原生运行的工作。Google与Meta合作的TorchTPU为Google TPU提供原生后端，支持eager执行与torch.compile；面向AWS Trainium的TorchNeuron以Apache 2.0公开测试版发布，只需一次配置改动即可运行PyTorch负载。负载迁移可能只需更换设备，但要达到峰值性能可能仍需调整形状、分片与算子。
ExecuTorch新增WebGPU后端，让PyTorch模型经torch.export导出为一份.pte文件后，直接在支持WebGPU的浏览器里用GPU推理，无需先转成GGUF、ONNX或TFLite等其它框架格式。此前在浏览器跑PyTorch模型通常要先做这种格式转换。在Apple M1 Pro的Chrome上，以4比特量化的Llama 3.2 1B和Qwen3-0.6B对比ExecuTorch自身的Wasm CPU后端（XNNPACK），预填充快4–7倍、解码快2–10倍。
PyTorch 2.15把2.14中作为可选nccl2预览的重写NCCL后端设为所有nccl进程组的默认，并保留TORCH_DIST_USE_NCCL2=0与nccl-legacy两条回退路径。此前集群规模下单个GPU停滞就可能拖停整个训练，定位原因往往要靠手工复现；新版本加入与后端无关的飞行记录器，集合通信挂起时向磁盘写出事后现场，任一rank超时都会触发所有rank转储。
AMD MI350 系列 GPU 上的 PyTorch 用户现在可以通过既有算子接口调用 FlyDSL 内核，覆盖稠密与分组 GEMM、MXFP8/MXFP4 缩放 GEMM、RMSNorm、TopK 以及经 AOTriton 的注意力。此前这些算子只能走 ATen 或 Triton 等实现；在 MI355X 的算子级测试中，FlyDSL 对 15 个 BF16 稠密 GEMM 形状相对逐形状更快的 ATen/Triton 取得 1.10 倍几何平均加速，MXFP8 与 MXFP4 相对 ATen 分别为 1.58 倍和 1.68 倍。端到端 vLLM 测试中整请求加速最高为 BF16 的 1.13 倍、MXFP8 的 2.04 倍和 MXFP4 的 3.01 倍，具体取决于模型与并发度。
TorchTitan发布年度更新，新增Muse Spark Open、Qwen3.5、Kimi K3、DeepSeek-V4等开放权重模型的PyTorch原生训练支持，并推出TitanRL，让预训练、后训练与vLLM推理共用同一份模型，避免训练与推理两套实现悄然不一致。在支持的on-policy配置下，训练器与生成器给出逐位相同的对数概率，二者差距每一步恰为零。更新还报告了DeepSeek V3 671B在MLPerf训练基准上的吞吐数据，以及FlexShard、torch_checkpointing等基础设施改进。
已读完全部报道