# AWS Trainium

亚马逊发布开源后端TorchNeuron，把PyTorch代码翻译成可在AWS Trainium上执行的操作，已在其他加速器上运行的PyTorch代码只需极少改动甚至不改即可迁移。它新增可选的“自适应eager”模式，把算子分组成小图编译并缓存，以接近全编译的性能保留eager模式的调试体验。评估侧由AI智能体扫描Hugging Face仓库，筛出841个覆盖各类架构的代表模型，并整理出数万种张量形状用于调优与基准测试。

亚马逊发布开源后端TorchNeuron，把PyTorch代码翻译成可在AWS Trainium上执行的操作，已在其他加速器上运行的PyTorch代码只需极少改动甚至不改即可迁移。它新增可选的“自适应eager”模式，把算子分组成小图编译并缓存，以接近全编译的性能保留eager模式的调试体验。评估侧由AI智能体扫描Hugging Face仓库，筛出841个覆盖各类架构的代表模型，并整理出数万种张量形状用于调优与基准测试。

AWS Trainium 上的 Hugging Face 模型运行方式换了底座：新的 PyTorch 原生后端 TorchNeuron 把 Neuron 芯片暴露为普通设备，支持即时执行、torch.compile 与原生分布式接口，不再依赖基于 PyTorch XLA 的 optimum-neuron。按 Hugging Face 给出的对照，最常用的 100 个文本生成模型架构中开箱支持比例从 Optimum Neuron v0.4.5 的 46% 升到 89%。该后端自 2026 年 10 月 20 日起进入公开测试。

AWS Trainium 上的 Hugging Face 模型运行方式换了底座：新的 PyTorch 原生后端 TorchNeuron 把 Neuron 芯片暴露为普通设备，支持即时执行、torch.compile 与原生分布式接口，不再依赖基于 PyTorch XLA 的 optimum-neuron。按 Hugging Face 给出的对照，最常用的 100 个文本生成模型架构中开箱支持比例从 Optimum Neuron v0.4.5 的 46% 升到 89%。该后端自 2026 年 10 月 20 日起进入公开测试。