标签
PyTorch Con 2026 主题演讲预告：智能体人工智能基金会执行董事 Mazin Gilbert 将探讨大语言模型如何从智能体行为中学习，提出五层智能体栈架构，并介绍将智能体评估结果作为 PyTorch 训练奖励反馈的开放研究方向。
亚马逊关于在 AWS Trainium 上分析 TorchNeuron 工作负载的系列教程第 1 部分，涵盖如何使用 Neuron 后端配置 torch.profiler、解读 key_averages() 输出，以及通过 Neuron Explorer 追踪操作。
Google 与 Meta 合作开发 TorchTPU，这是一个面向 Google TPU 的开源原生 PyTorch 后端，支持开箱即用的运行、eager 模式以及与 torch.compile 的集成，性能具有竞争力，取代了 PyTorch/XLA 的诸多限制。
Intel 与 AMD 联合宣布，双方将通过 oneDNN 就 PyTorch 的 x86 CPU 软件优化展开合作，AMD 将其 ZenDNN 的改进贡献到上游项目，并以指导成员身份加入 UXL 基金会。
PyTorch 的博客详细介绍了其基于 MLIR 的开源编译器后端（KTIR → DataflowIR → SpyreCode），该后端可将 PyTorch Inductor 的编译决策转换为可在 IBM Spyre AI 加速器上执行的数据流管线。
Google 将 TorchTPU 作为开源项目发布，让开发者无需重写代码即可在其 TPU 上运行原生 PyTorch 应用，与 Amazon 的 TorchNeuron 一同向 Nvidia 在 AI 芯片软件工具领域的主导地位发起挑战。
Google 与 Meta 联合发布开源项目 TorchTPU，为 Google TPU 提供原生 PyTorch 后端，支持真正的 eager 执行与 torch.compile 集成，并在 Llama 3 405B 和 Qwen 3 MoE 上实现近线性扩展。
NVIDIA 的 Ujval Kapasi 在 PyTorchCon 2026 上发表主旨演讲，阐述智能体工作负载对 PyTorch 技术栈的需求，并以 NVIDIA Vera Rubin 为案例，介绍涵盖 CPU、GPU、内存和网络的软硬件协同设计，以及在 PyTorch、Triton 和 vLLM 上的优化工作。
PyTorch Con 2026 现场，来自 IBM、Google Cloud 和 Red Hat 的演讲嘉宾正在带来题为“生产规模的开源推理”的演讲，并进行大语言模型现场演示。
来自 #PyTorchCon 2026 现场，Amazon 的 Robert Hundt 介绍 TorchNeuron，这是 AWS Trainium 的原生 PyTorch 后端，支持即时执行和 torch.compile，可通过 vLLM-Neuron 进行训练和推理服务，还提供 Neuron Explorer，可对执行过程进行细粒度到硬件指令级别的性能分析。
直击 PyTorchCon 2026，Qualcomm 的 Chris Lattner 展示了开发者如何用 MAX 和 Mojo 扩展 PyTorch，为跨多家厂商硬件运行代码提供共享基础。Mojo 将 Python 风格的代码与系统级速度相结合，而 MAX 则提供模型编写和面向多种硬件的图编译器。
Google 开源了 TorchTPU，这是其 TPU 的原生 PyTorch 后端，支持自定义 ATen 内核、XLA 编译缓存、torch.compile() 集成以及分布式训练，并提供了 Llama、Qwen 和 ResNet 等模型的示例。
PyTorch 2.15 为 Mac 用户带来了 MPS 后端的重大改进，包括 FP8 支持、MoE 模型解码速度提升 5-6.5 倍、softmax 速度提升 8 倍，以及视频 VAE 解码内存占用的大幅降低。这些改进由 Hugging Face 的 PyTorch 团队和社区贡献者共同推动。
Hugging Face 宣布 Transformers、Diffusers 和 Kernels 原生支持 TorchTPU，使 TPU 成为 PyTorch 中的一个普通设备选项，无需再依赖 torch_xla 或 Optimum TPU。
AWS 与 PyTorch 宣布推出 TorchNeuron——一个面向 AWS Trainium 芯片的原生 PyTorch 开源后端，支持 eager 执行、torch.compile 与 NKI 自定义内核，模型代码只需 `.to('neuron')` 即可运行，将于 10 月 20 日以 Apache 2.0 公开 Beta。
Amazon Web Services 发布了 TorchNeuron 开发工具，让 PyTorch 应用仅需一行配置即可迁移到其 Trainium AI 芯片上，直接挑战 Nvidia 在 AI 软件生态上的主导地位，并将相关改动贡献给 PyTorch 上游项目。
PyTorch 官方正在对 PyTorch Conference North America 2026 的同期活动 Jupyter Day 进行现场报道，数据科学家、开发者和研究人员齐聚一堂，探讨交互式计算与 AI 辅助工作流。
Amazon 发布 TorchNeuron，让现有 PyTorch 代码无需重写即可原生运行在 AWS Trainium 芯片上，并将于 10 月 20 日 PyTorch Conference 上开源。该工具旨在降低开发者切换 AI 硬件的成本，已有多家企业在机器人、自动驾驶、大模型等领域采用。
PyTorch Helion 现已将 NVIDIA CompileIQ 的高级控制文件（Advanced Control Files）集成到其自动调优器中，实现了内核配置与底层 ptxas 编译器控制参数的联合搜索，从而从已自动调优至极限的 GPU 内核中挖掘最后一段性能空间。
PyTorch 与 AWS 联合发布 TorchNeuron，这是一个面向 AWS Trainium 芯片的开源 PyTorch 原生后端，开发者只需通过简单的 `.to('neuron')` 切换即可运行现有的 PyTorch 代码，支持 eager 执行、torch.compile 以及 NKI 自定义算子。该项目将于 10 月 20 日的 PyTorch 大会上以公开测试版形式发布，采用 Apache 2.0 许可证。