Google has joined Amazon in attacking Nvidia's stronghold with AI app developers

🖼️ 인포그래픽

🖼️ 4컷 인포그래픽

💡 한 줄 요약

Google이 TorchTPU를 오픈소스로 공개하며 Amazon의 TorchNeuron과 함께 PyTorch 앱의 대체 칩·클라우드 이전을 쉽게 해 Nvidia 중심의 AI 개발 생태계에 도전하고 있다.

📌 핵심 요약

• Google은 2026년 10월 20일 TorchTPU를 오픈소스로 공개했다. Google의 설명에 따르면 기존 PyTorch 앱을 재작성하지 않고 간단한 설정 변경으로 TPU와 Google Cloud로 옮길 수 있다.
• PyTorch는 AI 모델을 구축·학습·실행하는 인기 오픈소스 도구로, 일부 추산에서는 AI 앱의 85%가 사용하는 것으로 나온다. Nvidia GPU가 AI 연구의 표준이던 시기에 개발돼 많은 기능이 해당 하드웨어에 맞춰졌다.
• Amazon은 하루 앞서 TorchNeuron을 공개해 앱 재작성 없이 Trainium과 AWS로 이전할 수 있다고 밝혔다. 또한 PyTorch의 여러 기능을 Nvidia 칩과 분리해 기본적으로 다양한 하드웨어에 개방하려는 코드를 본 프로젝트에 제출하고 있다.
• Google은 Meta, Hugging Face, Inferact, RadixArk 등과 협력해 TorchTPU의 도구 호환성을 확보했다고 설명했다. 앱 이전과 오류 수정을 돕는 TPU agent suite를 출시하고, 기기에서 AI를 실행하는 LiteRT의 PyTorch 앱 지원도 개선했다.
• 이러한 변화가 개발자들의 대규모 Nvidia 이탈을 자동으로 의미하지는 않는다. 다만 Google과 Amazon이 앱 이전의 장벽을 낮추며 Nvidia의 우위를 약화하려는 방향은 분명하다는 것이 기사의 평가다.

🧩 주요 포인트

1. PyTorch의 높은 보급률과 Nvidia GPU에 맞춰진 기능 → 칩 경쟁에서 개발 도구의 하드웨어 의존성을 줄이는 일이 중요한 쟁점으로 부상한다.
2. TorchTPU·TorchNeuron의 재작성 없는 이전 지원 → Google Cloud와 AWS가 기존 PyTorch 앱을 자사 칩으로 유치할 수 있는 경로를 넓힌다.
3. Google의 도구 호환성·이전 지원과 Amazon의 PyTorch 본 프로젝트 기여 → Nvidia 우위에 대한 도전이 칩 제공을 넘어 개발 생태계로 확장되지만, 실제 대규모 이탈 여부는 불확실하다.

🧠 상세 정리

1. Google의 TorchTPU 공개와 경쟁 구도

Google은 2026년 10월 20일 화요일, 오랫동안 기다려 온 자사 PyTorch 버전인 TorchTPU를 오픈소스 프로젝트로 공개했다고 발표했다. 기사는 이를 Google이 Amazon과 함께 AI 산업에서 Nvidia의 강력한 지배력에 도전하는 움직임으로 설명한다. 대부분의 AI 앱이 기본적으로 Nvidia의 칩인 GPU에서 실행되도록 작성되는 상황에서, 개발자가 다른 칩으로 이동할 수 있게 하는 도구가 이번 발표의 핵심이다. 따라서 이번 경쟁의 초점은 대체 칩의 존재 자체뿐 아니라, 이미 작성된 AI 앱을 다른 하드웨어와 클라우드로 얼마나 쉽게 옮길 수 있느냐에도 놓여 있다.

2. PyTorch가 Nvidia 중심으로 자리 잡은 배경

PyTorch는 AI 앱 개발자와 스타트업이 모델을 구축하고 학습시키며 실행하는 데 사용하는 인기 오픈소스 도구로, 일부 추산에 따르면 AI 앱의 85%가 이를 사용한다. Meta가 Facebook이라는 이름을 쓰던 2016년에 처음 개발했으며, 당시에는 이미 Nvidia GPU가 AI 연구의 표준 하드웨어였다. 이 때문에 PyTorch의 많은 기능이 Nvidia GPU에서 작동하도록 만들어졌다는 것이 기사가 제시하는 배경이다. Meta는 2022년 여러 주요 오픈소스 프로젝트를 관리하는 비영리 단체 Linux Foundation에 PyTorch를 넘겼지만, 기사에서 다루는 경쟁의 쟁점은 여전히 이러한 하드웨어 중심성을 완화하는 데 있다.

3. TorchTPU가 제공하는 앱 이전 경로

Google의 TorchTPU는 AI 앱을 자사의 AI 칩인 Tensor Processing Units, 즉 TPU에서 실행할 수 있게 한다. Google의 설명에 따르면 개발자는 기존 PyTorch 앱을 재작성할 필요 없이 간단한 설정 변경만으로 TPU로 옮길 수 있으며, 이는 Google Cloud로 이전하는 경로이기도 하다. 기사에서 강조하는 편의성은 새로운 하드웨어를 쓰기 위해 기존 앱의 코드를 다시 작성해야 하는 부담을 줄인다는 점에 있다. 이 기능은 Nvidia GPU에 맞춰 개발된 앱이 Google의 칩과 클라우드를 선택할 수 있도록 문을 넓히지만, 선택 가능성이 생겼다는 사실만으로 실제 이전이 보장되는 것은 아니다.

4. Amazon의 TorchNeuron과 PyTorch 본 프로젝트 기여

Amazon은 Google보다 하루 앞선 월요일에 자체 PyTorch 버전인 TorchNeuron을 공개하며 비슷한 이전 경로를 제시했다. TorchNeuron을 이용하면 AI 앱을 재작성하지 않고 Amazon의 자체 AI 칩 Trainium과 AWS로 옮길 수 있다는 것이 회사의 설명이다. Amazon은 여기서 더 나아가 PyTorch의 여러 기능을 Nvidia 칩과 분리하는 코드를 본 프로젝트에 제출하고 있다고 밝혔다. 이 시도는 자체 버전으로 앱을 유치하는 것과 함께, PyTorch가 기본적으로 특정 하드웨어에 덜 묶이고 다양한 하드웨어에 더 개방되도록 바꾸려는 접근으로 소개된다.

5. Google의 호환성 협력과 개발 지원 도구

기사는 Google이 개발 도구와의 호환성 및 이전 지원 측면에서 Amazon보다 한발 더 나아가려는 요소도 제시했다고 설명한다. Google은 Meta, Hugging Face, vLLM 제작사 Inferact, SGLang 제작사 RadixArk 등과 직접 협력해 TorchTPU의 기능과 코드 라이브러리가 이들 인기 AI 개발 도구와 원래 PyTorch처럼 잘 작동하도록 했다고 밝혔다. 또한 개발자가 앱을 Google의 칩과 클라우드로 옮기고 그 과정의 오류를 수정하도록 돕는 전용 도구 TPU agent suite를 출시했다. 휴대전화·노트북·임베디드 기기에서 AI를 실행하는 LiteRT도 업데이트해 PyTorch AI 앱과 더 잘 작동하도록 개선했다.

6. 이전 가능성 확대와 실제 이탈의 불확실성

기사는 이러한 발표가 AI 앱 개발자들이 Nvidia 하드웨어를 곧바로 대규모로 떠날 것이라는 뜻은 아니라고 선을 긋는다. 다른 칩과 클라우드로 쉽게 옮길 수 있게 됐다는 점은 선택의 여지를 넓히지만, 그 가능성 자체가 실제 이전을 자동으로 일으키지는 않는다는 판단이다. 다만 Amazon과 Google이 PyTorch 앱의 이전을 지원하고 Nvidia에 맞춰진 개발 환경의 제약을 줄이며 Nvidia의 우위를 약화하려 한다는 방향은 분명하다고 평가한다. 따라서 기사의 결론은 경쟁 구도의 변화가 시작됐다는 데 있으며, 개발자들의 대규모 하드웨어 전환이 이미 실현됐다는 주장은 아니다.

🧾 핵심 주장 / 시사점

• Nvidia의 우위는 칩뿐 아니라 PyTorch의 기능이 해당 하드웨어에 맞춰 발전해 온 개발 환경과도 연결돼 있다.
• Google과 Amazon은 기존 앱을 재작성하지 않는 이전 경로를 통해 자사 칩 채택과 클라우드 유치를 함께 추진하고 있다.
• 도구 호환성과 오류 수정 지원은 이전을 돕는 요소지만, 기사만으로는 이러한 지원이 실제 Nvidia 이탈로 얼마나 이어질지 판단할 수 없다.

✅ 액션 아이템

• 기존 PyTorch 앱의 TorchTPU·Google Cloud 이전에 필요한 설정 변경과 재작성 없는 이전 가능성 검토.
• TorchNeuron의 Trainium·AWS 이전 지원과 Amazon의 PyTorch 하드웨어 의존성 완화 방향 비교.
• Google의 도구 호환성 및 TPU agent suite 지원을 실제 이전 판단 요소로 검토하되, 대규모 Nvidia 이탈 여부의 불확실성 반영.

❓ 열린 질문

• TorchTPU의 간단한 설정 변경과 앱 재작성 없는 이전은 기존 PyTorch 앱에서 어느 범위까지 가능한가?
• Amazon이 PyTorch 본 프로젝트에 제출하는 코드는 Nvidia 칩에 대한 의존성을 얼마나 줄일 수 있는가?
• Google의 도구 호환성과 TPU agent suite 지원은 실제 대규모 Nvidia 이탈로 이어질 수 있는가?