Google 在 PyTorch 生态与自家 TPU 硬件的衔接上再进一步。近日，Google 发布了 TorchTitan 的 TPU 分叉版本，代码托管于 google-pytorch/torchtitan 仓库，目标是让开发者能够以 PyTorch 原生方式在 Cloud TPU 上完成模型训练。

这一分叉的核心依托是 TorchTPU 原生后端。通过该后端，PyTorch 模型无需脱离原有开发范式即可运行在 Cloud TPU 之上，降低了在 TPU 环境部署 PyTorch 工作负载的门槛。

在功能层面，该版本集成了多项训练优化组件，包括 SimpleFSDP、Graph Trainer 与 Pallas 内核。这些组件分别面向不同的训练环节，覆盖从并行策略到内核实现的优化需求。

除代码实现外，Google 还同步提供了模型优化 Playbook，为开发者调优 TPU 上的 PyTorch 训练提供参考路径。整体来看，这一发布将 TorchTitan 的训练框架能力与 TPU 硬件支持打包成一套相对完整的方案，对关注 PyTorch 跨硬件部署的从业者具有直接参考价值。