续报10月21日谷歌开源TorchTPU一事。更值得单独成篇的新进展是：Meta侧明确表态，SGLang-TorchTPU已在生产环境运行。对PyTorch生态而言，这意味着TPU不再只是“研究桥接”，而是可选的生产推理后端。
据谷歌开发者博客与Tom's Hardware等报道，既往在TPU上跑主流推理引擎往往要绕JAX；新的TorchTPU路径让训练与服务可在熟悉的PyTorch工具链上对接TPU，并与vLLM、SGLang、Ray等组件协同。Meta的PyTorch-TPU负责人称三方（Meta、谷歌、SGLang团队）紧密合作后，生产栈“相当成熟”；工程负责人则强调不能被单一硬件架构约束。外媒还援引评测称，在特定Ironwood TPU配置上，对超大开源模型的单用户吞吐可高于对照的GB200设置——该数字来自第三方/合作方测试，需谨慎解读。
把这条放进更大画面：亚马逊同期开源TorchNeuron，谷歌推TorchTPU，都在攻同一座城墙——CUDA生态惯性。Meta作为PyTorch守门人亲自在生产里跑TPU，信号强于任何Bench数字。需要说明的是，TPU具体部署地点与采购结构未完全公开；Prometheus超集群等自建GPU叙事与TPU租用可并行存在。
一句话收尾：当PyTorch的东家开始在生产里跑TPU，GPU“唯一默认答案”的地位，又被凿开了一道口。