PyTorch 2.14 发布：集群更抗挂，苹果芯片兼容性更好

PyTorch 2.14 正式 GA 了：自 2.13 以来 2,995 次提交、487 位贡献者。训练更抗挂、苹果芯片兼容性更好、编译器与加速器面更宽——值得看一眼。

信息来自 PyTorch 官号与官方发布博客（9月2日 GA；官号 9月11日再推直播问答与大会）。

PyTorch 官号发帖（中文对照）

链接

官方发布博客

https://pytorch.org/blog/pytorch-2-14-release-blog/

官号发帖

https://x.com/PyTorch/status/2098469587243425801

2.14 直播问答报名（9月17日太平洋时间上午 11 点）

https://pytorch.org/event/pytorch-2-14-release-live-qa/

开发者公告

https://dev-discuss.pytorch.org/t/pytorch-2-14-0-general-availability/3431

你可能真正在意的几点

• Inductor 吃进 NVGEMM / CuTeDSL CUTLASS：矩阵乘更快，还能把后面的 bias、激活、缩放等 epilogue 融进同一条路径，低精度也跟上了。

• 分布式新后端 nccl2（从 torchcomms 落地）：通信契约更完整，面向大规模训练。

• c10d 把容错当一等公民：故障容忍集合通信 + 进程组可原地重配——节点挂了，尽量不用整集群推倒重来。

• Apple Silicon：兼容性更好，更多数值运算能留在本机 GPU（含常见矩阵分解路径），再加一批 Metal 内核，少绕 CPU。

• 控制流：torch.switch 做多路分支；torch.while_loop 可进 CUDA Graph，数据依赖循环不再轻易把图捕获打断。

• 动态形状用 @dynamic_spec 一次声明，compile / export / make_fx 共用，少写三套口径。

• 平台面更宽：实验性 torch.compile 支持复数张量；ROCm / Intel XPU / NVIDIA（含 Rubin sm_107）覆盖继续扩。

官方博客要点（配官方 Release Highlights 图）

顺带记住

一起发的还有 TorchVision 0.29.0；它相对 torch 2.14+ 开始 ABI 稳定——以后升 torch，不一定非要同步换 Vision。

Python 3.15 轮子已有，但 torch.compile 在 3.15 上还不支持；依赖编译的话先别急着升。

另：2.14 是最后一版给 Maxwell / Pascal / Volta 仍带 CUDA 12.6 轮子的发行；从 2.15 起这些老卡多半要源码自编。

问答与大会

直播问答：2026年9月17日周四，太平洋时间上午 11 点。嘉宾 Andrey Talman（Meta）、Natalia Gimelshein（Meta）、Joe Spisak / @joespeez（Reflection AI）；主持人 Chris Gottbrath（Gottbrath Tech）。博客由 Chris 主笔，Libby Clark（AWS）、Andrey Talman（Meta）、Bazil Sterling（LF）参与。

报名

https://pytorch.org/event/pytorch-2-14-release-live-qa/

PyTorch Conference North America：2026年10月20–21日，加州圣何塞。

大会入口

https://hubs.la/Q04tDbKG0