正在舉行的微軟Iginte全球技術(shù)大會上，微軟發(fā)布一系列AI相關(guān)的全新優(yōu)化模型、開發(fā)工具資源，幫助開發(fā)者更深入地釋放硬件性能，拓展AI場景。

尤是對于當(dāng)下在AI領(lǐng)域占據(jù)絕對主導(dǎo)地位的NVIDIA來說，微軟這次送上了一份大禮包，無論是面向OpenAI Chat API的TensorRT-LLM封裝接口，還是RTX驅(qū)動(dòng)的性能改進(jìn)DirectML for Llama 2，以及其他熱門大語言模型(LLM)，都可以在NVIDIA硬件上獲得更好的加速和應(yīng)用。

其中，TensorRT-LLM是一款用于加速LLM推理的庫，可大大提升AI推理性能，還在不斷更以支持越來越多的語言模型，而且它還是開源的。

就在10月份，NVIDIA也發(fā)布了面向Windows平臺的TensorRT-LLM，在配備RTX 30/40系列GPU顯卡的臺式機(jī)、筆記本上，只要顯存不少于8GB，就可以更輕松地完成要求嚴(yán)苛的AI工作負(fù)載。

現(xiàn)在，Tensor RT-LLM for Windows可以通過全新的封裝接口，與 OpenAI 廣受歡迎的聊天 API 兼容，因此可以在本地直接運(yùn)行各種相關(guān)應(yīng)用，而不需要連接云端，有利于在 PC 上保留私人和專有數(shù)據(jù)，防范隱私泄露。

只要是針對TensorRT-LLM優(yōu)化過的大語言模型，都可以與這一封裝接口配合使用，包括Llama 2、Mistral、NV LLM，等等。

對于開發(fā)者來說，無需繁瑣的代碼重寫和移植，只需修改一兩行代碼，就可以讓AI應(yīng)用在本地快速執(zhí)行。

↑↑↑基于TensorRT-LLM的微軟Visual Studio代碼插件——Continue.dev編碼助手

本月底還會有TensorRT-LLM v0.6.0版本更新，將會在RTX GPU上帶來最多達(dá)5倍的推理性能提升，并支持更多熱門的 LLM，包括全新的70億參數(shù)Mistral、80億參數(shù)Nemotron-3，讓臺式機(jī)和筆記本也能隨時(shí)、快速、準(zhǔn)確地本地運(yùn)行LLM。

根據(jù)實(shí)測數(shù)據(jù)，RTX 4060顯卡搭配TenroRT-LLM，推理性能可以跑到每秒319 tokens，相比其他后端的每秒61 tokens提速足足4.2倍。

RTX 4090則可以從每秒tokens加速到每秒829 tokens，提升幅度達(dá)2.8倍。

基于強(qiáng)大的硬件性能、豐富的開發(fā)生態(tài)、廣闊的應(yīng)用場景，NVIDIA RTX正成為本地端側(cè)AI不可或缺的得力助手，而越來越豐富的優(yōu)化、模型和資源，也在加速AI功能、應(yīng)用在上億臺RTX PC上的普及。

目前已經(jīng)有400多個(gè)合作伙伴發(fā)布了支持RTX GPU加速的AI應(yīng)用、游戲，而隨著模型易用性的不斷提高，相信會有越來越多的AIGC功能出現(xiàn)在Windows PC平臺上。