NVIDIA的內部測試表明， 在運行 GPT-J  6B 模型時，相較于沒有使用TensorRT-LLM的上一代GPU，在H100 GPU上使用TensorRT-LLM能夠實現(xiàn)高達8倍的性能提升。

該軟件始于NVIDIA在對Meta、AnyScale、Cohere、Deci、Grammarly、Mistral AI、MosaicML（現(xiàn)為Databricks的一部分）、OctoML、Tabnine和Together AI等領先公司進行加速和優(yōu)化LLM推理時所做的工作。

MosaicML在TensorRT-LLM 的基礎上添加了所需的功能，并將這些功能集成到他們現(xiàn)有的服務堆棧中。Databricks工程副總裁Naveen Rao表示：“這已成為相當輕而易舉的事情?！?/p>

Rao補充說：“TensorRT-LLM 簡單易用、功能豐富且高效。它為正在使用NVIDIA GPU的 LLM服務提供了最先進的性能，并使我們能夠將節(jié)省的成本回饋給我們的客戶?！?/p>

TensorRT-LLM 是NVIDIA全棧AI平臺持續(xù)創(chuàng)新的最新實例。這類持續(xù)的軟件進步為用戶帶來了無需額外成本即可實現(xiàn)隨著時間不斷提升的性能，并且廣泛適用于多樣化的AI工作負載。

L4為主流服務器增強推理能力

在最新MLPerf基準測試中，NVIDIA L4 GPU 運行了所有工作負載，并全面展現(xiàn)了出色的性能。

例如，在緊湊型72W PCIe 加速器中運行時，L4 GPU的性能比功耗超出其近5倍的CPU提高了6倍。

此外，L4 GPU具有專用媒體引擎，與CUDA軟件搭配使用，在NVIDIA的測試中為計算機視覺提供了高達120倍的加速。

谷歌云和許多系統(tǒng)制造商現(xiàn)已支持L4 GPU，為從消費互聯(lián)網服務到藥物研發(fā)各行業(yè)的客戶提供服務。

大幅提升邊緣性能

此外，NVIDIA采用了一種全新模型壓縮技術來展示在一個L4 GPU上運行BERT LLM的性能提升高達4.7倍。該結果體現(xiàn)在MLPerf的“開放分區(qū)”中，這個類別旨在展示新能力。

這項技術有望應用于所有AI工作負載。它尤其適用于在空間和功耗受限的邊緣設備上運行模型。

在另一個體現(xiàn)邊緣計算領導力的例證中，NVIDIA Jetson Orin模塊化系統(tǒng)將邊緣AI和機器人應用場景中常見的計算機視覺用例——目標檢測的性能比上一輪測試提升高達84%。

Jetson Orin性能的提升得益于軟件可以充分利用該芯片的最新核心，如一個可編程視覺加速器、一顆NVIDIA Ampere架構GPU和一個專用深度學習加速器等。

靈活的性能與龐大的生態(tài)

MLPerf基準測試是透明且客觀的，因此用戶可以根據(jù)其結果做出明智的購買決定。該測試還涵蓋了豐富的用例和場景，能夠讓用戶獲得可靠且可以靈活部署的性能。

本輪提交測試結果的合作伙伴包括微軟 Azure和Oracle Cloud Infrastructure 等云服務提供商以及華碩、Connect Tech、戴爾科技、富士通、技嘉、惠與、聯(lián)想、QCT、超微等系統(tǒng)制造商。

總體而言，MLPerf 已得到70多家機構的支持，包括阿里巴巴、Arm、思科、谷歌、哈佛大學、英特爾、Meta、微軟和多倫多大學等。

zhupb