生成式 AI——以 ChatGPT 等大型语言模型 (LLM) 应用程序、Stable Diffusion 和 Adobe Firefly 等图像生成器以及 NVIDIA DLSS 3 Frame Generation 等游戏渲染技术的形式出现——正在迅速迎来生产力计算的新时代， 内容创作、游戏等。
在 Microsoft Build 开发者大会上，NVIDIA 和 Microsoft 今天展示了配备 NVIDIA RTX GPU 的 Windows 11 PC 和工作站的一系列进步，以满足生成式 AI 的需求。
超过 400 个 Windows 应用程序和游戏已经采用了 AI 技术，并由 RTX GPU 上称为 Tensor Core 的专用处理器进行加速。 今天发布的产品包括在 Windows PC 上开发 AI 的工具、优化和部署 AI 的框架以及驱动器性能和效率改进，将使开发人员能够构建以生成式 AI 为核心的下一代 Windows 应用程序。
微软 Windows 芯片和系统集成公司副总裁 Pavan Davuluri 表示：“未来几年，人工智能将成为 Windows 客户创新的最大驱动力。” “通过与 NVIDIA 合作进行硬件和软件优化，我们为开发人员提供了变革性的、高性能的、易于部署的体验。”
使用适用于 Linux 的 Windows 子系统开发模型
人工智能开发传统上是在 Linux 上进行的，要求开发人员双启动其系统或使用多台 PC 在其人工智能开发操作系统中工作，同时仍然可以访问 Windows 生态系统的广度和深度。
在过去的几年里，微软一直在构建一种在 Windows 操作系统中直接运行 Linux 的强大功能，称为 Windows Subsystem for Linux (WSL)。 NVIDIA 一直与 Microsoft 密切合作，为 WSL 内的整个 NVIDIA AI 软件堆栈提供 GPU 加速和支持。 现在，开发人员可以使用 Windows PC 来满足所有本地 AI 开发需求，并支持 WSL 上的 GPU 加速深度学习框架。
借助 NVIDIA RTX GPU 在桌面工作站中提供高达 48GB 的 RAM，开发人员现在可以在 Windows 上使用以前只能在服务器上使用的模型。 大内存还提高了人工智能模型本地微调的性能和质量，使设计人员能够根据自己的风格或内容对其进行定制。 由于相同的 NVIDIA AI 软件堆栈在 NVIDIA 数据中心 GPU 上运行，因此开发人员可以轻松地将其模型推送到 Microsoft Azure 云以进行大型训练运行。
快速优化和部署模型
有了经过训练的模型，开发人员需要为目标设备优化和部署人工智能。
微软发布了 Microsoft Olive 工具链，用于优化 PyTorch 模型并将其转换为 ONNX，使开发人员能够自动利用 RTX Tensor Core 等 GPU 硬件加速。 开发人员可以通过 Olive 和 ONNX 优化模型，并将 Tensor Core 加速的模型部署到 PC 或云端。 Microsoft 不断投资，使 PyTorch 及相关工具和框架与 WSL 无缝协作，以提供最佳的 AI 模型开发体验。
改进的人工智能性能、能效
一旦部署，生成式人工智能模型就需要令人难以置信的推理性能。 RTX Tensor Core 可为 AI 推理提供高达 1,400 Tensor TFLOPS。 去年，NVIDIA 致力于提高 DirectML 性能，以充分利用 RTX 硬件。
5 月 24 日，我们将发布 532.03 版驱动程序中的最新优化，这些驱动程序与 Olive 优化模型相结合，可大幅提升 AI 性能。 使用 Olive 优化版本的 Stable Diffusion 文本到图像生成器以及流行的 Automatic1111 发行版，新驱动程序的性能提高了 2 倍以上。
随着人工智能进入几乎所有 Windows 应用程序，有效提供推理性能至关重要 – 特别是对于笔记本电脑。 NVIDIA 即将推出新的 Max-Q 低功耗推理，适用于 RTX GPU 上的纯 AI 工作负载。 它优化了 Tensor Core 性能，同时保持 GPU 的功耗尽可能低，延长电池寿命并保持凉爽、安静的系统。 然后，当工作负载需要时，GPU 可以动态扩展以获得最大的 AI 性能。
立即加入 PC 人工智能革命
Adobe、DxO、ON1 和 Topaz 等顶级软件开发商已将 NVIDIA AI 技术融入针对 RTX Tensor Core 优化的 400 多个 Windows 应用程序和游戏中。
“人工智能、机器学习和深度学习为所有 Adobe 应用程序提供动力，并推动创造力的未来。 我们与 NVIDIA 合作，不断优化 AI 模型性能，为使用 RTX GPU 的 Windows 用户提供最佳体验。” — Ely Greenfield，Adobe 数字媒体首席技术官
“NVIDIA 正在帮助优化我们在 RTX GPU 上的 WinML 模型性能，从而加速 DxO DeepPRIME 中的人工智能，并更快地提供更好的去噪和去马赛克效果。” — Renaud Capolunghi，DxO 工程高级副总裁
“与 NVIDIA 和 Microsoft 合作，加速我们在 RTX GPU 上在 Windows 中运行的 AI 模型，为我们的受众带来了巨大的好处。 我们已经看到我们的人工智能摄影编辑软件套件的性能提升了 1.5 倍。” — ON1 产品副总裁 Dan Harlacher
“我们与 NVIDIA 的广泛合作使我们的照片和视频编辑应用程序套件得到了改进。 借助 RTX GPU，AI 性能大幅提升，增强了 Windows PC 用户的体验。” — Suraj Raghuraman，Topaz Labs 人工智能引擎开发主管
NVIDIA 和 Microsoft 正在为开发人员提供多种资源，以便他们在 Windows PC 上测试顶级生成式 AI 模型。 Hugging Face 上提供了 Dolly 2.0 大语言模型的 Olive 优化版本。 用于对话式 AI 的 NVIDIA NeMo 大型语言模型的 PC 优化版本即将在 Hugging Face 上推出。
开发人员还可以通过 NVIDIA AI 加速应用程序开发人员网站了解如何端到端优化其应用程序，以充分利用 GPU 加速。
Microsoft Windows 平台和 NVIDIA 动态 AI 硬件和软件堆栈背后的互补技术将帮助开发人员在 Windows 11 上快速轻松地开发和部署生成式 AI。
