苹果、英伟达强强联手：LLM 推理加速利器 ReDrafter 开源，AI 性能提升 2.7 倍

　　苹果公司昨日(12 月 18 日)发布博文，宣布和英伟达(Nvidia)合作，通过开源 Recurrent Drafter(ReDrafter)推测解码方法，显著提升了 AI 大语言模型(LLM)的推理速度。

　　苹果公司表示 ReDrafter 已集成到 NVIDIA TensorRT-LLM 推理加速框架中，在 NVIDIA GPU 上，每秒生成 tokens 速度最高提升 2.7 倍，有效降低了用户延迟和计算成本。

　　苹果的机器学习研究人员指出，LLM 越来越多地用于驱动生产应用程序，提高推理效率对降低计算成本和用户延迟至关重要。

　　IT之家援引苹果官方博文，ReDrafter 使用 RNN 草稿模型，结合波束搜索(beam search)与动态树注意力(dynamic tree attention)，可以让开源模型每步生成最多 3.5 个 tokens，超越了先前推测性解码技术的性能。

　　为将 ReDrafter 应用于生产环境，苹果与 NVIDIA 展开合作，将其集成到 NVIDIA TensorRT-LLM 框架中。

　　英伟达为此添加了新的运算符并公开了现有运算符，增强了 TensorRT-LLM 对复杂模型和解码方法的适应性。

　　基准测试结果显示，在 NVIDIA GPU 上使用集成了 ReDrafter 的 TensorRT-LLM 框架，数百亿参数规模的生产模型的解码速度提升了 2.7 倍。这不仅降低了用户体验延迟，还减少了 GPU 使用数量和功耗。