NVIDIA 軟件生態系統的一大顯著優勢，在于其始終堅持持續優化。今年 8 月，NVIDIA Jetson AGX Thor正式開售，與上一代產品Jetson AGX Orin相比，生成式 AI 性能最高提升至 5 倍。通過發布后的軟件更新優化，Jetson Thor 的生成式 AI 吞吐量提升至 7 倍。開發者可以在 Llama、DeepSeek 等模型上體驗到性能的提升，未來推出的新模型預計也能帶來類似的優勢。除了持續優化軟件外，NVIDIA 還會為主流模型提供支持，并且往往能在新模型發布后的幾天內完成適配，以便開發者能夠盡早嘗試和測試最新的 AI 模型。

Jetson Thor 平臺還支持多種主流量化格式，包括 NVIDIA Blackwell GPU 架構的新 NVFP4 格式，有助于進一步優化推理性能。該平臺同時支持推測解碼等新技術，為在邊緣端加速生成式 AI 工作負載提供了新的途徑。

本文將介紹 NVIDIA 如何通過持續優化其 Jetson 平臺的軟件生態系統，提升生成式 AI 的性能，并說明了實現這些性能提升的關鍵技術，如量化和預測性解碼。

持續性軟件優化：隨著近期 vLLM 容器的發布，Jetson Thor 在相同模型和量化配置的情況下，性能相比 8 月底首發時提升了最高達 3.5 倍。Jetson Thor 現已支持在 vLLM 容器中運行 Eagle 3 預測性解碼，進一步提升了生成式 AI 模型的性能。

借助 Jetson Thor 提升生成式 AI 性能：Jetson Thor 在邊緣端生成式 AI 應用中表現出強大的性能，但要充分發揮其潛力，必須采用合適的技術方案。量化與預測解碼兩種關鍵技術能夠顯著加速大語言模型（LLM）和視覺語言模型（VLM）的推理過程。

量化：減小模型體積，提升推理速度。量化的核心在于降低包括權重和激活值等模型數據的數值精度。通常，會將標準的 16 位格式，如 FP16 或 BF16，轉換為 8 位或 4 位等更低位的格式，這會帶來兩大優勢：更小的顯存占用和更快的內存訪問速度。

預測解碼：通過草稿驗證解碼方法提升推理速度。該技術通過結合兩個模型來加速推理過程：一個快速的小型“草稿”模型和一個高精度的大型“目標”模型。該“起草和驗證”過程在每個周期內生成多個 token，同時確保最終輸出與目標模型獨立生成的結果保持一致。其效能核心取決于接受率。接受率過低會顯著增加延遲，而接受率過高則可能導致計算資源消耗上升，因此使用能夠反映實際工作負載的提示進行基準測試尤為關鍵。