硬件與應(yīng)用同頻共振，英特爾Day 0適配騰訊開源混元大模型

近日，騰訊正式發(fā)布新一代混元開源大語言模型。英特爾憑借在人工智能領(lǐng)域的全棧技術(shù)布局，現(xiàn)已在英特爾^? 酷睿? Ultra 平臺上完成針對該模型的第零日（Day 0）部署與性能優(yōu)化。值得一提的是， 依托于OpenVINO? 構(gòu)建的 AI 軟件平臺的可擴(kuò)展性，英特爾助力ISV生態(tài)伙伴率先實(shí)現(xiàn)應(yīng)用端Day 0 模型適配，大幅加速了新模型的落地進(jìn)程，彰顯了 “硬件 + 模型 + 生態(tài)” 協(xié)同的強(qiáng)大爆發(fā)力。

混元新模型登場：多維度突破，酷睿Ultra平臺Day 0適配

騰訊混元宣布開源四款小尺寸模型，參數(shù)分別為 0.5B、1.8B、4B、7B，消費(fèi)級顯卡即可運(yùn)行，適用于筆記本電腦、手機(jī)、智能座艙、智能家居等低功耗場景。新開源的4 個(gè)模型均屬于融合推理模型，具備推理速度快、性價(jià)比高的特點(diǎn)，用戶可根據(jù)使用場景靈活選擇模型思考模式——快思考模式提供簡潔、高效的輸出；而慢思考涉及解決復(fù)雜問題，具備更全面的推理步驟。

這些模型已在英特爾酷睿 Ultra 平臺實(shí)現(xiàn)全面適配，其在 CPU、GPU、NPU 三大 AI 運(yùn)算引擎上都展現(xiàn)了卓越的推理性能表現(xiàn)1。以酷睿 Ultra 2 代 iGPU 平臺為例，7B 參數(shù)量模型在 INT4 精度下，吞吐量達(dá) 20.93token/s；0.5B 小尺寸模型在 FP16 精度下吞吐量達(dá) 68.92token/s。值得一提的是，英特爾對新模型的 NPU 第零日支持已形成常態(tài)化能力，為不同參數(shù)量模型匹配精準(zhǔn)硬件方案，滿足從個(gè)人終端到邊緣設(shè)備的多樣化需求。

OpenVINO：新模型快速落地的 “關(guān)鍵引擎”

作為英特爾推出的開源深度學(xué)習(xí)工具套件，OpenVINO 以 “性能優(yōu)化 + 跨平臺部署” 為核心優(yōu)勢，可充分釋放英特爾硬件資源潛力，廣泛應(yīng)用于 AI PC、邊緣 AI 等場景。其核心價(jià)值在于能將深度學(xué)習(xí)模型的推理性能最大化，同時(shí)實(shí)現(xiàn)跨 CPU、GPU、NPU 等異構(gòu)硬件的無縫部署。

目前，OpenVINO已支持超過 900 個(gè)人工智能模型，涵蓋生成式 AI 領(lǐng)域主流模型結(jié)構(gòu)與算子庫。這樣的模型支持體系，使其能在新模型發(fā)布的Day 0，即完成英特爾硬件平臺的適配部署。此次混元模型的快速落地，正是 OpenVINO 技術(shù)實(shí)力的直接體現(xiàn) —— 通過其優(yōu)化能力，混元模型在酷睿 Ultra 平臺的性能得到充分釋放，為用戶帶來即發(fā)即用的 AI 體驗(yàn)。

生態(tài)共創(chuàng)：AI技術(shù)到應(yīng)用的 “最后一公里” 加速

生態(tài)合作是英特爾 AI 戰(zhàn)略的核心支柱，驅(qū)動人生作為其長期合作伙伴，專注于互聯(lián)網(wǎng)客戶端軟件研發(fā)及運(yùn)營，本著“以用戶為中心，以技術(shù)為根本，以開放為原則”的理念，長期致力于技術(shù)研發(fā)和技術(shù)創(chuàng)新，為用戶提供優(yōu)質(zhì)的服務(wù)。其 AIGC 助手軟件，實(shí)現(xiàn)本地部署，離線使用，支持文字輸入、語音轉(zhuǎn)譯，將大模型裝進(jìn)背包，可隨時(shí)隨地與它進(jìn)行智能對話，還能讓它幫忙解讀文檔，編撰方案。

該應(yīng)用采用 OpenVINO推理框架，借助其快速適配能力，在混元模型發(fā)布當(dāng)日即完成應(yīng)用層適配，成為首批支持新模型的應(yīng)用之一。

目前，驅(qū)動人生 AIGC 助手、英特爾AIPC應(yīng)用專區(qū)和多家OEM 應(yīng)用商店的 AI PC專區(qū)均已上線，搭載混元模型的新版本也將在近期推出，用戶可第一時(shí)間體驗(yàn)更智能的交互與服務(wù)。這種 “模型發(fā)布 - 硬件適配 - 應(yīng)用落地” 的全鏈條第零日響應(yīng)，正是英特爾生態(tài)協(xié)同能力的生動寫照。

AI 的發(fā)展離不開模型創(chuàng)新與軟硬件生態(tài)協(xié)同 —— 模型如同燃料，生態(tài)則是驅(qū)動前進(jìn)的引擎。英特爾通過硬件平臺、軟件工具與生態(tài)網(wǎng)絡(luò)的深度協(xié)同，實(shí)現(xiàn)對新模型的第零日適配，不僅加速了技術(shù)到應(yīng)用的轉(zhuǎn)化，更推動著整個(gè) AI 產(chǎn)業(yè)的高效創(chuàng)新。未來，英特爾將持續(xù)深化與合作伙伴的協(xié)同，讓 AI 創(chuàng)新更快走進(jìn)千行百業(yè)與大眾生活。

快速上手指南

第一步，環(huán)境準(zhǔn)備

通過以下命令可以搭建基于Python的模型部署環(huán)境。

 該示例在以下環(huán)境中已得到驗(yàn)證：

●   硬件環(huán)境:

o   Intel^? Core? Ultra 7 258V

§   iGPU Driver：32.0.101.6972

§   NPU Driver：32.0.100.4181

§   Memory:32GB

●   操作系統(tǒng)：

o   Windows 11 24H2 (26100.4061)

●   OpenVINO版本:

o   openvino 2025.2.0

o   openvino-genai 2025.2.0.0

o   openvino-tokenizers 2025.2.0.0

●   Transformers版本:

第二步，模型下載和轉(zhuǎn)換

在部署模型之前，我們首先需要將原始的PyTorch模型轉(zhuǎn)換為OpenVINOTM的IR靜態(tài)圖格式，并對其進(jìn)行壓縮，以實(shí)現(xiàn)更輕量化的部署和最佳的性能表現(xiàn)。通過Optimum提供的命令行工具optimum-cli，我們可以一鍵完成模型的格式轉(zhuǎn)換和權(quán)重量化任務(wù)：

開發(fā)者可以根據(jù)模型的輸出結(jié)果，調(diào)整其中的量化參數(shù)，包括：

●   --model： 為模型在HuggingFace上的model id，這里我們也提前下載原始模型，并將model id替換為原始模型的本地路徑，針對國內(nèi)開發(fā)者，推薦使用ModelScope魔搭社區(qū)作為原始模型的下載渠道，具體加載方式可以參考ModelScope官方指南。

●   --weight-format：量化精度，可以選擇fp32,fp16,int8,int4,int4_sym_g128,int4_asym_g128,int4_sym_g64,int4_asym_g64

●   --group-size：權(quán)重里共享量化參數(shù)的通道數(shù)量

●   --ratio：int4/int8權(quán)重比例，默認(rèn)為1.0，0.6表示60%的權(quán)重以int4表，40%以int8表示

●   --sym：是否開啟對稱量化

此外我們建議使用以下參數(shù)對運(yùn)行在NPU上的模型進(jìn)行量化，以達(dá)到性能和精度的平衡。

 這里的--backup-precision是指混合量化精度中，8bit參數(shù)的量化策略。

 第三步，模型部署

目前我們推薦是用openvino-genai來部署大語言以及生成式AI任務(wù)，它同時(shí)支持Python和C++兩種編程語言，安裝容量不到200MB，支持流式輸出以及多種采樣策略。

●   GenAI API部署示例

其中，'model_dir'為OpenVINOTM IR格式的模型文件夾路徑，'device'為模型部署設(shè)備，支持CPU,GPU以及NPU。此外，openvino-genai提供了chat模式的構(gòu)建方法，通過聲明pipe.start_chat()以及pipe.finish_chat()，多輪聊天中的歷史數(shù)據(jù)將被以kvcache的形態(tài)，在內(nèi)存中進(jìn)行管理，從而提升運(yùn)行效率。

開發(fā)者可以通過該該示例的中方法調(diào)整chat template，以關(guān)閉和開啟thinking模式，具體方式可以參考官方文檔（https://huggingface.co/tencent/Hunyuan-4B-Instruct）。由于目前OpenVINOTM Tokenizer還沒有完全支持Hunyuan-7B-Instruct模型默認(rèn)的chat template格式，因此我們需要手動替換原始的chat template，對其進(jìn)行簡化，具體方法如下：

chat模式輸出結(jié)果示例：