目前，著名AI模型开源平台Hugging Face上有超过320，000个大模型，并且每天保持高速增长。据统计只有大约6，000个模型支持ONNX格式，但微软表示，实际上有超过130，000个模型支持该格式。

而ONNX格式模型可以通过微软的ONNX Runtime优化性能、节省算力、增强训练/推理能力，例如，通过ONNX Runtime加速语音识别模型whisper的推理能力，比PyTorch高74.30%，大幅度提升了模型的响应效率。

微软已与Hugging Face达成深度技术合作，扩大了ONNX Runtime的支持范围，支持90多种架构的大模型，包括Llama、（类ChatGPT大语言模型）、Stable-Diffusion(扩散模型)、BERT、T5、RoBERTa等，当下最流行的11种大模型。

ONNX格式开源模型:https://huggingface.co/models?library=onnx&sort=trending

详细了解、使用ONNX Runtime:https://onnxruntime.ai/

ONNX Runtime开源地址:https://github.com/microsoft/onnxruntimeONNX英文全称是Open Neural Network Exchange，中文译为“开放神经网络交换”，是一种用于表示机器学习模型的开放标准文件格式，可在不同的深度学习框架之间实现互操作性。

该格式由微软、Facebook等科技巨头共同开发而成，旨在简化人工智能模型的开发和部署过程。ONNX支持多种深度学习框架，例如，PyTorch、TensorFlow、Caffe2、MXNet等。

这使得开发人员可以在一个框架中训练模型，然后将其转换为ONNX格式，并在另一个框架中进行部署和推理。

此外，ONNX模型的移植性非常强，可以在各种硬件平台（如CPU、GPU、FPGA和边缘设备）上运行，实现广泛的部署灵活性。

这意味着在部署过程中，开发人员不再受限于特定的硬件或软件环境。

ONNX Runtime推理平台介绍

ONNX Runtime是微软开源的一款高性能的跨平台库，主要用于运行和加速ONNX格式的机器学习模型。目前，Adobe、AMD、英特尔、英伟达、甲骨文等世界顶级公司，通过该平台加速AI模型的开发效率。

ONNX Runtime的特色功能包括支持多种模型架构、框架兼容性、跨平台支持、性能优化等。

支持多种模型架构:支持各种类型的模型，例如，计算机视觉、自然语言处理、语音识别、机器学习等领域的模型，使得在处理各种任务时具有高度的灵活性。

框架兼容性:ONNX Runtime支持多种深度学习框架导出的ONNX模型，如PyTorch，TensorFlow，scikit-learn和Apache MXNet，大大简化了模型部署过程，并提高了模型的可移植性。

跨平台支持:可在多个操作系统例如Windows、macOS、Linux和云，移动设备和IoT设备上运行，实现广泛的部署灵活性。

性能优化:ONNX Runtime专门针对不同的硬件平台如CPU、GPU和边缘设备进行了性能优化，从而实现高效的模型推理。支持各种硬件加速器，例如，NVIDIA TensorRT、Intel的OpenVINO和DirectML。

微软表示，在Hugging Face开源平台上还有10万个模型不支持ONNX格式，鼓励更多的技术研究机构、开源项目加入到ONNX社区，以通过ONNX Runtime增强开发效率。