5月2日，由包括百度、谷歌、斯坦福大學、哈佛大學在內的多家企業和高校聯合發布了一套用于測量和提高機器學習軟硬件性能的國際基準MLPerf。其巨大的學術和產業價值獲業界肯定，被認為不僅將加速推進機器學習硬件+軟件相關技術創新，更將對整個AI領域的研發思路、投資布局帶來長期影響。

　　圖靈獎得主David Patterson (左一)與來自斯坦福、谷歌、百度 (Greg
Diamos)、哈佛的代表在5月2日召開的紐約AI大會上宣布MLPerf

　　近幾年AI在全球范圍內備受關注，機器學習呈現爆發性發展，軟硬件系統也需要快速發展演變以滿足其要求。隨著研究人員不斷推出用來處理機器學習任務的硬件設備和軟件框架，業界對新一代基準的需求應運而生。

　　此次發布的MLPerf基準將主要用來測量訓練不同深度神經網絡所需要的時間，這些神經網絡所執行的任務包括物體識別、語言翻譯以及經典的下圍棋等。基準所統計的相關數據將為AI基礎研究和行業應用提供重要參考，例如幫助算法工程師優化模型，協助硬件廠商提高產品性能等，從而促進AI的長期突破和創新。作為MLPerf基準的發起方之一，百度公司副總裁王海峰也評論稱大型公司也可以憑借該基準來優化資源配置。“AI正在賦能百度的一系列產品和服務。MLperf這樣的基準使我們能夠對不同平臺進行比較，從而做出更好的技術選擇。”

　　MLPerf 目前已獲包括AMD、英特爾、微軟、SambaNova、Wave
Computing、加州大學伯克利分校、多倫多大學、明尼蘇達大學等多家企業和高等院校的聯合支持與參與。

　　關于MLPerf對人工智能產業的歷史價值，業界將其與SPEC(The Standard Performance Evaluation
Corporation)標準性能評測機構進行類比。SPEC是國際上對系統應用性能進行標準評測的權威組織，旨在確立、修改以及認定一系列服務器應用性能評估的標準，于1988年由全球幾十所知名大學、研究機構、IT企業共同成立，其測試標準被全球用戶廣泛認可。數據顯示，SPEC推出后15年里，CPU性能以每年1.6倍的速度提高，對傳統IT業產生了巨大的推動作用。

　　《計算機體系結構：量化研究方法》一書作者，新晉圖靈獎得主David
Patterson就MLPerf的發布評論稱：“良好的基準測試能讓研究人員迅速比較不同思路，降低創新難度。通過調整研發工作、引導投資決策，MLPerf對于全球范圍內機器學習技術進步和整個AI領域的創新意義深遠。”

　　因為機器學習是一個迅速發展的領域，MLPerf將根據用戶反饋迅速迭代。“MLPerf是一個關鍵的基準，它展示了我們的數據流處理器技術是如何讓機器學習工作負載性能達到最優的。”AI初創公司Wave
Computing的首席技術官Chris Nicol這樣評價。