5月2日，由包括百度、谷歌、斯坦福大学、哈佛大学在内的多家企业和高校联合发布了一套用于测量和提高机器学习软硬件性能的国际基准MLPerf。其巨大的学术和产业价值获业界肯定，被认为不仅将加速推进机器学习硬件+软件相关技术创新，更将对整个AI领域的研发思路、投资布局带来长期影响。
图灵奖得主David Patterson (左一)与来自斯坦福、谷歌、百度 (Greg
Diamos)、哈佛的代表在5月2日召开的纽约AI大会上宣布MLPerf
近几年AI在全球范围内备受关注，机器学习呈现爆发性发展，软硬件系统也需要快速发展演变以满足其要求。随着研究人员不断推出用来处理机器学习任务的硬件设备和软件框架，业界对新一代基准的需求应运而生。
此次发布的MLPerf基准将主要用来测量训练不同深度神经网络所需要的时间，这些神经网络所执行的任务包括物体识别、语言翻译以及经典的下围棋等。基准所统计的相关数据将为AI基础研究和行业应用提供重要参考，例如帮助算法工程师优化模型，协助硬件厂商提高产品性能等，从而促进AI的长期突破和创新。作为MLPerf基准的发起方之一，百度公司副总裁王海峰也评论称大型公司也可以凭借该基准来优化资源配置。“AI正在赋能百度的一系列产品和服务。MLperf这样的基准使我们能够对不同平台进行比较，从而做出更好的技术选择。”
MLPerf 目前已获包括AMD、英特尔、微软、SambaNova、Wave
Computing、加州大学伯克利分校、多伦多大学、明尼苏达大学等多家企业和高等院校的联合支持与参与。
关于MLPerf对人工智能产业的历史价值，业界将其与SPEC(The Standard Performance Evaluation
Corporation)标准性能评测机构进行类比。SPEC是国际上对系统应用性能进行标准评测的权威组织，旨在确立、修改以及认定一系列服务器应用性能评估的标准，于1988年由全球几十所知名大学、研究机构、IT企业共同成立，其测试标准被全球用户广泛认可。数据显示，SPEC推出后15年里，CPU性能以每年1.6倍的速度提高，对传统IT业产生了巨大的推动作用。
《计算机体系结构：量化研究方法》一书作者，新晋图灵奖得主David
Patterson就MLPerf的发布评论称：“良好的基准测试能让研究人员迅速比较不同思路，降低创新难度。通过调整研发工作、引导投资决策，MLPerf对于全球范围内机器学习技术进步和整个AI领域的创新意义深远。”
因为机器学习是一个迅速发展的领域，MLPerf将根据用户反馈迅速迭代。“MLPerf是一个关键的基准，它展示了我们的数据流处理器技术是如何让机器学习工作负载性能达到最优的。”AI初创公司Wave
Computing的首席技术官Chris Nicol这样评价。
