这帮大佬搞类似tensorflow 机器学习框架时，框架的底层通常由各种不同的编译器组建构成。比如上图中的图优化，各种中间compiler，和底层的各种运行时系统等等。每种组件单独解决某一类问题。
从框架整体的实现视角来看，这种零散的（由不同项目组合而成）形式是一种非常糟糕的实现😭。同时，框架的背后其实是编译器作为支撑，从编译器的实现视角来看🤗🤗：
- 这不同项目揉合而成的东东，算哪门子编译器呢！！！‼️
- 作为性能优化的底座，这框架背后各种组件各自为战，到后期一定会由于各种组件的局部最优带来项目整体的复杂度爆炸！😰
- 一个组件带来的问题，整体项目debug难度倍增，需要一个个排查是哪里出现的问题。没有一个统一的error传递手段啊这。。。🫡
- 如果有一个新的硬件出来，还得增加新的组件融合到框架里，这说明框架底座的设计实现出问题了啊。。。😈
- 对于4，正好llvm project解决过这个问题，通过抽象一层中间表示LLVMIR，统一了各自为战的轮子，有了整体的全局的优化。那我们这机器学习框架，现在面临的问题不就是当时llvm 项目面临的问题，几乎一摸一样的么！
所以，这帮以前搞llvm的大佬，面对工业界新的问题，开始了造轮子新征程。但是他们的这个动机是那么让人信服，那么的让人佩服，更关键的是他们就是搞llvm的啊，mlir进llvm岂不是顺理成章。。。
大型开源项目维护者和开创者的作用和影响力这就出来了，新轮子只要动机纯净干脆，解决痛点，很容器获得业界广泛拥护。。。。
ps： 编译器这种需求小众（没几家公司玩），而带来的就业面狭窄，业务通用性过低，抗风险能力差的岗位，如今也如雨后春笋般冒头。。。如果芯片热和国产替代过了这段时期，不知以后从业者路向何方？强行转行其他方向的性能优化？不知后事如何。
Comments NOTHING