MLIR

简介

MLIR(Multi-Level Intermediate Representation)是 LLVM 项目旗下的编译器基础设施,由 Chris Lattner 团队在谷歌发起并于 2019 年开源,旨在解决「每个深度学习框架与领域编译器都重复发明 IR」的碎片化问题。

核心思想

传统编译器只有一层固定 IR,而 MLIR 提供构建 IR 的元框架:操作、类型、属性均可通过「方言」(dialect)扩展,不同抽象层次的方言(如张量代数、仿射循环、GPU、LLVM IR)共存于同一表示中,通过渐进式降级(progressive lowering)逐层变换,通用的 pass 框架、模式重写与验证设施可跨方言复用。

应用

是 AI 编译器事实上的公共底座:TensorFlow/XLA 系、PyTorch 的 Torch-MLIR、ONNX-MLIR、IREE 等均基于其构建;硬件厂商用它开发面向自研加速器的编译器;Flang(Fortran)与 CIRCT(硬件设计)证明其超出机器学习的通用性。

意义

MLIR 把「造一个领域编译器」的成本大幅降低,是近年编译器基础设施最重要的演进之一。