致力于谷歌TensorFlow机器学习框架的工程师们已经发现了一个子项目MLIR，它旨在成为机器学习框架的通用中间语言。

MLIR是Multi-Level Intermediate Representation的缩写，它允许将使用TensorFlow和其他机器学习库的项目编译为更有效的代码，从而最大限度地利用底层硬件。更重要的是，MLIR可以及时被编译器使用，将其优化优势扩展到机器学习项目之外。

MLIR不是像C ++或Python这样的语言。它代表了这些高级语言和机器代码之间的中间编译步骤。编译器框架LLVM使用自己的中间表示或IR。LLVM的创始人之一Chris Lattner是MLIR的共同创始人。将MLIR作为LLVM共同项目可以成为推广其采用的一种方式。

在 本月早些时候举行的EuroLLVM会议的幻灯片演示中，Lattner和其他Googler Tatiana Shpeisman解释了TensorFlow如何在内部产生多个IR，但这些不同的IR不会互相受益。MLIR为所有TensorFlow子系统提供单一的标准IR。TensorFlow目前正在迁移以在内部使用MLIR。

MLIR可能提供的另一个好处是并行编译。MLIR旨在允许编译器并行处理不同的代码段，从而允许机器学习模型和其他类型的应用程序更快地推向生产。

MLIR可以为机器学习之外的语言和框架提供其他好处。例如，像Swift和Rust这样基于LLVM的语言必须开发自己的内部IR，因为这些语言中使用的许多优化都无法在LLVM中表达。MLIR可以提供表达这些优化的标准方法，这些优化又可以重复用于其他语言。