挑战
MLIR 工作的开始是由于认识到现代机器学习框架由许多不同的编译器、图处理技术和运行时系统组成（如图一），但是他们不共享一个共同的基础设施，也没有都遵循编译器设计的最佳方式。这表现在很多用户可见的方面上。
人们认识到编译器行业有一个相似的问题：现有的系统，像LLVM很成功的把不同语言统一和集成起来，但是高级语言总是发明自己的IR，并为更高层次的抽象重新发明了很多相同的技术，与此同时，LLVM社区经常纠结于如何最好地表示并行结构，如何共享公共前端，但没有令人满意的答案。
我们负担不起改进N个编译器，所以想要构建一个更加通用的解决方案，
待续
转载请注明来源，欢迎对文章中的引用来源进行考证，欢迎指出任何有错误或不够清晰的表达。可以在下面评论区评论，也可以邮件至 1149440709@qq.com
