團體標準《人工智能算子接口第3部分:機器學(xué)習(xí)類》

（送審稿）編制說明

一、工作簡況

1.1任務(wù)來源

根據(jù)新一代人工智能產(chǎn)業(yè)技術(shù)創(chuàng)新戰(zhàn)略聯(lián)盟與中關(guān)村視聽產(chǎn)業(yè)技術(shù)創(chuàng)新聯(lián)

盟聯(lián)合下達的2023年第一批團體標準立項的通知（2023年第1號），《人工智

能算子接口第3部分：機器學(xué)習(xí)類算子》（項目號：2023011204）立項。技

術(shù)歸口單位為中關(guān)村視聽產(chǎn)業(yè)技術(shù)創(chuàng)新聯(lián)盟。

1.2起草單位

本標準的主要起草單位包括北京大學(xué)、北京大學(xué)長沙計算與數(shù)字經(jīng)濟研究

院、鵬城實驗室、中國科學(xué)院軟件研究所、深圳市海思半導(dǎo)體有限公司、北京百

度網(wǎng)訊科技有限公司。

1.3編制過程

《人工智能算子接口第3部分：機器學(xué)習(xí)類》的正式制定起始于2017年12

月舉行的新一代人工智能產(chǎn)業(yè)技術(shù)創(chuàng)新戰(zhàn)略聯(lián)盟AI標準工作組第一次會議，會上

討論了“高性能擴展數(shù)學(xué)庫接口規(guī)范”，會議認為面向AI領(lǐng)域的高性能基礎(chǔ)庫開

發(fā)接口標準的制定是一項緊急的重要工作。

2018年3月，聯(lián)盟第二次會議上，成立了專題組，啟動標準研制工作，確定

了標準涉及的基本范疇。

2018年6月，中科院計算所、北大舉行了專題組研討會，匯總了指令集、開

發(fā)接口的相關(guān)國際進展，收集、聚焦了若干待解決的問題，明確了下一步工作計

劃。

2018年8月，聯(lián)盟第四次會議上，來自北大、寒武紀、中科院軟件所、武大、

北交大、海思、訊飛、三星通信等單位討論了AI開發(fā)接口數(shù)據(jù)類型專家推薦稿并

輸出了AIN1059《AI開發(fā)接口提案征集書》。

2020年3月，聯(lián)盟第十次會議上，來自北京大學(xué)、中國科學(xué)院軟件研究所、

鵬城實驗室等單位討論了《AI開發(fā)接口標準-機器學(xué)習(xí)提案》，會議共添加了K-

最近鄰算法（KNN）與支持向量機算法（SVM）兩個子類共13個函數(shù)接口。

2020年8月，聯(lián)盟第十二次會議上，北京大學(xué)、鵬城實驗室、中國科學(xué)院軟

件研究所三單位聯(lián)合提出提案《AI開發(fā)接口標準-機器學(xué)習(xí)操作提案》，該提案

基于核心張量數(shù)據(jù)類型，針對機器學(xué)習(xí)模塊，提出了K-最近鄰算法（KNN）、支

持向量機算法（SVM）、線性回歸、邏輯回歸、模型評估共五個子類共25個函數(shù)

接口。

2021年3月，在聯(lián)盟第十四次會議上，北京大學(xué)、中國科學(xué)院軟件研究圻、

鵬城實驗室三單位聯(lián)合提出《AI開發(fā)接口標準-機器學(xué)習(xí)操作提案》，該提案基

于核心張量數(shù)據(jù)類型，針對機器學(xué)習(xí)模塊，提出了共五個子類共25個函數(shù)接口。

2021年6月，在聯(lián)盟第十五次會議上，北京大學(xué)、中國科學(xué)院軟件研究所、

鵬城實驗室三單位聯(lián)合提出《AI開發(fā)接口標準-機器學(xué)習(xí)操作提案》，該提案基

于核心張量數(shù)據(jù)類型，針對機器學(xué)習(xí)模塊，提出了共六個子類共24個函數(shù)接口。

2021年12月，在聯(lián)盟第十七次會議上，北京大學(xué)、鵬城實驗室聯(lián)合提出《人

工智能算子接口標準-第3部分：機器學(xué)習(xí)操作》WD-接口新增提案，該提案基于

核心張量數(shù)據(jù)類型，針對機器學(xué)習(xí)模塊中的各個模型，增加模型的保存和加載操

作接口。共提出34個函數(shù)接口。

2022年6月，在聯(lián)盟第十九次會議上，北京大學(xué)、鵬城實驗室聯(lián)合提出《人

工智能算子接口標準》第3部分WD修改提案，該提案針對《AIN1348人工智能算

子接口標準-第3部分：機器學(xué)習(xí)操作》TD-vl.O進行少量內(nèi)容和格式修改。

2023年5月，在聯(lián)盟第二十三次會議上，北京大學(xué)、鵬城實驗室聯(lián)合提出《人

工智能算子接口標準》第3部分補充提案，該提案針對《人工智能算子接口標

準-第3部分：機器學(xué)習(xí)類》增加高斯混合模型和K均值聚類算法兩大類共12個接

口。

2024年6月，經(jīng)工咋組討論決定上報新一代人工智能產(chǎn)業(yè)技術(shù)創(chuàng)新戰(zhàn)略我盟

正式征求意見。

主要起草人楊超帶頭標準制定工作、提出了技術(shù)提案、參與了參考軟件開發(fā)

并負責了標準文本編輯工作；主要起草人熬玉龍、黎子毅、李雨芮、李克森、范

睿博、段煉、勾海鵬、張軍、劉益群、洪明、胡曉光、李笑如、樊春、馬銀萍、

楊宏輝、李若淼、付振新，提出了技術(shù)提案、參與了標準制定過程中的討論、參

考軟件開發(fā)和標準文本審閱修訂；主要起草人趙海英參與了標準需求討論及部分

技術(shù)討論、在標準制定過程中給出了指導(dǎo)意見。

二、標準編制原則和確定主要內(nèi)容的論據(jù)及解決的主要問題

2.1編制原則

本標準的編制遵循以下原則：

1）科學(xué)適用原則：《人工智能算子接口第3部分：機器學(xué)習(xí)類》的制定充

分考慮了國內(nèi)高校、科研機構(gòu)以及AT框架廠商和硬件廠商實際情況，清晰地給出

了標準的適用范圍和技術(shù)內(nèi)容。標準只規(guī)范了接口相關(guān)技術(shù)內(nèi)容，不限制軟硬件

的實現(xiàn)方式，與框架和硬件解耦，給予接口實現(xiàn)者較大的優(yōu)化空間和創(chuàng)新空間，

科學(xué)適用性強.

2）協(xié)調(diào)性原則：標準的起草由國內(nèi)知名高校、科研機構(gòu)以及人工智能和信

息技術(shù)領(lǐng)域有關(guān)企業(yè)等利益相關(guān)方共同編制而成，起草過程中做到了共商共議、

協(xié)商一致，確保了標準的制定具有廣泛的代表性，能夠綜合考慮不同領(lǐng)域的需求

和技術(shù)特點。

3）通用性原則：標準應(yīng)適用于多種不同的應(yīng)用和系統(tǒng)，而不僅限于特定的

平臺或框架。這有助于提高算子接口的互操作性和復(fù)用性。

4）可擴展性/可持續(xù)性原則：隨著技術(shù)的發(fā)展，算子接口可能會有新的需求

和應(yīng)用場景。因此，標準在內(nèi)容上列出了常用算子接口，并在此基礎(chǔ)上提煉出算

子接口最小集，融合了標準的規(guī)范性和指導(dǎo)性雙重屬性，并為后續(xù)接口擴展和技

術(shù)內(nèi)容更迭留有充分的制標空間，應(yīng)具有一定的前瞻性和靈活性，能夠適應(yīng)未來

的變化和需求。

5）規(guī)范性原則：標準的編寫遵守國家標準GB/T1.1-2020《標準化工作導(dǎo)

則第1部分：標準化文件的結(jié)構(gòu)和起草規(guī)則》。

2.2主要內(nèi)容及解決的問題

《人工智能算子接口第3部分：機器學(xué)習(xí)類》是國內(nèi)知名高校、科研機構(gòu)

和全球人工智能及信息技術(shù)領(lǐng)域有影響力的企業(yè)共同編制而成。起草組廣泛征集

了AI框架廠商和芯片提供商的技術(shù)與應(yīng)用需求，確定了機器學(xué)習(xí)類算子接口共計

14個子類62個接口，內(nèi)容包括K-最近鄰算法(KNN)、支持向量機算法(SVM)、

線性回歸算法、邏輯叵歸算法、模型評估、主成分分析、線性判別分析、高斯樸

素貝葉斯、決策樹分類模型(DTClassifier)、決策樹回歸模型(DTRegressor)、

隨機森林分類模型(RFClassifier)、隨機森林回歸模型(RFRegressor)、自適

應(yīng)提升分類模型(AdaBoostClassifier)＞自適應(yīng)提升回歸模型(AdaBoost

Regressor)等接口，主要給出了接口的功能，輸入輸出參數(shù)列表，參數(shù)可選/

必選，接口返回值，C語言參考定義等內(nèi)容，適用于常用AI算法中的大部分機器

學(xué)習(xí)操作。

本標準的研制對于解決人工智能底層標準缺失、人工智能軟硬件兼容性突

出、算法部署應(yīng)用硬件體積功耗受限及適配成本高等問題具有一定貢獻。

三、主要試驗［或醛證］情況分析

本文件主要針對人T智能機器學(xué)習(xí)類算子接口相關(guān)功能、參數(shù)、返回值、C

語言參考定義等方面做出約定或給出參考，屬于人工智能算子接口系列標準的第

3部分。該系列標準包含4個部分，其中前三個部分為算子接口類別標準，第四部

分為接口自動化測試框架。自動化測試框架提供AI算子自動化測試驗證功能。AI

算子測試具有相同或相似的邏輯和流程，即“創(chuàng)建張量”、“執(zhí)行算子”和“對

比結(jié)果”。對于機器學(xué)習(xí)類算子而言，算子測試代碼的不同之處主要在于數(shù)據(jù)結(jié)

構(gòu)(如DataType、Device和Tensor等)和函數(shù)名,因為數(shù)據(jù)結(jié)構(gòu)和函數(shù)名均為用

戶自定義的。目前，百度已經(jīng)完成了機器學(xué)習(xí)類算子接口的自動化測試驗證，并

拿到了第三方檢測機構(gòu)的測試報告，算子的輸出參數(shù)、返回值等結(jié)果符合預(yù)期。

四、知識產(chǎn)權(quán)情況說明

本文件不涉及專利等知識產(chǎn)權(quán)內(nèi)容。

五、產(chǎn)業(yè)化情況、推廣應(yīng)用論證和預(yù)期達到的經(jīng)濟效果

《人工智能算了接口第3部分：機器學(xué)習(xí)類》標準的研制，得到了科技部

的支持，在分委會通過立項審查后，完成標準制定工作。在標準制定過程中，起

草組充分考慮了國內(nèi)廠商實際情況，綜合了百度PaddlePaddle、華為MindSpore

等AI框架軟件廠商和深圳市海思半導(dǎo)體有限公司的技術(shù)提案，這些國內(nèi)廠商對標

準的制定和實施做出了積極貢獻。北京大學(xué)、北京大學(xué)長沙計算與數(shù)字經(jīng)濟研究

院、鵬城實驗室、中國科學(xué)院軟件研究所等科研學(xué)術(shù)單位，在學(xué)術(shù)研究、技術(shù)提

案貢獻、會議組織討論、草案更新、材料編制等工作中給予了大力度支持。

《人工智能算子接口第3部分：機器學(xué)習(xí)類》標準的制定有助于聯(lián)通人工

智能產(chǎn)業(yè)底層硬件與上層AI框架開發(fā)平臺，有效破解AI軟件碎片化、硬件多樣化、

軟硬件適配難等行業(yè)難題，促進AI軟硬件解耦，為構(gòu)建我國新一代人工智能軟硬

件技術(shù)體系，促進人工智能產(chǎn)業(yè)的良性發(fā)展貢獻根極力量。

六、采用國際標準和國外先進標準情況

本部分未采用對應(yīng)國際標準，而是采用自主制定的技術(shù)路線。

七、與現(xiàn)行相關(guān)法律、法規(guī)、規(guī)章及相關(guān)標準的協(xié)調(diào)性

符合我國有關(guān)的現(xiàn)行法律、法規(guī)。

八、重大分歧意見的處理經(jīng)過和依據(jù)

無C

九、標準性質(zhì)的建議

建議發(fā)布為推薦性標準。

十、貫徹標準的要求和措施建議

應(yīng)通過各類國家級科技計劃和產(chǎn)業(yè)化項目資助，大力開展基于《人工智能算

子接口第3部分：機器學(xué)習(xí)類》標準的AI芯片通用算子庫和AI框架等產(chǎn)品的開發(fā)

設(shè)計，扶持算子接口標準產(chǎn)業(yè)鏈的形成。

十一、替代或廢止現(xiàn)行相關(guān)標準的