OpenBLAS的目標(biāo)是做全球最好的矩陣計算庫

BLAS的全稱是Basic Linear Algebra Subprograms，中文可以叫做基礎(chǔ)線性代數(shù)子程序。它定義了一組應(yīng)用程序接口（API）標(biāo)準(zhǔn)，如向量之間的乘法、矩陣之間的乘法等，是數(shù)值計算軟件必須具備的核心庫之一。BLAS也可以被稱為高性能計算、仿真、數(shù)據(jù)處理、人工智能的基石（當(dāng)之無愧的根技術(shù)），它的效率直接關(guān)系著計算的成本。

在科學(xué)計算領(lǐng)域，為了論述開源和閉源的各自優(yōu)勢，將以對比Intel的MKL庫和OpenBLAS開源庫為例。順便提一句，包含BLAS庫還有acml，acl，EIGEN，Atlas等等。

* Intel的MKL庫，針對自家特定的CPU平臺進(jìn)行針對性的優(yōu)化加速的數(shù)學(xué)核心庫，其中包括了BLAS計算庫，其他還有LAPACK、DFTs、VML、VSL等。

* OpenBLAS庫，是一個基于GotoBLAS2 1.13 BSD許可（開源）發(fā)行的優(yōu)化BLAS計算庫，由張先軼于2011年7月20日發(fā)起，并獲得2016CCF科學(xué)技術(shù)獎。

一、Intel?MKL的小算盤，免費(fèi)但不開源

Intel MKL對于自家的每一代處理器都預(yù)先做了深度優(yōu)化，還順便和OpenBLAS對比跑個分（實(shí)際通常是搶跑）。既然是x86指令集，AMD、海光處理器都可以拿去作為其芯片SDK的基礎(chǔ)軟件，許多軟件也集成MKL庫。但問題來了：

Intel MKL庫運(yùn)行在自家的芯片上性能確實(shí)不錯，但在別家芯片上就不一定了（例如AMD）。這和即使同樣是x86指令集的處理器，但處理器架構(gòu)設(shè)計各有差異化有關(guān)，MKL不會傻到幫敵人去針對性優(yōu)化。有個陰謀論是：MKL“幫助”其他芯片負(fù)優(yōu)化，作者沒有考證，懂的同學(xué)給說一下哈。

Intel MKL庫只能運(yùn)行在x86體系上。尤其是在當(dāng)下，因?yàn)楫悩?gòu)計算的興起，如果你的軟件或算法希望可以在ARM、RISC-V，GPU，DSA架構(gòu)上運(yùn)行，靠MKL就沒戲了。MKL要是源代碼公開，適配其他芯片平臺難度就低許多了，不好意思，MKL庫不開源。所以NVIDIA有了自己的cuBLAS，當(dāng)然同樣的道理，cuBLAS也是不開源的，你家的GPU怎么辦呢？

Intel?MKL庫不開源，如果你想針對性優(yōu)化你的軟件和硬件的適配，這將非常困難。這個問題非常普遍，無論是深度學(xué)習(xí)算法、數(shù)據(jù)庫、數(shù)值計算軟件等，如果你還對性能和穩(wěn)定性有些追求，就一定會遇到。

二、OpenBLAS的優(yōu)勢，開源且性能還不錯

開源的優(yōu)勢。用戶可以自行使用、裁剪和針對自己的算法針對性優(yōu)化。

可以編譯后運(yùn)行在各種操作系統(tǒng)，并支持幾乎市面所有主流處理器芯片。OpenBLAS可以在Windows，Android，iOS，Linux 和Mac OS等平臺上運(yùn)行，與各類硬件進(jìn)行了優(yōu)化適配x86_64, PowerPC, ARMV7, ARMV8, MIPS32, RISC-V，龍芯3A等硬件平臺。還支持為GPU、NPU定制OpenBLAS。

如果你需要獲得支持，可以通過社區(qū)交流，也可以直接聯(lián)系到張先軼博士。OpenBLAS應(yīng)該也非常希望中國的開發(fā)者加入進(jìn)去，這種基礎(chǔ)軟件的迭代依然永無止境。

三、向西還是向東？

MATLAB默認(rèn)的底層數(shù)學(xué)庫就是MKL，MATLAB的開源競爭對手octave，采用的是OpenBLAS。

Intel視MKL為其核心基礎(chǔ)軟件，NVIDIA視其CUDA為其核心競爭力（包含cuBLAS，cuFFT，cuDNN， cuSPARSE等)。而我國卻鮮有人知，原因是什么呢？

結(jié)束語

我聽說上一篇文章《嘴癢，說一下“首款國產(chǎn)科學(xué)計算軟件研發(fā)成功”》引發(fā)了一些討論，但討論的標(biāo)的卻一度偏離了，如你所愿，本文將繼續(xù)附帶上該文。