4818
BLAS的全称是Basic Linear Algebra Subprograms，中文可以叫做基础线性代数子程序。它定义了一组应用程序接口（API）标准，如向量之间的乘法、矩阵之间的乘法等，是数值计算软件必须具备的核心库之一。BLAS也可以被称为高性能计算、仿真、数据处理、人工智能的基石（当之无愧的根技术），它的效率直接关系着计算的成本。
在科学计算领域，为了论述开源和闭源的各自优势，将以对比Intel的MKL库和OpenBLAS开源库为例。顺便提一句，包含BLAS库还有acml，acl，EIGEN，Atlas等等。
* Intel的MKL库，针对自家特定的CPU平台进行针对性的优化加速的数学核心库，其中包括了BLAS计算库，其他还有LAPACK、DFTs、VML、VSL等。
* OpenBLAS库，是一个基于GotoBLAS2 1.13 BSD许可（开源）发行的优化BLAS计算库，由张先轶于2011年7月20日发起，并获得2016CCF科学技术奖。
一、Intel MKL的小算盘，免费但不开源
Intel MKL对于自家的每一代处理器都预先做了深度优化，还顺便和OpenBLAS对比跑个分（实际通常是抢跑）。既然是x86指令集，AMD、海光处理器都可以拿去作为其芯片SDK的基础软件，许多软件也集成MKL库。但问题来了：
Intel MKL库运行在自家的芯片上性能确实不错，但在别家芯片上就不一定了（例如AMD）。这和即使同样是x86指令集的处理器，但处理器架构设计各有差异化有关，MKL不会傻到帮敌人去针对性优化。有个阴谋论是：MKL“帮助”其他芯片负优化，作者没有考证，懂的同学给说一下哈。
Intel MKL库只能运行在x86体系上。尤其是在当下，因为异构计算的兴起，如果你的软件或算法希望可以在ARM、RISC-V，GPU，DSA架构上运行，靠MKL就没戏了。MKL要是源代码公开，适配其他芯片平台难度就低许多了，不好意思，MKL库不开源。所以NVIDIA有了自己的cuBLAS，当然同样的道理，cuBLAS也是不开源的，你家的GPU怎么办呢？
Intel MKL库不开源，如果你想针对性优化你的软件和硬件的适配，这将非常困难。这个问题非常普遍，无论是深度学习算法、数据库、数值计算软件等，如果你还对性能和稳定性有些追求，就一定会遇到。
二、OpenBLAS的优势，开源且性能还不错
开源的优势。用户可以自行使用、裁剪和针对自己的算法针对性优化。
可以编译后运行在各种操作系统，并支持几乎市面所有主流处理器芯片。OpenBLAS可以在Windows，Android，iOS，Linux 和Mac OS等平台上运行，与各类硬件进行了优化适配x86_64, PowerPC, ARMV7, ARMV8, MIPS32, RISC-V，龙芯3A等硬件平台。还支持为GPU、NPU定制OpenBLAS。
如果你需要获得支持，可以通过社区交流，也可以直接联系到张先轶博士。OpenBLAS应该也非常希望中国的开发者加入进去，这种基础软件的迭代依然永无止境。
三、向西还是向东？
MATLAB默认的底层数学库就是MKL，MATLAB的开源竞争对手octave，采用的是OpenBLAS。
Intel视MKL为其核心基础软件，NVIDIA视其CUDA为其核心竞争力（包含cuBLAS，cuFFT，cuDNN， cuSPARSE等)。而我国却鲜有人知，原因是什么呢？
结束语
我听说上一篇文章《嘴痒，说一下“首款国产科学计算软件研发成功”》引发了一些讨论，但讨论的标的却一度偏离了，如你所愿，本文将继续附带上该文。
下载ECAD模型
