国家标准计划《人工智能 面向机器学习的系统规范》由 TC28（全国信息技术标准化技术委员会）归口 ，主管部门为国家标准委。

主要起草单位 中国电子技术标准化研究院 、华为技术有限公司 。

随着摩尔定律的逐步失效，以异构计算方式提升应用的计算效能成为产业共识。

AI上层应用对运算性能、数据处理规模等需求不断增长，传统的计算架构及资源提供方式难以满足。

为满足应用对面向机器学习的系统的需求，有必要对系统整体和各组件的技术要求（包括功能、可靠性、兼容性、安全性、可扩展性、维护性、易用性等）进行规定并给出测试方法。

国内外已研制出各种异构加速单元，如何集成、利用、纳管这些异构资源，并在此基础上运行机器学习计算框架、进行模型开发和部署，满足应用对资源及算力不断提升的需求，成为产业对标准的迫切需求。

机器学习技术是开源主导，如Tensorflow ，Apache MXNet, Caffe等对机器学习的发展和普及起到了重要作用。

但开源技术距离商用尚有一定距离。

一方面机器学习涉及多种开源技术，开源技术间存在兼容性问题，如功能、接口等；另一方面开源技术在工程化方面有不足，难以支撑企业级应用，如功能完备性、扩展性、安全性、易用性等。

为支撑人工智能商业应用对面向机器学习的系统的需求，有必要对系统功能和非功能的技术要求达成共识。

本标准是通用的测试评估类标准，可指导人工智能系统的规划与设计，是后续评测、选型、验收的依据。

本标准适用于指导行业标准实践。

行业应用的发展依赖统一高效的机器学习基础能力，例如视频监控、违章分析、金融风控等应用都对机器学习的算力、性能、效率提出了更高的需求。

本标准规定的技术要求和测试方法可在行业落地，推动人工智能系统（算力、功能特性、资源供给等）满足行业应用的需求。

国际上ISO/IEC JTC1/SC42人工智能分委会立项了《基于机器学习的人工智能系统框架》， 其中机器学习能力（组件、算法、过程、资源层等）是标准的核心内容。

本标准领先国际标准对机器学习的技术要求进行细化，并规定测试方法，可影响、贡献国际标准，提升中国在国际标准中的话语权和影响力。

综上所述，本标准对推动面向机器学习的系统的发展，统一用户和厂商对系统核心能力的认知，帮助用户验证和选型有重要意义。

同时能够促进产学研结合，推动国际国内标准交流、国内标准出海，推动机器学习在各领域的普及和应用。

本标准规定了面向机器学习的系统的技术要求（包括功能、可靠性、兼容性、安全性、可扩展性、维护性、易用性等）和测试方法。 本标准适用于面向机器学习的系统的规划、设计、评估和验收，可指导各行业的人工智能实践，也适用于国际国内标准协同、交流。