MLX

MLX 是由 Apple 机器学习研究团队推出的数组计算框架，专为 Apple 芯片设计，提供高效且灵活的机器学习开发体验。其 Python API 紧密遵循 NumPy 的接口约定，同时具备与 PyTorch、JAX 和 ArrayFire 等框架相媲美的现代函数变换能力，并在此基础上引入了统一的异构内存模型。MLX 同时提供功能完备的 C++ API，与 Python API 高度一致，满足多语言开发需求。

MLX 的核心设计围绕三个关键特性展开：可组合的函数变换、惰性计算以及多设备支持。其中，函数变换原生支持自动微分（grad）、自动向量化（vmap）与计算图优化（compile）；惰性计算机制使数组仅在实际需要时才物化，从而提升计算效率；多设备支持意味着同一数组可在 CPU 与 GPU 上无缝执行，无需数据拷贝。统一内存模型是 MLX 区别于其他框架的重要特性，数组驻留在共享内存中，任意设备均可直接访问，避免了数据搬运带来的开销。

在功能覆盖上，MLX 提供了完整的数组操作、线性代数、FFT、随机数生成、神经网络层、损失函数、优化器以及分布式通信接口。其 fast 模块进一步针对 Metal 与 CUDA 内核提供高性能实现，包括 RoPE、RMSNorm、注意力机制等常用算子。对于需要深度定制性能的场景，MLX 允许用户编写自定义 Metal 或 CUDA 内核，并通过导出函数机制进行部署。此外，框架内置了编译、内存管理与设备控制工具，便于开发者进行精细优化。

MLX 适用于从科研实验到生产级推理的广泛场景，特别是在 Apple 芯片上运行大语言模型（LLM）推理、微调与部署。其官方示例涵盖线性回归、多层感知机、LLM 推理、数据并行与张量并行，体现了框架在端侧 AI 与高性能计算方面的实用价值。对于希望在 Apple 生态内构建高效机器学习应用的研究人员与工程师而言，MLX 是一个兼具易用性与可扩展性的现代计算平台。