随着企业生产的数字转型加速，如果想要创建一套机器学习模型，需要先通过大量的数据来让AI学习。基础数据的取得是个难题，但MLCommons能带来解决方案。MLCommons是一个将全球企业、组织、学界联合起来的非营利组织，期望通过将各界资料汇集、创建可以用于AI数据训练的公共数据库，以加速整个机器学习产业的发展。
MLCommons通过数据集成，加速AI的模型开发
MLCommons旨在帮助AI与机器学习模型的进一步发展，通过提供数据数据库、模型、准则与指标的方式，帮助计算机视觉、自然语言过程、语音识别等机器学习应用，借由数据的集成增加应用场景，并凝聚共同的力量来加速开发过程。
MLCommons的前身是MLPerf。MLPerf是一间成立于2018年的产业基准组织，集结了英特尔、NVIDIA、Facebook AI、Google、亚马逊、阿里巴巴和百度、微软、哈佛大学、斯坦福大学等产、学机构的参与，制定了机器学习性能的通用标准测试工具，用于帮助加速开发、创造更多样的AI产品。
如今MLPerf已扩大发展成MLCommons，除了利基MLPerf已创建的标准化度量外，也希望能通过创建全球共享的数据数据库，帮助AI模型的发展与实际应用。
MLCommons的总裁Peter Mattson透露，MLCommons的任务即在帮助加速机器学习流程的创新，增加机器学习可以为社会带来的正面影响，凝聚全球的跨产业伙伴与学界的力量，让所有开发的技术都可以相互受益。
案例：推出全球最大语音文本数据库，打破主流语言限制
例如，MLCommons于2020年底推出了语音文本数据库People’s Speech，搜集超过8万多小时的语音文本，提供更先进的语音技术，并拓展到更多种语言，打破以往语音资料都集中在主要语言上的状况。这个数据库将提供服务给使用各种语言的人口，也被认为是目前世界上最大的语音文本数据库。
除了提供了数据库之外，MLCommons也希望通过另一项MLCube计划，提供一套让机器学习模型可以互相通用、共享与兼容的标准，供全球研究及开发人员可以无缝的共享机器学习模型，通过将数据依赖关系（Data Dependencies）、输入、输出的格式等标准化，凝聚大众的力量来加速模型的验证与开发过程。
对Google、Facebook等科技巨头而言，收集海量数据并不是难事；但对小规模的AI创业公司来说，数据量与品质往往是发展的限制。MLCommons借由提供公共数据库的方式，让资源不多的企业也能取得数据训练AI，开发自己的服务，提供科技市场不同的可能性。