ONNX（开放神经网络交换）是开放的机器学习模型表示格式：官网自称「面向机器学习互操作性的开放标准」，用统一算子集与通用文件格式把训练框架和部署环境解开——在任一框架训练的模型导出成 ONNX，即可交到各类运行时、工具与编译器手里（ONNX 官网）；文件容器用 Protocol Buffers（维基百科）。
出身开放阵营：2017 年 9 月由 Facebook 与微软联合发布，2019 年 11 月成为 Linux 基金会旗下 LF AI 毕业项目（维基百科），其后 IBM、高通等大厂相继表态支持。微软开源的 ONNX Runtime 是常用跨平台推理/训练加速器（GitHub）；TensorRT 亦内置 ONNX 解析器——NVIDIA 生态同样吃这个开放格式。
| 项目 | 数值 / 口径 |
|---|---|
| 定位 | 开放的机器学习模型表示格式 · 互操作标准（ONNX 官网） |
| 沿革 | 2017-09 Facebook 与微软联合发布 · 2019-11 入 LF AI（维基百科） |
| 最新版 | 1.23.2 · IR 14 / opset 28（2026-10-06，GitHub releases） |
| ONNX Runtime | 微软开源跨平台推理/训练加速器 · MIT 许可（GitHub） |
ONNX 是买家手里最好用的「验机通用钥匙」：把自家业务模型从 PyTorch/TensorFlow 导出成 ONNX，带去上机实测——不依赖卖家环境，也不必泄露训练代码；经 TensorRT 的 ONNX 解析器，B300 上照样吃得到 NVIDIA 优化栈的性能。
买家视角：防「跑分特化机」的利器——商家用自家模型刷出的分数未必对你的业务成立，用你自己的 ONNX 模型现场压测，才是这台机器对你的真实价值；验收报告建议留存所用模型与运行时版本。