ONNX（Open Neural Network Exchange）是一个开放的神经网络交换格式，旨在促进不同深度学习框架之间的模型转换和共享。以下是ONNX的一些关键信息和最新进展：

  1. 定义和目的：ONNX由微软和Facebook于2017年推出，旨在为深度学习模型提供一个统一的表示格式，使得模型可以在不同的框架和平台之间进行转换和共享。它定义了一组与环境和平台无关的标准格式，为AI模型的互操作性提供了基础。

  2. 核心思想：ONNX通过定义一组通用的算子集、一系列用于构建深度学习模型的模块以及一种通用的文件格式，使得AI开发人员能够将模型与各种框架、工具、运行时和编译器一起使用。

  3. 存储方式：ONNX使用Protobuf作为序列化数据结构来存储神经网络的权重信息，这是一种轻便高效的结构化数据存储格式。

  4. 应用场景：ONNX的主要应用场景包括打破框架壁垒、促进模型共享、提高模型的通用性和灵活性，降低新技术采用的门槛，加速人工智能领域内的创新步伐。

  5. 最新进展：ONNX持续更新，支持新的操作集（opset）和算子。例如，最新的更新包括对bfloat16的支持，以及对多个算子的更新，如Acos、Acosh、Asin等。此外，ONNX还增加了对int4和uint4的支持，以及对blocked quantization的支持。

  6. 跨平台支持：ONNX支持多个平台和硬件设备，并且具有较高的性能和效率。它已经成为表示深度学习模型的实际标准，并且通过ONNX-ML，可以支持传统非神经网络机器学习模型。

  7. 社区和生态：ONNX社区不断扩展，目前有超过25款AI框架支持ONNX模型格式，并且ONNX和ONNX Runtime的落地使用组织或企业分别超过50和25家。

  8. 合作伙伴：ONNX与华为昇腾合作，支持在昇腾硬件平台上运行原生ONNX模型，这标志着ONNX社区版本发布流程中将开始逐步原生支持昇腾硬件平台。

  9. 安全性更新：ONNX也关注安全性，例如修复了路径 sanitization bypass 导致任意读取的漏洞（CVE-2024-27318）和由于缺乏字符串终止而导致的越界读取漏洞（CVE-2024-27319）。

ONNX作为一个开放的生态系统，通过提供一个统一的模型表示格式，极大地促进了AI模型的互操作性和部署灵活性。