我会做一个新的环境，可能来源于Anaconda频道。以下是我的工作：

猛击

## create environment
conda create -n foo -c anaconda python numpy mkl=2019.* blas=*=*mkl

## activate and launch python
conda activate foo
python

Python

import mkl
import numpy as np

mkl.get_version()
## 'Intel(R) Math Kernel Library Version 2019.0.4 Product Build 20190411 for Intel(R) 64 architecture applications'

np.__mkl_version__
## '2019.4'

np.show_config()
## blas_mkl_info:
##     libraries = ['mkl_rt', 'pthread']
##     library_dirs = ['/Users/mfansler/miniconda3/envs/foo/lib']
##     define_macros = [('SCIPY_MKL_H', None), ('HAVE_CBLAS', None)]
##     include_dirs = ['/Users/mfansler/miniconda3/envs/foo/include']
## blas_opt_info:
##     libraries = ['mkl_rt', 'pthread']
##     library_dirs = ['/Users/mfansler/miniconda3/envs/foo/lib']
##     define_macros = [('SCIPY_MKL_H', None), ('HAVE_CBLAS', None)]
##     include_dirs = ['/Users/mfansler/miniconda3/envs/foo/include']
## lapack_mkl_info:
##     libraries = ['mkl_rt', 'pthread']
##     library_dirs = ['/Users/mfansler/miniconda3/envs/foo/lib']
##     define_macros = [('SCIPY_MKL_H', None), ('HAVE_CBLAS', None)]
##     include_dirs = ['/Users/mfansler/miniconda3/envs/foo/include']
## lapack_opt_info:
##     libraries = ['mkl_rt', 'pthread']
##     library_dirs = ['/Users/mfansler/miniconda3/envs/foo/lib']
##     define_macros = [('SCIPY_MKL_H', None), ('HAVE_CBLAS', None)]
##     include_dirs = ['/Users/mfansler/miniconda3/envs/foo/include']

备注

我把这个作为一个“原样”的答案留在这里，因为似乎有一些复杂的问题超出了我的能力。也就是说，Anaconda和Conda Forge在NumPy + MKL方面似乎有不同的集成策略。Anaconda通过直接集成构建NumPy（包括np.__mkl_version__扩展）; Conda Forge似乎一般使用BLAS/LAPACK构建NumPy，然后基于MKL实现构建libblas，liblapack变体。不知道这些策略会带来什么不同。
Anaconda频道目前只有Python 3.8-但无论如何，这符合预期的MKL 2019。Python 3.9是2020年底发布的。
blas=*=*mkl非常重要：这就是对NumPy使用MKL构建的限制。
这是在OSX-64平台上-希望，差异不是很大。

根据conda-forge的文件：
您可以通过执行以下操作切换BLAS实现，

conda install "libblas=*=*mkl"
conda install "libblas=*=*openblas"
conda install "libblas=*=*blis"
conda install "libblas=*=*accelerate"
conda install "libblas=*=*netlib"

这将改变BLAS实现，而不改变依赖于BLAS的conda包。
还支持以下传统命令。

conda install "blas=*=mkl"
conda install "blas=*=openblas"
conda install "blas=*=blis"
conda install "blas=*=accelerate"
conda install "blas=*=netlib"

如果您可以根据Numpy的文档为不同的目的使用单独的Conda环境，则可以使用conda/pip安装Numpy。

• OpenBLAS来源pip install numpy
• （默认为的虚拟BLAS）OpenBLAS通过使用conda-forge通道conda install -c conda-forge numpy
• 使用默认（=anaconda）通道conda install -c anaconda numpy的MKL

我不是特别喜欢最后一个选项，因为anaconda的问题是商业上不允许的。一个商业上可行的替代方案是

• 使用英特尔通道conda install -c intel -c conda-forge intelpython3_full的MKL

它内置了Numpy（和Scipy，和xgboost，...）。请参阅英特尔here工具包文档。