Swift语言创始人Chris Lattner在2021年离开Swift核心团队。他在2022年1月时与Tim Davis共同创立Modular AI，目标是开发人工智能系统开发平台，希望能从根本改进人工智能的程序开发性、可用性、可扩展性以及运算方式。前几天它们正式发布了新编程语言Mojo，号称在在执行特定的演算法，Mojo甚至能够比Python快35,000倍。
官方网站：https://www.modular.com/mojo
Mojo官方手册：https://docs.modular.com/mojo
[t-danger icon='']Mojo[/t-danger]
Mojo官网提到，该语言同时拥有Python的可用性，以及C语言的高效能。由于Mojo专门为在AI硬件上编程而设计的，例如运行CUDA和其他加速器的GPU，因此运算效能大幅超越Python，在执行特定的演算法，Mojo甚至能够比Python快35,000倍。
Mojo的设计目标是提供高效、易用、安全的AI开发环境。它支持Python API，可以轻松地与现有的Python代码进行集成。此外，Mojo还支持多线程和分布式计算，使得在大规模数据处理时可以更好地发挥其优势。Mojo是Modular AI的一个正式的专案，所有Modular核心也都以Mojo编写，官方表示，这也是Modular模组化推理引擎高效能和高可移植性的原因。
[t-danger icon='']Mojo优劣[/t-danger]
在 MLIR 上，Mojo 代码可以访问各种 AI 调优的硬件功能，例如 TensorCores 和 AMX 扩展。因此，对于某些特定算法类型，它的速度要远远超过原始 Python——它在 AWS r7iz.metal-16xl 上运行 Mandelbrot 算法只需 0.03 秒，而 Python 3.10.9 则需要 1027 秒（约 17 分钟）。
一、优势
- 高效的代码生成和执行速度：Mojo的代码生成和执行速度非常高，这是它成为AI开发语言的重要原因之一。在大规模数据处理时，Mojo可以比Python更快地完成计算，从而提高开发效率和性能。
- 兼容Python API：Mojo支持Python API，这意味着可以使用现有的Python代码并集成到Mojo中。这对于那些已经有大量Python代码库的开发人员来说，是一个非常有吸引力的特点。同时，Mojo还支持Python的科学计算库，如NumPy、SciPy和Pandas等，使得开发人员可以轻松地迁移现有的Python项目。
- 多线程和分布式计算支持：Mojo支持多线程和分布式计算，这使得它可以在大规模数据处理时更好地发挥其优势。开发人员可以利用Mojo的多线程和分布式计算功能，使得计算更加并行化和高效。
- 安全性和易用性：Mojo在安全性和易用性方面也表现出色。Mojo的类型系统非常强大，能够防止许多常见的编程错误。同时，Mojo的语法简单、易学，使得开发人员可以更快地掌握它。
二、劣势
- 还处于早期阶段，还没有完全兼容 Python 语法和运行时，也没有开源代码，因此缺乏社区的支持和反馈，也难以评估其真实的效果和潜力。
- 它可能会遇到编程语言设计上的大坑，比如如何平衡 Python 的动态性和 C 的静态性，如何把 Rust 的所有权、生存期和借用检查融入 Python 的语法，如何处理部署时对 Python 包的依赖等
- 它可能会面临激烈的竞争，因为 Python 生态已经有很多成熟的 AI 框架和编译器，比如 PyTorch、TensorFlow、Jax、Codon 等，它们也在不断地优化性能和扩展功能，mojo 语言要想脱颖而出并不容易。
- 它可能会引起一些 Python 用户的抵触或反感，因为它可能会让他们觉得自己的原生语言不够好或者需要被取代，也可能会让他们觉得 mojo 语言太复杂或者不符合他们的习惯。
三、其他
Modular AI提到，Python虽然是一个强大的语言，也支持各种人工智能研究，但可扩展性是Python最终无法在生产中使用的主要问题，Python难以被用在大型工作负载，也无法在边缘装置中顺畅执行，生产环境的人工智能终究还是需要使用C++以及CUDA等其他语言。这样的状况导致人工智能软件环境碎片化，降低人工智能应用从研究阶段，进入生产阶段的速度，进而减少了人工智能开发人员的生产力。
Mojo建立在现代编译技术之上，其具有类型设计，大幅增加程序的执行速度，也让开发者能够定义零成本抽象，并且拥有类似Rust语言的记忆体安全性。特别的是，Mojo还拥有自动调优（Autotuning）和编译时元编程（Compile-Time Metaprogramming）功能。自动调优会在程序编译过程，自动优化程序性能，而编译时元编程则允许开发者在编译阶段生成代码，而不是在运行时生成代码。
受益于Modular的高效能Runtime，且充分应用MLIR（Multi-Level Intermediate Representation）技术，Mojo能够直接操作各种AI硬件，像是存取执行线程、TensorCores和AMX扩充等低阶硬件功能，官方提到，在执行像是Mandelbrot这类演算法，Mojo比Python快35,000倍。
即便Mojo与Python有不少区别，但是官方称使用Mojo就像是Python一样。开发者可以在Mojo上使用Python的函式库，包括Numpy、Pandas、Matplotlib，甚至是现有的其他Python代码。 Mojo非常灵活，开发者不需要重新编译框架或是编写任何C++或CUDA代码，就拥有执行核心融合（Kernel Fusion）、图重写（Graph Rewrites）以及形状函数（Shape Functions）等能力。
[t-danger icon='']结语[/t-danger]
人工智能非营利研究组织Fast.ai创办人，同时也是Modular AI顾问的Jeremy Howard解释，当Mojo最终完成时，将相当于Python的严格超集，他认为，Mojo可能是近十年最大的编程语言进步。目前的 Mojo 仍有一定缺失，比如包管理和构建系统——这也是 Python 社区长久以来一直努力解决的需求。另外，Mojo 语言尚未指定开源许可，但相信只是时间问题。