昨天，前苹果工程师、swift编程语言创建者Chris Lattner创立的ModularAI发布了一个新的编程语言Mojo。根据测试，该语言比Python最高提速35000倍！本文将简单介绍一下这个Mojo编程语言。
Mojo是Modular发布的一个全新的编程语言。最大的特点是有类似Python那样的语法，但是没有Python编程语言的问题。换句话说，这个编程语言号称非常简洁，但是性能却非常好。
Follow DataLearner WeChat for the latest AI updates
Python是当前AI领域最火热的编程语言。因为其干净易学的语法和庞大的生态系统，几乎成为初学者以及快速构建算法的必选语言。但是，它的缺点也很明显，即性能问题。Python是解释性的语言，逐行解释执行，与C/C++编译后运行相比，效率较低。因此，尽管使用Python编写算法很多，但是对性能有要求的应用来说，实际部署基本都是依赖C++/CUDA等（当然，类似NumPy库底层也是C实现的，解决了一小部分问题）。而Mojo则是为了解决这些问题存在的：
总的来说，官方宣传Mojo的特点如下：
目前，官方还没有发放Mojo软件，不过已经有示例代码了，下图就是在终端环境下，用Mojo写一个Hello World：
$ cat hello.🔥
def main():
print("hello world")
for x in range(9, 0, -3):
print(x)
$ mojo hello.🔥
hello world
可以看到，很简单，而且执行也很方便，直接使用mojo命令后面跟着文件即可，和Python很像。而且，这里一个彩蛋，就是说mojo代码文件后缀可以是🔥这个emoji！这也是可以成功执行的！
下图是官方演示的一个使用Mojo编写Mandelbrot问题的例子（这是一个数学概念，可以用来产生复杂的几何结构）。
这里可以看到更多的mojo语法，这个语法与Python很像，但是也不完全一致。里面的var、let似乎来自于swift风格。
官方已经说明，Mojo有一个类似Jupyter notebooks的东西，大家应该很容易上手。
前面说了Mojo可以直接与Python互相操作，使用很简单。下图就是如何使用Python库的代码示例：
from PythonInterface import Python
# This is equivalent to Python's `import numpy as np`
let np = Python.import_module("numpy")
# Now use numpy as if writing in Python
a = np.array([1, 2, 3])
可以看到，很简单，只需要引入Python模块之后，剩下的操作和Python完全一致了~~
尽管Mojo是一个全新的编程语言，但是官方说明了自己并不是完全从头开始。
采用Python极大地简化了我们的设计工作，因为大多数语法已经指定。相反，我们可以将精力集中在构建编译模型和设计特定的系统编程功能上。我们还受益于在其他语言（例如Clang、Rust、Swift、Julia、Zig、Nim等）方面的大量工作，并利用了MLIR编译器生态系统。我们还受益于Swift编程语言的经验，它将大量Objective-C社区的大部分迁移到了一种新的语言上。
此外，我们决定Mojo的正确长期目标是提供Python的超集（即与现有程序兼容），并立即采用CPython实现长尾生态系统。对于Python程序员来说，我们期待并希望Mojo能立即熟悉，同时也能提供新的工具来开发系统级代码，使您能够做Python需要使用C和C++才能完成的事情。我们并不是想让世界相信“静态的好”或“动态的好”——我们的信念是，当用于正确的应用程序时，两者都是好的，并且语言应该使程序员能够进行调用。
尽管官方没有透露细节，但是从这些内容可以看到，Mojo很快的原因可能是他们从底层构建了很多能力。比如，官方实例中有一个问题是，在GPU编程中选择tile因子会极大地影响最终的程序性能。Tile因子指的是GPU线程块的大小，它决定了一个线程块中有多少个线程一起执行。选取不同的tile因子，会导致线程块的数量不同，从而影响程序的执行效率。但是tile因子选择依赖你的硬件。而在Mojo中，这样的选择不需要你自己决定，Mojo可以自动帮你寻找最优的tile因子值，如下图所示：
官方承诺，Mojo未来会开源，会支持CPU、GPU、TPU等。尽管官方宣传Mojo速度很快，也有很多人表示兴奋，但是Mojo是否能取代Python变成未来主流的面向AI的编程语言，需要看它是否真的可以变成像Python那样简单易用，但是却性能强悍！