可能是过去三十年来编程语言最大的革新：新的面向AI的编程语言Mojo发布~

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。

<center>![](https://www.datalearner.com/resources/blog_images/f44a8765-dc6b-4f0a-b0f9-4f18bdf7ce63.png)</center>
<center></center>

[TOC]

#### Mojo编程语言简介
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。

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：

- **用一种语言完成所有的事情**：Mojo将研究人员喜欢的Python部分与需要使用C、C++和CUDA的系统编程功能相结合。Mojo建立在下一代编译器技术之上。使得你可以使用类似Python的语法完成算法后获得和C++程序一样的性能。
- **解锁Python性能**：Mojo建立在Modular的高性能异构运行时之上，并使用MLIR，使其能够访问所有人工智能硬件。这使Mojo可以访问线程、TensorCores和AMX扩展等低级硬件功能，并可以访问加速器！官方宣称，Mojo在运行Mandelbrot等数字算法时比Python快35000x，因为它可以充分利用您的硬件。不过需要注意的是，这里应该是指让Mojo运行在他们自己的硬件或者底层系统上。

<center>![](https://www.datalearner.com/resources/blog_images/ff4cd9c5-510b-413b-9f76-5fca7517cd81.png)</center>
<center></center>

- **充分利用Python强大的生态系统**：为了避免重复造轮子，Mojo可以直接与Python代码互相操作，也就是直接使用Python的库，如NumPy、Matplotlib等。

总的来说，官方宣传Mojo的特点如下：
- 完全兼容Python生态
- 比C++更快
- 比CUDA更容易定制和修改（more hackable）
- 和RUST一样安全

#### Mojo实际案例展示

##### Mojo语言的第一个案例
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！

##### 官方的详细的案例
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）。

<center>![](https://www.datalearner.com/resources/blog_images/f4f23943-195d-47fe-901d-9a08aa3fd5d0.jpg)</center>
<center></center>

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。

##### Mojo支持Notebook
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。

##### Mojo使用Python模块示例
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：

```python
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~~

#### 关于Mojo的其它信息
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：

<center>![](https://www.datalearner.com/resources/blog_images/568b72a1-2a13-4145-b807-9d2a6cc94125.png)</center>
<center></center>

#### Mojo总结
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！

可能是过去三十年来编程语言最大的革新：新的面向AI的编程语言Mojo发布~

欢迎大家关注DataLearner官方微信，接受最新的AI技术推送

相关博客

最热博客