引言（Preface）
2024年3月29日，Modular公司宣布开源Mojo核心组件。
Mojo是一门专为人工智能开发而设计的编程语言，去年8月正式推出。自那时起，吸引了超过17.5万的开发人员和5万家企业/组织。
人工智能模型通常用多种编程语言编写。开发人员通常使用Python来实现神经网络的简单部分，因为易于学习但相对缓慢。剩余的代码通常以C++编写，速度更快但学习起来更复杂。Modular将Mojo定位为更便捷的选择。它提供了类似于Python的简单易用的语法，但具有数千倍甚至更快的执行速度。因此，开发人员可以更快地开发人工智能模型，而无需学习像C++这样复杂的语言。
去年，Mojo 刚推出时，一些开发人员对它的出现表达了兴奋的态度。然而，当被问及开源日期时，Chris Lattner 在 Discord 上表示：“如果我知道的话，我会告诉大家。” 一年来，许多开发人员一直处于观察和质疑的状态：
在这个数据驱动的信息时代，似乎开源已成大势所趋。最终，Mojo终是开源了。在短时间内，在GitHub上就达到了17.6k stars 和 2.1k forks，并且保持较高的增长速度。截至写这篇文章时，这个数据已经增长到21k stars 和 2.5k forks。
Mojo开源旅程的第一步
Modular最近采取了重要措施，将Mojo标准库的核心组件开源。标准库是任何编程语言的基础，包含了基本语法和运行所必需的关键功能。特别是，Mojo的库增强了用于优化AI超参数的工具，这对于神经网络数据处理效率至关重要。
在宣布转向开源时，Modular强调这仅是其开源之旅的开始，而不是结束。首先发布核心模块的目的是为了打下持续发展和改进的基础石，基于社区反馈。
开源项目在与社区的互动中可能有所不同。虽然有些项目仅发布源代码而不接受任何外部输入，其他项目可能有不清晰的贡献流程，还有些尽管是开源的但并不活跃地维护。Modular采取了积极的方法，通过GitHub拉取请求启用外部贡献，积极鼓励开发者参与完善和扩展Mojo。这种策略旨在激发社区参与和增长。
此外，Modular展示了透明度，分享了从第一次贡献开始的完整提交历史。这种开放性使开发者能够追踪库的发展轨迹，提供了对其功能和演变的更深入的见解。
去年年底，Modular推出了商业AI平台MAX，该平台是一套统一的工具和库，旨在构建高性能的AI应用程序，这些应用程序可以高效地部署在多个硬件平台上，包括在Kubernetes环境中运行AI应用程序。最近，Modular宣布计划在未来开放一些MAX组件的源代码，进一步增强其可访问性和社区参与。此外，他们选择了Apache 2 LLVM许可证进行开源，这强调了他们对协作和透明发展方式的承诺。
未来50年人工智能编程的最佳语言？
Modular引入的新编程语言Mojo因其超越Python的出色性能提升而成为头条新闻。 Mojo被称为Python家族的一部分，旨在通过整合先进技术（如LLVM编译器技术的继承者MLIR）来增强Python的功能。去年5月，Mojo 刚刚发布时，Modular 声称在运行 Mandelbrot 等算法时，它比原始 Python 快 35,000 倍。到9月份，Modular再次表示，“Mojo结合了动态和静态语言的优点，性能提升至Python的68,000倍。”
而到去年10月份，Mojo在Mac上的测试，Modular再次拉高了性能对比数据：“比Python快90,000倍”。
这种语言不仅针对速度进行了优化，还从Rust汲取灵感，尤其是在设计原则上，旨在结合动态语言和静态语言的最佳特性。与Rust的比较表明，Mojo在特定任务（例如解析DNA序列）中的性能可以超越Rust高达50％。
Mojo的发展旨在面向Python程序员，为他们提供强大的新工具，以利用硬件的全部性能，而无需切换到更复杂的语言，如C ++。 它的快速性能提升以及处理要求高的计算任务的能力使Mojo成为未来五十年人工智能编程领域的领先语言的有力竞争者。
Rust 在系统编程领域拥有顶级的人体工程学设计，但在AI应用领域面临两个主要问题：编译速度慢，而AI强调实验和快速迭代；大多数有Python经验的AI研究者不愿意从头开始学习新语言。Mojo旨在使Python开发者更直观、更容易掌握。例如，Mohamed在几周内作为业余项目学习了Mojo，并利用SIMD优化算法（最初的实现只用了200行代码）。
对于对AI开发感兴趣的人来说，确实存在选择三种可用语言之一的困境。Mojo和Rust都允许开发者在较低级别进行优化。对于Rust，开发者可以将所有内容打包进Arc、Mutex或Box以避免与借用检查器的冲突，但这可能会牺牲一些性能。虽然这种性能差异可能不会对应用程序代码产生显著影响，但在库或其他性能敏感的代码中，这种差异可能会迅速累积。两者之间的选择取决于程序员对减少开销和优化性能的重视程度。
两种语言都可以利用LLVM优化代码生成，并允许使用内联汇编（尽管实际上不太可能有人这样做），因此理论上在传统硬件上两者具有类似的性能潜力。
基于最先进的编译技术
Rust 最初于2006年启动，而Swift则在2010年出现，两者都主要基于LLVM IR构建。另一方面，Mojo则于2022年首次亮相，它是基于MLIR构建的，这是一种相对于Rust使用的LLVM IR的更现代的“下一代”编译器技术栈。值得注意的是，Chris Lattner在大学期间于2000年12月创立了LLVM，并从其多年的发展中获得了丰富的经验。他后来加入谷歌，领导开发MLIR，旨在支持该公司的TPU和其他AI加速器项目。随后，他继续基于从LLVM IR获得的知识进行探索。
Modular表示，Mojo是第一个完全利用MLIR高级功能的编程语言。它可以生成具有更高优化的CPU代码，并且还支持GPU和其他加速器，速度显著快于Rust。这是其他语言当前无法达到的优势，也是AI和编译器爱好者对Mojo感到兴奋的核心原因。
他们特别强调两个方面：
- 卓越的SIMD人体工程学设计：CPU通过特殊的寄存器和指令同时处理多个数据元素，称为SIMD（单指令多数据）。然而，从历史上看，编写此类代码的经验在人体工程学上是丑陋且难以使用的。尽管这些特殊指令已经存在多年，但大多数代码并未针对它们进行优化。因此，任何能解决这种复杂性并编写可移植的SIMD优化算法的人都可以在市场上脱颖而出，例如simd_json。
- Mojo的原语从一开始就设计为优先考虑SIMD：UInt8实际上是一个SIMD（DType.uint8, 1），代表一个具有1个元素的SIMD。这种表示不会带来性能开销，同时允许程序员轻松地用于SIMD优化。例如，文本可以被分割成64字节块，表示为SIMD（DType.uint8, 64），然后与单个换行符进行比较以找到每个换行符的索引。由于SIMD寄存器可以同时对512位数据进行操作，这种操作可以将此类操作的性能提高64倍！
更简单的例子是，假设你有一个SIMD（DType.float64, 8）。通过简单地将其乘以Float64(2)，你可以轻松提高性能。与单独乘以每个元素相比，这种方法可以在大多数机器上将性能提高多达8倍。
LLVM（也被Rust使用）具有自动向量化优化过程，但由于其无法改变SIMD和其他重要细节的内存布局，其性能从未达到理论的优化水平。然而，Mojo从一开始就考虑了SIMD功能，因此编写SIMD优化的体验非常类似于编写常规代码。
急切销毁（Eager Destruction）：Rust的设计受到C++的RAII（资源获取即初始化）的启发，这意味着一旦对象超出作用域，应用开发者无需担心释放内存——编程语言本身会处理。这是一个非常好的例子，避免了垃圾收集的性能陷阱，同时确保了动态语言的人体工程学。
Mojo则更进一步，不等到作用域结束就释放内存，而是在对象最后使用时释放内存。这对AI场景非常有利，因为提前释放对象意味着可以提前释放GPU张量，从而允许在相同GPU RAM中装入更大的模型。这是Mojo的独特优势，允许程序员实现最佳性能而无需自己设计。
Rust的借用检查器（borrow checker）最初将所有内容的生命周期延长到其作用域的末尾，以匹配析构函数的行为，但这可能会导致用户混淆。Rust后来添加了一些非词法生命周期特性，以简化开发者的工作。然而，有了Mojo的急切销毁机制，这种简化效果可以直接实现，并且与对象的实际销毁方式保持一致，从而避免了混淆的极端情况。
Rust中的另一个开销来自于Drop的实现。它使用Drop Flags来跟踪运行时是否应该删除对象。Rust能够在某些情况下进行优化，但Mojo可以通过显式定义消除所有额外开销。
结论（Conclusion）
无论如何，开发人员必须在 Mojo 和 Python 的易用性以及 C、C++ 或 Rust 的高性能之间进行选择。对此，Mojo 团队呼吁开发者，称：“如果你有兴趣，并且展望未来，希望掌握一种在未来 50 年可能有益于人工智能开发的语言，为什么不给 Mojo 一个机会呢？”
如果你觉得这篇文章对你有用，请“点赞➕关注”支持我！关注我，带你解锁更多Python实用技能、数据分析知识以及更多AI新玩法！
Thank you for reading!
– END –
原文链接：https://www.zhihu.com/question/571346401/answer/3472747050
