Mojo 是 Modular AI 公司开发的新编程语言，它结合了 Python 的易用性以及 C 语言的可移植性和性能，目标是使其成为 AI 研究和生产的理想选择。

Modular AI 是 Chris Lattner 和 Tim Davis 于 2022 年创立的公司，目标是自下而上重建全球 ML 基础设施。在这家新生的创业公司中，Chris Lattner 以 CEO 身份领导团队。

Chris Lattner 毕业于波特兰大学的计算机科学系，具有创建和领导多个知名大型项目的经验，其中包括 LLVM、Clang、MLIR 和 CIRCT 等编译器基础设施项目，他还带头创建了 Swift 编程语言。

从 2005 年 7 月到 2017 年 1 月间，他曾领导苹果的开发者工具部门，随后，曾短暂领导过特斯拉的自动驾驶团队。2017 年 8 月，Chris Lattner 在 Google Brain 团队领导了 TensorFlow 基础设施工作，包括一系列硬件支持（CPU、GPU、TPU），底层运行时和编程语言工作。

今年 5 月，Modular AI 向外界公布了 Mojo。据称自 Mojo 亮相以来，超过 12 万开发者注册使用了 Mojo Playground，另外还有 19 万开发者参与 Discord 与 GitHub 讨论。Modular AI 公司更是在上月底宣布融资 1 亿美元。

9 月 7 日，Modular AI 宣布 Mojo 正式开放下载，这意味着开发者可以在本地使用 Mojo 进行开发——目前仅支持 Linux，官方表示会尽快推出 Mac 和 Windows 版本。

根据公告，官方提供了编译器和 Mojo SDK。其中 Mojo SDK 还包括全套开发者和 IDE 工具 ，用于轻松构建和迭代 Mojo 应用程序。

下面是 Mojo SDK 包含的工具概览。

• mojo 驱动：提供 shell 用于 read-eval-print-loop 或 REPL 的 shell，支持构建和运行 Mojo 程序、打包 Mojo 模块（包括对 🔥 扩展的支持）、生成文档和格式化代码‍
• VS Code 扩展：支持多项生产力功能，例如语法高亮显示、自动补全代码等 ‍
• Jupyter kernel：支持构建和运行 Mojo notebooks，包括 Python 代码‍‍
• 调试工具（即将推出）：进入并检查正在运行的 Mojo 程序，甚至包括混合 C++ 和 Mojo 代码的框架

Mojo 刚发布时，官方介绍称它能够利用 MLIR，使 Mojo 开发者能够利用向量、线程和 AI 硬件单元。根据测试，Mojo 比 Python 快 35000 倍。

最近开发团队刷新了自己的成绩，他们表示 Mojo 将动态和静态语言的优点结合在一起，性能可达到目前 Python 的 68000 倍。

▲ 好一个 Python++

这很难评，各位自行下载来玩一玩吧：https://developer.modular.com/

示例代码

跟 Python 一样，可以通过运行 mojo 命令在 REPL 中进行编程。下面是使用 Mojo 计算欧几里得距离的代码：

$ mojo
Welcome to Mojo! 🔥
Expressions are delimited by a blank line.
Type `:mojo help` for further assistance.
1> %%python
2. import numpy as np
3. n = 10000000
4. anp = np.random.rand(n)
5. bnp = np.random.rand(n)

6> from tensor import Tensor
7. let n: Int = 10000000
8. var a = Tensor[DType.float64](n)
9. var b = Tensor[DType.float64](n)
10. for i in range(n):
11.    a[i] = anp[i].to_float64()
12.    b[i] = bnp[i].to_float64()

13> from math import sqrt
14. def mojo_naive_dist(a: Tensor[DType.float64], b: Tensor[DType.float64]) -> Float64:
15.    var s: Float64 = 0.0
16.    n = a.num_elements()
17.    for i in range(n):
18.       dist = a[i] - b[i]
19.       s += dist*dist
20.    return sqrt(s)

23> fn mojo_fn_dist(a: Tensor[DType.float64], b: Tensor[DType.float64]) -> Float64:
24.    var s: Float64 = 0.0
25.    let n = a.num_elements()
26.    for i in range(n):
27.       let dist = a[i] - b[i]
28.       s += dist*dist
29.    return sqrt(s)
30.
31> let naive_dist = mojo_naive_dist(a, b)
32. let fn_dist = mojo_fn_dist(a, b)
33. print(fn_dist)
34. 
1290.8521425092235
35. print(naive_dist)
36. 
1290.8521425092235

此外，Mojo 支持构建静态编译的可执行文件，开发者可以在没有任何依赖项的情况下进行部署。例如直接从官方的示例 repo 中编译并运行 hello.🔥 程序，代码如下所示：

$ mojo build hello.🔥

$ ./hello
Hello Mojo 🔥!
9
6
3

$ ls -lGtranh hello*
-rw-r--r-- 1 0   817 Sep  3 23:59 hello.🔥
-rwxr-xr-x 1 0   22K Sep  3 23:59 hello