Mojo 编程语言开放下载，声称比 Python 快 68000 倍 _云知道

【Mojo 编程语言开放下载，声称比 Python 快 68000 倍】出品|开源中国
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 万开发者参与与 GitHub 讨论。Modular AI 公司更是在上月底宣布。

9 月 7 日，Modular AIMojo 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，。

▲ 好一个 Python++
这很难评，各位自行下载来玩一玩吧：
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：
$ mojoWelcome to Mojo! Expressions are delimited by a blank line.Type `:mojo help` for further assistance.1> %%python2. import numpy as np3. n = 100000004. anp = np.random.rand(n)5. bnp = np.random.rand(n)6> from tensor import Tensor7. let n: Int = 100000008. 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 sqrt14. def mojo_naive_dist(a: Tensor[DType.float64], b: Tensor[DType.float64]) -> Float64:15. var s: Float64 = 0.016. n = a.num_elements()17. for i in range(n):18. dist = a[i] - b[i]19. s += dist*dist20. return sqrt(s)23> fn mojo_fn_dist(a: Tensor[DType.float64], b: Tensor[DType.float64]) -> Float64:24. var s: Float64 = 0.025. let n = a.num_elements()26. for i in range(n):27. let dist = a[i] - b[i]28. s += dist*dist29. 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. 1290.852142509223535. print(naive_dist)36. 1290.8521425092235