Mojo 1.0 正式发布:像 Python 一样写,像 C++ 一样跑:

像 Python 一样写，像 C++ 一样跑：Mojo 1.0 正式发布

 写 Python 的人嫌它慢，写 C++ 的人嫌它烦，写 Rust 的人嫌它难。如果你同时有过这三种抱怨，那么今天这个主角，就是为你准备的。 

 2026 年 8 月 11 日，Modular 公司正式发布 Mojo 编程语言 1.0 版本。从 2023 年诞生时那个被无数人围观的实验项目，到如今稳定、可用于生产环境的通用语言，Mojo 走了三年，兑现了它最初的承诺：像 Python 一样写，像 C++ 一样跑，像 Rust 一样安全。

01 横空出世：诞生即顶流

 Mojo 从出生的第一天起，就自带光环。因为它的创造者是 Chris Lattner——LLVM 编译器基础设施和 Swift 语言的缔造者，整个现代编程世界绕不开的名字。 

 2023 年，Mojo 首次亮相时，官方给出的定位就极具冲击力：Python 的超集，但性能可以提升几个数量级。彼时 AI 社区正被"Python 太慢、GPU 代码太难写"折磨得苦不堪言，Mojo 的出现仿佛黑夜中的一道光。消息一出，社区瞬间沸腾——开发者们排队申请内测资格，技术论坛上关于 Mojo 的讨论长期霸榜。 

 三年过去，热度没有消退，反而沉淀成了实打实的生态。1.0 版本发布之际，Mojo 标准库在 Apache 2.0 许可下正式开源，吸引了近 200 名贡献者提交了超过 1100 个拉取请求，累计修改超过 20 万行代码。这意味着它不再是少数人的实验品，而是一个由全球开发者共同浇筑的公共基础设施。 

 更值得注意的是它的"自我验证"：Mojo 1.0 已经成为 Modular 公司自身商业基础设施——MAX 平台和 Modular Cloud 的核心组成部分。也就是说，这不是一个"先发布、再等市场检验"的语言，而是先在自家最严苛的生产环境里跑通了，才敢拿出来见人。 

02 设计初衷：AI 时代的碎片化之痛

 Mojo 为什么被设计出来？答案藏在 AI 开发者的日常里。 

 今天做 AI 应用，一个人往往要同时面对五六种语言和工具：用 Python 写模型原型，用 C++ 或 CUDA 写高性能算子，用 CUDA 或 ROCm 跑 GPU，用专门的工具链部署到芯片上。每一层都有自己的语法、自己的编译器、自己的坑。Modular 团队在构建自家 AI 平台时，对这种"碎片化"的感受尤为深切——工具链的复杂度，已经远远超过了问题本身的复杂度。 

 Mojo 要解决的，正是这个被所有人默认接受、却没有人愿意去撬动的痛点：能不能用一门语言，从 Python 原型一路写到硬件加速器部署的全流程？

 所以 Mojo 首先是一个"硬件编程"问题，其次才是一个"语言"问题。它的愿景是"一次编写，到处运行"：同一套代码，无缝地跑在 CPU、GPU、TPU 和各种 AI 加速芯片上，摆脱对特定厂商库的绑定。为此，Mojo 内置了对多种 AI 芯片的硬件抽象层（HAL），用统一的语法为不同芯片编写优化代码。 

 如果说 Rust 的答案是"如何安全地控制系统"，那么 Mojo 的答案就是"如何统一地驾驭 AI 硬件"。这是 Rust 未曾涉足、也无法优雅解决的领域问题，也是 Mojo 存在的根本理由。 

03 三强对决：Mojo、Python 与 Rust

 要看清 Mojo 的价值，最好的办法是把三门语言摆在一起。 

 性能上的差距，用数据说话最直观。在计算密集型任务上，Mojo 比 Python 快一到两个数量级：N-body 问题（50 万次迭代的密集浮点运算），CPython 3.14 耗时 1242 毫秒，Mojo 仅需 16 毫秒，加速 78 倍；Spectral-norm 基准，CPython 耗时 14046 毫秒，Mojo 只用 118 毫秒，加速高达 119 倍；在矩阵乘法的实证评估中，Mojo 实现了最高 77 倍的加速。 

 这背后的功臣是编译时优化：SIMD 向量化和循环展开等技术，让 Mojo 能充分压榨硬件的每一分算力。而 Python 作为解释型语言，天然无法做到这一点。 

 与 Rust 的对比则更有意思：两者性能在同一梯队，互有胜负。在 DNA 序列解析测试中，Mojo 比 Rust 快 50%；在 GPU 和内存受限的任务上，Mojo 的表现可与 C++/CUDA 持平。而 Rust 在 Spectral-norm、数独求解和大型 TSV 文本处理等场景中保持领先。这说明 Mojo 并非为了"速度"取代 Rust，而是带着 AI 时代的独特使命而来——它押注的是更现代的 MLIR 编译器基础设施，能对 AI 硬件做更深层的跨层优化，这是诞生于 2009 年、基于 LLVM IR 的 Rust 所不具备的。 

04 编程习惯：Python 老手的零门槛迁移

 Mojo 最让开发者心动的一点，是它没有另起炉灶，而是选择成为 Python 的"超集"。 

第一，语法和 Python 几乎一样。全球数以百万计的 Python 开发者，几乎可以零成本地迁移过来。不需要像学 Rust 那样从头啃所有权和借用规则，Mojo 吸收了这些内存安全概念，却用更贴合 Python 开发者习惯的方式呈现。它甚至避免了 Rust 默认 move 语义带来的一堆让新手困惑的编译器报错。 

第二，可以直接引用 Python 的包。这是 Mojo 最惊艳的设计——它对 Python 模块的兼容性是 100% 的。Mojo 直接利用你电脑上现有的 CPython 解释器，这意味着 NumPy、SciPy、PyTorch 等整个 Python 生态的库，导入即可用，行为与在 Python 中完全一致，无需重写一行代码。 

 代码长这样： 

from std.python import Python  

def main():     

    np = Python.import_module("numpy")     

    array = np.array(Python.list(1, 2, 3))     

    print(array)  # 输出 [1 2 3]

第三，渐进式优化，不用全盘重写。这是 Mojo 与 Rust 最根本的体验差异。在 Rust 里，想把 Python 项目提速，往往意味着推倒重来；而在 Mojo 里，你可以先写普通的 Python 代码，等跑通之后，再在性能热点路径上逐步添加类型注解等 Mojo 特性，让编译器把这段代码优化到接近 C++ 的效率。先求对，再求快，每一步都有收益。 

 这种设计哲学，让 Mojo 的"系统级"不再可怕。它不是要求你一步跨过从 Python 到系统编程的鸿沟，而是给你搭了一座桥——你在桥上走多远，就能收获多少性能，进可攻、退可守。 

05 愿景与展望：从 1.0 到"唯一语言"

 Modular 公司明确表示，1.0 版本是长期旅程的起点，而非终点。官方的路线图清晰而宏大，分三个阶段推进。 

第一阶段：高性能计算核心（已完成）。Mojo 1.0 的发布标志着这一阶段的圆满完成，它已经是一个能编写高性能 CPU、GPU 和 ASIC 内核的稳定生产基础。 

第二阶段：系统应用编程（进行中）。这是 1.0 之后最核心的方向，把 Mojo 从 AI 加速计算扩展到更广泛的系统级应用编程。呼声最高的异步编程（async）、模式匹配、标签联合、私有成员等现代语言特性都已列入计划，未来还将深入并行系统编程和高级内存管理。 

第三阶段：构建开放生态。Modular 承诺在 2026 年内将 Mojo 编译器和工具链完全开源，回应社区对平台开放性与中立性的关切。同时，在 1.x 版本周期内，Mojo 的演进将以添加新功能为主，尽量避免破坏性变更，给开发者一个稳定的依赖环境。 

 而 Mojo 的长期愿景，用一句话概括就是：成为开发者面向 CPU、GPU 及其他加速器等多样化硬件进行编程的唯一语言。它想让"为不同芯片写不同代码"成为历史，让 AI 开发者从工具链的泥潭中解放出来，把精力放回算法与产品本身。 

 2026 年 8 月 18 日的 ModCon 大会，将揭晓更多关于 Mojo、MAX 平台与开源工作的细节。对开发者而言，这是一个值得标记的日子——一门语言的诞生，往往意味着一种新的可能性。 

 Python 统治了 AI 的上半场，而 AI 的下半场需要性能。Mojo 能不能接住这一棒，答案正在被全球近 200 名贡献者和无数尝试它的开发者共同书写。这一次，写 Python 的人不用再羡慕 C++ 的速度了——因为那把快刀，现在握在了自己手里。 

扫码关注 · AI练计箱用最简单的比喻，讲最硬核的技术

— END —