上一篇 Claude Code、Gemini CLI、Cline 全是 TypeScript 写的，这不是巧合 发出去之后，我心里还悬着半个问题没答：应用侧全是 TypeScript，可我学模型、跑微调、看论文代码，碰到的又全是 Python。两边的人都说自家才是"AI 时代的语言"，到底谁说得对？
这篇把账算清楚。先给结论：
都对，因为它们不在同一层干活。Python 站在模型那一层，TypeScript 站在产品那一层，中间只有一小块重叠的战场。
赶时间的话，这张表就是全文：
| | |
|---|
| 各自垄断了一层：Python 垄断"造模型"，TS 垄断"把模型做成产品" | |
| | |
| | |
| | |
一、三个榜单，三个第一
先看数据，这也是这篇敢叫"基于事实"的底气。
2025 年 11 月，GitHub 发布 Octoverse 年度报告：2025 年 8 月，TypeScript 按月度贡献者数第一次成为 GitHub 上使用最多的语言，月度贡献者 263 万，一年涨了 66%，把 Python 和 JavaScript 都压了下去。这是十多年来 GitHub 语言榜最大的一次变动。
同一年，TIOBE 指数上 Python 以创纪录的份额排第一。Stack Overflow 2025 开发者调查里，自报"过去一年深度使用"最多的是 JavaScript（66%），而 Python 是所有语言里年度涨幅最大的，涨了 7 个百分点。
三个榜单打架，不是数据有假，是量的东西不同。GitHub 数的是"谁在提交代码"，TIOBE 数的是搜索热度，Stack Overflow 数的是开发者自报。三份数据放在一起看就清楚了，两门语言都在涨，只是涨在不同的位置。
GitHub 自己对 TypeScript 登顶给了归因：AI 辅助编码普及后，团队更愿意用带类型的语言接住 AI 生成的代码，加上主流前端框架的脚手架默认就是 TS。这个归因值得记住，第三节还会回来。
二、Python 那一层：不是语言赢了，是生态赢了
有件事多数人知道，但没细想过：Python 很慢。纯 Python 跑个循环，比 C 慢两个数量级不止。
那 AI 训练这种地球上最吃算力的活，怎么会交给一门慢语言？
因为活不是 Python 干的。PyTorch 的底层是 C++ 和 CUDA，矩阵乘法跑在 GPU 上。Python 在整个训练过程里只干一件事：发号施令。 它像餐厅里点菜的服务员，菜是后厨做的，没人嫌服务员写字慢。
所以模型这一层拼的从来不是语言性能，是生态。盘一下 Python 手里的牌：
框架：PyTorch、JAX、TensorFlow，第一公民接口全是 Python；数据：NumPy、pandas，二十年科学计算的积累；模型资源：Hugging Face 的 transformers 库，下载模型、微调、评测一条龙；推理：vLLM、SGLang 这些主流推理引擎，对外接口还是 Python；论文：想复现任何一篇模型论文，官方代码仓库基本都是 Python。这些牌不是一年攒出来的，是从 2006 年 NumPy 定型开始攒了二十年。"造模型、调模型、评模型"这一层，Python 没有对手。
三、TypeScript 那一层：模型造出来，总得变成产品
模型训练完，躺在权重文件里，一分钱不值。它得变成用户能碰到的东西：一个网页、一个编辑器插件、一个命令行工具。
这一层的地基，天然长在 JavaScript 生态里：
浏览器只跑 JS（和 WebAssembly），网页产品没得选；VS Code 的插件只能用 JS/TS 写，Cursor、Cline 这些 AI 编程工具都长在这上面；npm 和 npx 让"发布一个工具给别人试"这件事的成本接近零。在这个地基上，AI 时代又给 TS 添了两把火。
第一把火是官方设施。OpenAI 和 Anthropic 的第一方 SDK 都只有两种语言：Python 和 TypeScript。MCP 协议最早的参考实现是 TypeScript SDK，LangChain 也维护着 Python 和 JS 双版本。做 AI 应用需要的零件，TS 这边一件不缺。
第二把火就是第一节留的那个归因：AI 写代码的时代，类型是护栏。 模型批量生成代码，字段名写错一个，TS 在编译期当场报红；换成动态语言，得等程序跑到那一行才炸。你自己写代码时类型是负担，AI 替你写代码时类型是验收标准。GitHub 把 TS 登顶直接归因于此。
至于为什么 Claude Code、Gemini CLI 这些命令行工具也选了 TS，上一篇 Claude Code、Gemini CLI、Cline 全是 TypeScript 写的，这不是巧合 拆过四条理由，这里不重复。
四、能不能互相替换？两端不能，中间随便
把整个 AI 技术栈画成三层，替换问题就清楚了：
TS 往下打过，没打动。 TensorFlow.js 2018 年就能在浏览器里训练模型，七年过去，研究圈没人用它写论文。不是语言不行，是 CUDA 工具链、科学计算库、论文复现习惯全在 Python 侧，这座山搬不动。
Python 往上打过，也没打动。 浏览器不认 Python。Pyodide、PyScript 靠 WebAssembly 把解释器塞进网页，光运行时就要下载十几 MB，启动秒级，做玩具可以，做产品没戏。
真正能换的是中间那层：Agent 的服务端、API 编排、工具调用这些活，两边都能写。不信你看同一件事在两门语言里长什么样。
Python 调一次模型：
from anthropic import Anthropicclient = Anthropic()msg = client.messages.create( model="claude-sonnet-5", max_tokens=1024, messages=[{"role":"user","content":"你好"}],)print(msg.content[0].text)
TypeScript 调一次模型：
import Anthropic from"@anthropic-ai/sdk";const client =newAnthropic();const msg =await client.messages.create({ model:"claude-sonnet-5", max_tokens:1024, messages:[{ role:"user", content:"你好"}],});console.log(msg.content[0].text);
三个看点：
两段代码几乎逐行对应。官方 SDK 故意设计成镜像，就是不想让语言成为门槛；差别全在语言外围（await、类型标注），跟 AI 能力没有半点关系；所以中间层选语言只看一条：你团队现在用什么。别信"哪个语言更适合 AI"这种话，在这一层它是伪命题。问"TypeScript 会不会替代 Python"，就像问"餐厅会不会替代后厨"。 一个管把菜做出来，一个管把菜端给客人，谁也吃不掉谁。
五、想入行 AI，先学哪个
把前面的分层翻译成选择题：
再给两条我自己的判断，不是数据，是立场：
第一，如果你在转行（比如像我一样从 iOS 客户端转），两个都躲不掉，但顺序有讲究：先用 Python 学概念，因为从吴恩达的课到 Hugging Face 的教程，教学材料的密度是 TS 的十倍；概念通了之后想做东西给人用，再补 TS，语法一周就能过，真正要学的是 npm 生态那套玩法。
第二，别在语言选择上耗超过一天。LLM 已经把换语言的成本打到地板了，你用 Claude 把一段 Python 翻成 TS，比自己查文档快得多。语言不再是护城河，对每一层生态的熟悉程度才是。 卡在"学哪个"上一个月，不如两个各写一周，身体会告诉你答案。
语言之争是个假问题，分层才是真答案。你现在手上的 AI 项目在哪一层？评论区说说你的语言组合，我看看有多少人跟我一样两头跑。觉得这篇把账算明白了，转给那个还在纠结先学哪个的朋友。
关于我
曾在多家大厂做 iOS 资深工程师，也长期坐在面试官这一侧。定位疑难问题、性能与项目优化、架构设计、底层原理，是我过去吃饭的手艺。
现在全力转行 AI 开发，一边从零手搓 Agent 把整条工程链路走通，一边啃 AI 运行框架和算法基础原理。转行路上踩的坑、想明白的事，都会写在这个号里。
如果你也在做 Agent，或者同样在从客户端往 AI 转，欢迎关注，评论区随时交流，一起进步。
