MIT 项目如何演变为全球语言 Julia
How an MIT research project became a global programming language
2009 年，一群 MIT 研究人员因对现有科学计算语言既僵硬又缓慢感到沮丧，决定自研一款新语言。他们创建了 Julia，旨在让科学家和工程师无需精通编程也能构建高性能应用。如今，Julia 已拥有超过 100 万用户，被用于从模拟原子行为到设计喷气式引擎、开发 Moderna 疫苗等广泛领域。其核心优势在于独特的即时编译技术，兼具 Python 的易用性和 C 语言的速度。JuliaHub 团队进一步推出了 Dyad 3.0，利用 AI 代理自动处理物理仿真与系统设计，将原本需要数月的工程设计工作缩短至数小时，彻底改变了复杂系统的开发模式。
研究人员会告诉我，他们告诉主管自己用 Julia 是因为它速度快，但千万别告诉主管用 Julia 其实是因为它真的很有趣。
HN 评论区
23- prof-dr-ir
如果你要做数值计算，并且希望显式地写出内层循环，同时又不想牺牲太多性能——无论是出于教学目的，还是因为你想对算法进行微调——那么 Julia 简直太棒了。
从零开始写一个文件，导入一下 LinearAlgebra，然后从头开发卷积神经网络或马尔可夫链蒙特卡洛算法，这个过程非常有趣。更令人欣慰的是，这样的程序速度足够快（看看 Python 吧），足以在 MNIST 数据集上训练，或者计算出临界指数的合理估计值。
我不确定是否有比 Julia 更适合做这类事情的语言了。
- myrmidon
Julia 用起来真的很有趣，我认为他们在类型系统上的设计很有见地：复杂类型在模块边界之间的交互比大多数其他语言都要好得多；这里有一个由其中一位创建者带来的精彩演讲：
https://www.youtube.com/watch?v=kc9HwsxE1OY
在我看来，这门语言最大的缺点在于，Julia 本质上是一个 LLVM 工具链，却“假装”是一门解释型语言（技术上确实如此）。这经常导致首次执行的延迟非常慢（几乎迫使你保持解释器运行，而不是每次编辑文件时都重新调用它）。
- maxall4
我真的很想喜欢 Julia。它拥有不错的类型系统、良好的生态、合理的语法，而且速度远快于 Python。但有几个开发体验（DX）方面的问题阻碍了我使用它：其中最严重的是 JIT（或类似 JIT 的系统）完全缺乏缓存机制，导致运行时间不到 100 毫秒的脚本需要数秒的编译时间。虽然有一些第三方包试图解决这个问题，但它们远未达到官方包的质量，而且据我的经验，bug 相当多。
（我上次尝试 Julia 是几年前的事了；也许现在已经有改进？）