所以我终于有机会看看 Mojo/Modular。它并不是我想象中的那样，它是一个 OpenCL 替代品 + 内核实现，而不是一个 AI 编译器。 虽然这使得快速获得完整性能变得容易得多，但我认为图灵完备性在这些东西上是个错误。我们终于有机会生活在一个纯数据流的世界，为什么不抓住这个机会呢？像这样的语言并不将计算的定义与计算的调度分开。 阅读 Halide 博士论文，我对这个想法着迷。随着神经网络在编程方面变得越来越出色，我们想要的是以最简洁的方式表达 *确切* 的程序功能，而不必担心如何实现的细节。把这些留给机器。 注意这里的参数 "maybe_epilogue_func"。如果你想要两个将结果存储到不同缓冲区的尾声函数，或者链式归约呢？循环在这个 conv 函数内部，所以改变已经太晚了。阅读 tinygrad conv 以作对比。 "在我几十年的编译器构建经验中，我从未见过“足够聪明的编译器”的神话真正实现过！" -- @clattner_llvm 我们打赌，随着现代搜索技术（即：AI）的发展，这种情况最终会改变。尽管采取另一种立场是完全合理的，如果在接下来的 10 年内没有实现，Mojo 可能是权衡空间中的正确选择。