2026 年 8 月 11 日，Modular 宣布 Mojo 语言在其 26.5 版本中达到 1.0 版。对企业主而言，直接的结论是：Mojo 不是您购买的产品，也不是您在公司里安装的工具——它是一门编程语言，运行在您已经使用的 AI 应用之下的那一层。它的写法接近 Python，却能编译成高性能代码，直接运行在 CPU、GPU 和专用加速器上。达到 1.0 意味着其背后的公司正式承诺保持语言稳定，这让在它之上构建一个长达数年的产品成为合理的决定，而不是一场赌博。它对您的影响是间接的，但真实存在：运行 AI 模型的成本持续下降，您在自有基础设施内运行 AI、而不是完全依赖单一供应商的选择也在扩大。

Mojo 为何存在：双语言问题

每个构建 AI 系统的团队都会遇到一个被称为“双语言问题”的老难题。Python 是研究人员和开发者的语言，因为它写得快、读得懂，并且拥有 AI 领域最大的工具生态——但它执行得慢。于是，对性能要求高的部分会用 C++ 等其他语言或专门的 GPU 编程工具来编写，然后再接回 Python。结果是一个被劈成两半的系统：一层易用、用于实验，一层艰难、用于生产；两支技能不同的团队；而每一次性能改进都要求深入到团队大多数人不会写的语言中。Mojo 的设计目的就是弥合这一鸿沟：任何懂 Python 的人都熟悉的语法，在需要的地方对内存和硬件进行精确控制，全部在一种语言和一套工具链之内。

达到 1.0 版本究竟意味着什么

这里的版本号不是营销手段。这门语言于 2023 年首次亮相，此后多年变化迅速——名称不断变动，语法不断被替换——这使得维护任何基于它的长期项目都成为一项反复出现的成本。1.0 版本意味着这一阶段已经结束：1.x 周期内的变更将以新增为主，也就是不会破坏您已有成果的新能力；任何破坏性变更都将被谨慎管理，做法类似 C++ 等成熟语言。这份稳定性承诺，才是决策者真正需要关注的新闻。

Modular 通过两种方式为这一承诺提供支撑。第一，它在内部生产环境中使用 Mojo，作为其商业平台 MAX 和 Modular Cloud 的基础，因此任何破坏性变更的成本首先由它自己承担。第二，围绕它形成的社区：自标准库开源以来，近 200 名贡献者合并了超过 1,100 个 pull request，修改了逾 200,000 行代码，另有一千多人提交了影响语言发展方向的 issue。该公司还承诺在 2026 年内逐步开放更多技术栈，包括 Mojo 编译器和工具链。

26.5 版本的亮点

此次版本的大部分工作是清理与整合：凡是存在不止一种方式表达同一概念的地方，都只保留了一种。变量声明现在统一使用 var，闭包得到统一，单一指针类型取代了多种类型，若干概念也被重新命名以更加精确。与此同时还带来了一些实用的新增功能：

  • 支持 Python 风格的 lambda 语法，用于快速编写内联函数。
  • 稳定得多的语言服务器，显著改善了在 VS Code 和其他编辑器中的日常工作体验。
  • 语言现在能够诊断涉及引用失效的内存安全问题——例如，当向列表追加元素导致指向它的现有引用失效时发出警告。
  • 更广泛、更一致地使用约束子句，并配有描述性信息，让故障更容易追踪。
  • 一套现成的 AI 技能，涵盖项目创建、GPU 编程以及从其他语言移植。

第三点尤其值得关注：在编译时而非运行时捕获内存错误，意味着一整类崩溃和安全漏洞在到达服务器之前就被消除了。这正是过去迫使团队在速度与安全之间二选一的权衡，而 Mojo 正试图消除它。

当您经营一家公司时，一门语言的版本号为何重要

有三个现实原因。第一，运行成本：任何严肃产品的 AI 账单都不是来自训练，而是来自日常使用，模型推理服务层的每一次效率提升，都会直接体现在您每月支付的金额上，或者体现在同一台服务器能承载多少请求上。第二，独立性：随着运行开源模型的工具日益成熟，两种选择之间的差距在拉大——要么从一家供应商那里以服务形式使用 AI，要么按适合自己的条件在自有基础设施上运行它。第三，系统寿命：建立在一门宣布自身稳定的语言之上，意味着两三年后的维护成本更低，而这在任何业务系统的预算中都是一项实实在在的支出。

另一个角度：在自有基础设施上运行模型

同一版本还更新了 Modular 的模型推理服务平台 MAX，新增对两个新模型系列——GLM-5.2 和 Nemotron-H——的支持，并通过其简化的模型编写路径支持 Kimi 2.5。在实践中，这意味着在自己的服务器或自选的云上运行开源模型正变得越来越容易，所需的稀缺专业知识也越来越少。这在沙特阿拉伯具有监管意义：当您的数据属于个人或敏感数据时，把处理保留在您掌控的基础设施之内，可以简化对《个人数据保护法》（PDPL）的合规，并降低向王国境外传输数据的复杂性。工具并不能让您免于合规，但能让合规方案以合理的成本在技术上变得可行。

您现在应该行动吗？直截了当的回答

大多数情况下不必——这并不是轻视这条新闻。如果您经营的是网店、管理系统或移动应用，就没有任何理由用 Mojo 重写哪怕一行代码，您也察觉不到差别。值得展开讨论的场景很具体：当您以高频、大量的方式运行 AI 模型，且其成本在支出中清晰可见时；当您需要在很窄的时间窗口内处理大量数据时；或者当响应速度本身就是您产品的竞争优势时。除此之外，这条新闻对您来说只是一个方向信号，而不是要求改变任何东西的号召。

我们为客户选择任何新技术时遵循的规则是：技术之所以被引入，是因为它解决了一个现实存在且经过衡量的问题——而不是因为它新。

不要因为一项技术最新就选择它。选择它，是因为它能降低一项您知道具体数字的支出，或者解锁一项您今天还不具备的能力。

应该向您的软件供应商提出哪些问题

  • 我们每月运营账单中有多少是 AI 支出，具体来自哪一项：使用量、存储还是服务器？
  • 我们的系统是否被锁定在单一供应商上，还是模型层可以替换？
  • 在我们自己的基础设施上运行开源模型有哪些选择，与现在相比成本如何？
  • 我们的客户数据在地理上于何处处理，这是否符合个人数据保护的要求？

这些问题适用于任何会议，提问也无需技术背景，但答案会准确揭示您的系统相对于这一转变处于什么位置。

参考来源