雷峰网讯“重构”是伴随大模型的热词之一。无数人喊出这个口号股王配资网站，朝着软件、公司乃至一个行业的既有模式摩拳擦掌。然而即使是这样的壮志也仍然没有触及变革的最底层，在应用层之前，张宏波认为，大模型首先应该要重塑的是编程语言本身。
作为构建软件的基石和核心工具，编程语言的发展周期无比漫长，是“十年听个响”——也就是说，一门全新的编程语言，从开发者写下第一行代码开始，直到十年之后才偶尔会有人听说它。相较之下，自2022年ChatGPT发布以后就日益为公众所熟知的大模型，则是彻头彻尾的新生事物。
张宏波关注到二者之间的反差并不令人意外，他是国内最早从事编程语言研究的人之一。2023年，OCaml语言斩获SIGPLAN软件大奖，张宏波曾是其核心开发人员之一。后来他主导开发的BuckleScript更是得到了Bloomberg、Meta等企业的大规模商用，是首个由中国人主导的在国际范围内具有一定影响力的通用编程语言。
2022年，ChatGPT的发布让“大模型”三个字真正破圈而出，很多人从此意识到时代变了，从事基础软件研究的张宏波亦在其列。
彼时他刚刚离开自己供职了五年的Facebook，加入IDEA研究院基础软件中心，打算再次从零开始开发一门亲自主导的编程语言MoonBit。当他把仅开发了一个月时间的语法说明文档送进ChatGPT时，结果令他“非常震惊”：“它能把MoonBit代码生成出来，而且还有模有样的。”张宏波回忆，“ChatGPT让我们看到AICoding这个领域取得了很大的突破。”
在震惊的同时，一个问题也跃上张宏波心头：当模型的代码生产力超过人类程序员，那么AI时代需要什么样的编程语言？
“Python在90年代就开始开发了，Rust语言也是将近20年前的事情，它们优化的点和AI时代需要的完全不一样。”张宏波称。已经成型的编程语言存在着对AI并不友好的设计，且难以改变，而自己手中刚刚起步的MoonBit则有机会成为第一门支持AI原生的编程语言。
这不仅意味着在性能、安全性上贴合AICoding的语言特性选择，更是在编译器、IDE、调试器、包管理系统等工具层面弥补模型的短板。不同于AICoding赛道上的同行们，张宏波选择从最底层的编程语言开始重塑整个工具链，最终交出一款名为MoonBitPilot的端到端软件deliver。
“这一整套技术可以快速把想法变成软件。”他说，“Devin没有做起来，但我们大概率可以，因为我们对工具链的掌控能力更强。”
今年9月19日是MoonBit正式立项的三周年，但Moonbit的用户规模已近十万。在和张宏波的对谈中，他告诉我们，编程语言的开发已进入收官阶段，未来将正式开启商业化。
张宏波表示，开发MoonBit最初的动因是遗憾。他曾经开发了一门语言叫BuckleScript（OCaml的JavaScript编译器，通过静态类型与编译时优化，可以把ML系语法转成可读JS代码，支持热重载与Node生态，是ReScript编程语言的前身），尽管BuckleScript有着和Dart语言不相上下的技术含量，却没有得到应得的知名度。此番再次得到机会主导开发一门全新的编程语言，他从一开始就希望MoonBit超越单纯的学术语言，成为一桩健康、可持续的事业。
“如果不能商业化或者商业化不成功，那MoonBit就是一锤子买卖，事情到这就结束了。相反如果商业化成功了，我们把MoonBit做成了一家很好的公司，那么同行很容易识别出同行，那些同样有很强技术背景出身的人也能看到我们，这样MoonBit才会进入健康可持续的状态。”这是张宏波目前最大的心愿。
以下是AI科技评论与张宏波的对话全文，为方便阅读，进行了不改变原意的文字调整。
原生AI支持，大模型时代的编程语言
AI科技评论：可否介绍一下您的学术经历，是如何开始编程语言方向研究的？
张宏波：我有一定学术背景，还是工程师出身，做编程语言工具链已经小20年了。2008年，我在清华的本科毕业设计就是一门动画编程语言。当时我是在清华电子工程系和微软亚洲研究院联合培养，原计划是继续去读机器学习的博士。但是因为我本人对编程语言比较感兴趣，沈向洋老师，也就是我现在的老板，就把我送到了宾大做编程语言相关的研究。
在宾大读博期间，我成为了另外一门编程语言OCaml的核心开发人员。它有一个很复杂的组件需要人维护，当时主要是法国的科研机构INRIA在做这件事，后来破格邀请我作为学生参加。后来Bloomberg（彭博）用Ocaml写了一个金融衍生品定价软件，需要找用这门编程语言的维护人员。因为这不是一个标准的编译器，懂的人比较少，所以给了我一个不错的offer，我就去纽约工作了。
Bloomberg这家公司是卖金融终端的，虽然用OCaml编译器比较多，但前端渲染用的是JavaScript。我用一个周末写了一个编译器，把OCaml编译器编到JavaScript，这样就可以实现一些代码重用。我的老板很喜欢这项工作，它就从我的hobbyproject发展成了公司赞助的项目。我们公司当时有三四千软件开发人员，这个项目，也成了公司当年最受欢迎的开源项目，叫BuckleScript。
2017年我从纽约回国，按常规来讲可能会去大厂工作。但当时Facebook找到了我，说他们把BuckleScript用在了FacebookMessenger和FacebookChat上，希望我能继续维护，我就在Facebook待了五年时间。五年后沈老师从微软退休，到深圳办了IDEA研究院。刚好我也想做点更有意思的事情，就来到了IDEA基础软件中心，又开始专门做编程语言。
AI科技评论：开发一门新的编程语言，一般是出于什么目的？
张宏波：分为两种场景。公司级的编程语言是为自己服务，比如苹果要开发自己的IOS，他们会希望用一种自己可以随时随便修改的编程语言；’微软有Windows平台，他们也需要提供一整套开发工具。第二类是个人开发的编程语言，这种是因为开发者看到了一些他们觉得应该解决的问题，这两类语言的发展路径是不一样的。
谷歌有两种比较有名的编程语言，Go语言和Dart语言。其中Dart语言完全由公司需求驱动，就是一种公司战略语言。而Go语言虽然也是由谷歌开发，但主要是为了解决异步高并发问题，整个发展趋势就更像是在个人主导下解决某些特定领域问题。
AI科技评论：那么MoonBit语言希望解决的特定领域问题是什么？
张宏波：现在大部分的AICoding都是基于现有的编程语言，依托它们那些很成熟的生态和工具链去做解决方案。这种方案的做法就是把某种编程语言的代码收集起来，然后把数据喂给AI，再让它吐出来，但这样的生成结果没什么保证。因为首先AI生成的东西可能有些非常低级的语法结构错误，另外大模型在训练的时候吃了整个互联网上的数据，这部分数据里还有很多别的编程语言。不同编程语言之间有相似性，直接让AI生成代码很有可能产生幻觉，最后会给你很多似是而非的代码，这个体验感就不太好。
大模型其实是很新的东西，但编程语言的发展周期很漫长，没有AI的时候，可能十年才能听个响，也就是一门编程语言从写第一行代码开始，直到十年之后才偶尔有人听说它。所以现在已经功成名就的编程语言，都是很早之前上市的。Python在90年代就开始开发了，Rust语言也是将近20年前的事情，它们优化的点和AI时代需要的完全不一样。这就是MoonBit要解决的问题，我们有原生的AI支持。我们做的也不仅仅是一门编程语言，还有基于这个语言的CodingAgent，我们叫MoonBitPilot。
AI科技评论：对于一门编程语言来说，“原生的AI支持”要如何理解？
张宏波：以前我们设计编程语言的时候会考虑人机交互，因为这个时候是人的生产力更高。那有了大模型以后，不一样的点在哪？
首先是AI生成代码。AI的出码速度其实和人差不多，当AI能生成一万行代码以后，写代码已经不是瓶颈了，代码审核才是重点，你会希望AICoding的可靠性可以更高。如果AI给我生成了十万行JavaScript源代码，我是不敢维护不敢接手的，因为AI很可能只是快速给了我一个原型，可能可以跑起来，但如果以后我要扩展，继续增加特定功能，那我肯定会很痛苦。这里面还有安全性问题，AI生成的一万行代码如果存在安全漏洞，用户的损失也是很大的。所以我说，AI时代对代码可靠性的要求会非常高。
另外就是更加强调编程语言的性能。为什么这么说呢？Python为了人机交互方便、开发效率高牺牲了性能，但如果用AI来做代码生成，就可以几乎零成本地获得代码，这时候对编程语言的性能要求就会更高。如果在同样的生成速度下，MoonBit可以比Python快10到100倍，那没有道理用AI来生成Python而不是MoonBit。
AI科技评论：针对AICoding的这些特点，MoonBit做了哪些设计？
张宏波：我举个例子，Java运行的时候可能会抛空指针异常（nullpointexception），而MoonBit可以在编译层面就杜绝这种运行错误。更极端地，写好的MoonBit代码可以通过数据做形式化验证，保证输出代码是完全符合规范的。我自己就是AI的高度使用者，接手AI生成的代码其实是非常难的一件事。AI一开始给了你一个可以工作的版本，但你还需要让AI能自动重构，让代码变得更整洁，让接口变得更低耦合、高内聚。我们有很多设计都在往这个方面靠，就是通过在编译的时候做丰富的静态分析，保证代码的可靠性。
其实这也是有传承的。我学生时代做OCaml语言，用它用得最多的是纽约最大的金融机构之一JaneStreet，他们对软件可靠性的要求很高。因为一旦出了bug，就会有很大的经济损失，所以这些设计思路都是一脉相承的。
另外编程语言本质上是一个给程序员提供各种各样抽象的机制。函数是一种最基本的抽象，很自然地你会希望这个函数可以通用，可以有泛型（Generics）。泛型就需要组建的数据有结构体，每种数据有不同的分支，你可能需要一个enum枚举类型（在MoonBit语法中，enum枚举类型是一种把有限多种彼此排斥的函数打包成同一类型的机制，支持用户简洁地处理同一抽象但不同形状的数据，是写泛型、处理分支逻辑的核心工具）。MoonBit有个很大的特点在于，它是一种对数据处理非常友好的编程语言。
比如你拿JSON过来，我们有原生的JSON处理可以直接做模式匹配，而且是纯静态的。如果你给我字符串，我可以原生地用正则表达式进行匹配，而且效率很高，不存在安全漏洞。如果你给我原生的XML字节流，我可以对它用比特位来进行匹配。MoonBit最大的语言特性就是对数据处理非常友好，这也是根据我多年经验的设计。当你写了很多业务APP，你会发现干得最多的事就是把数据从某种格式转换成另外一种格式，所以我们针对这点做了很多强化工作。
AI科技评论：对Moonbit的这些强化是否基于一种全新的语言逻辑，还是主要在工具链层面实现？
张宏波：在用户看来语言逻辑是一样的，但是我们的运行系统会更丰富。比如代码抛异常的问题，绝大部分语言不会要求编译器跟踪代码，看哪段可能抛哪段可能不抛，但MoonBit的编译器会。在代码还没有跑起来的时候，它就会告诉你这段代码有没有可能抛异常。相当于我们做的是一整套开发者工具，包括编译器、IDE、调试器、包管理系统、测试覆盖率工具，还有我们自带的AgentMoonBitPilot，这是一整个全家桶。
这样做的工程量非常浩大，需要的时间也很长，一般只有公司级的编程语言才会倾向于做全家桶。Python、Rust这种个人开发的语言一开始往往只是写了几个编译器，后来的人慢慢贡献了各种各样的工具。但这就不是一种全局的视角，开发的时候不考虑这个问题，后面的IDE会特别难做。MoonBit从一开始就考虑了一整套工具链，所以我们做的不是一个编译器或者一种语言规范，而是一个编程平台。MoonBit有自己的工具系统，这是我们和其它编程语言的一个很大不同。
专属语言工具，“把AI当成用户看待”
AI科技评论：从2022年团队成立到今天，MoonBit的开发已经过去三年时间，这中间经过了哪些发展阶段？
张宏波：2022年9月16号，我们部门成立开始招人，一直到2023年8月18号我们发布了MoonBit的Alpha版本，这是第一个阶段。Alpha版本发布当天，我们就上了HackerNews头版头条。外界反响比较好，这对我们的激励还是很大的。
下一个节点是Native后端。其实我们一开始定的scope没那么大，当时只准备做WebAssembly，因为在这样的平台上生成代码会很高效。但是在做了大概两年之后，我们开始支持用户编译到X86汇编、ARM汇编，这样我们就不再只是聚焦于一个小场景的编程语言，而是彻彻底底的通用编程语言。
第三个节点就是这个月月底了，我们会发布一个异步网络框架。今年6月我们发布了Beta版本，和Alpha版本比起来，这次更新之后MoonBit的语言特性已经基本稳定，还有了相对比较完善的包管理。其实到此为止MoonBit已经跑通了所有环节，可以做端到端应用开发，基本上到收官阶段了。
现在MoonBit语言特性是非常丰富的，我个人感觉即使和Go语言的最新版本比也是相当的，甚至可以媲美Swift、Kotlin这些主流编程语言。另外我们在错误处理方面，也可以和最新的SOTA相媲美。和1.0版本比起来，Beta版本就差在月底发布的异步功能。我们的第一个开源项目就是用MoonBit写智能体，因为这项任务会涉及到很多异步的网络通信。
AI科技评论：为什么选择WebAssembly作为MoonBit支持的第一个后端？后来添加原生后端又是出于什么考虑？
张宏波：作为一门编程语言，早期想获得核心客户是很难的。因为一开始什么都缺，工具也经常出bug，所以我们就瞄准了WebAssembly。这是一个2017年出的标准指令集，对MoonBit这样的新编程语言来说，去做新编的标准指令集是有优势的。我们是后发者，可以为它的特性专门做一些设计。MoonBit在WebAssembly平台上输入的代码体积很小，性能很好，这也是为什么我们在第二年就有了第一个付费客户。但这也只是MoonBit的第一个落地场景，我们的最终目标还是覆盖全场景，做一门通用编程语言。Native后端的应用场景更多，所以对我们非常重要。
一开始做架构设计的时候，我们就用了分很多层的IR，这样添加新后端的工作量就不是那么大。现在MoonBit有四个后端：编译到WebAssembly，包括有GC和没GC（垃圾回收）的两个版本；编译到原生后端，也就是机器码，也有编译到C语言和通过LLVM直接输出机器码两种选择。我们还有一个后端是JavaScript，这个用来做前端UI开发，将来我们会实现全栈开发。
AI科技评论：Python、Rust这些个人开发的编程语言最终在全球范围内都非常流行，您认为对MoonBit来说有什么启示？
张宏波：一种编程语言能不能成为现象级的编程语言，方方面面的因素都有。有可能它本身设计得就比较好，比如Rust确实解决了一些问题，但同时还有其它非必然因素。比如Python，2010年前后它的用户量已经在Node.js的影响下开始有了下降的势头，但后来又被AI给带火了。其实一种编程语言能流行起来，还是有很多偶然因素的。
2022年国庆节前，我加入了IDEA，刚好一个月之后ChatGPT发出来，我们就注意到AI用在代码生成上非常靠谱。我在宾大读博的时候，最后一个项目叫programsynthesis（合成代码），所以我对合成代码这个领域还比较了解。我们把MoonBit的语法，当时还是开发语法的说明文档送进ChatGPT，它就能把MoonBit代码生成得有模有样的，我们非常震惊。ChatGPT让我们看到AICoding这个领域取得了很大的突破，所以后来整个语言设计才考虑了很多AI的因素。
AI科技评论：和现有的AICoding产品相比，MoonBitPilot在工程上做了哪些创新？
张宏波：目前最重要的是理解AI有哪些局限，然后提供一些专属于MoonBit的语言工具来克服。
比如修改函数，第一件事是去找相应的代码在哪。如果你像OpenAI的Codex或者Anthropic的ClaudeCode那样grok整个文件，效率是很低的。而我们MoonBitPilot通过内部构建的语义分析工具，一下就可以找到。
我们比Claude更懂MoonBit编程语言，所以可以提供很多内置的原生的工具，而且我们也更懂编程语言的应用场景。比如在做代码重构的时候，经常会一下出现几千个warning。如果你让Claude一个一个地修，那很容易就把context给用完了。但是因为我们知道哪些warning是相对独立的，所以就可以把它作为一个并发的，跟上游无关的问题来进行修复，这样做效果会好很多。
传统来讲你会给VSCode开发一个IDE插件，我们同样可以给大模型开发一个基于文本的工具。我们现在就在开发两套IDE，一套给用户，另外一套就是给大模型用的，这样MoonBitPilot就可以自动通过IDE去重命名、查找代码、查找文档。这也算是MoonBit跟其它编程语言一个比较大的区别，我们把AI当成用户看待。
AI科技评论：那在模型层面，MoonBitPilot专门做了posttraining（后训练）吗？
张宏波：我们将来会做posttraining，但现在还没有。预计到今年年底，在我们的包管理上会有一千万行代码，到明年年底会有一亿行比较高质量的MoonBit代码。等我们达到一亿行以上的数量级之后，就会做自己的posttraining，在达到这个数量级之前去做意义是不大的。
其实我们比较惊喜地关注到，Claude4.0已经非常懂MoonBit了，我们的很多库已经可以用Claude4.0生成。它相比Claude3.7有了巨大的跃迁，但并不是智能水平本身提高了，而是因为4.0的训练截止日期是2025年3月份。它读了相当多的MoonBit语料，这方面能力就变得很强。
智能还会不会有大的跃升，这是最大的不确定性。我目前观察到的趋势是智能已经到顶了，这当然是个变数，但在这个假设成立的前提下，新的大模型在预训练中还会有更多新知识喂进去，未来的新模型对MoonBitPilot会有极大的推动作用。OpenAI基模预训练数据的截止日期都在一年之前，但他们终究还是要更新上来的。
AI科技评论：过去LLVM（一套模块化、可重用的编译器基础设施）与WASM（即WebAssembly）可以提供共享的中间表示或字节码，但没有直接在源代码层面实现互译。现在AICoding在代码补全、跨语言片段翻译上已经表现出实用价值，这种能力未来能否扩展到大规模的编程语言互译上？
张宏波：我们现在已经在做这件事情。MoonBitPilot会给用户一个GitHub地址，可以把别的编程语言代码翻译成MoonBit的代码。我们的生态之所以能加速，也有这部分原因。但目前来看，在不同编程语言之间进行翻译，最后还是要人工审核过滤一下，因为不同编程语言之间有很多语义本身就是不匹配的。
举个简单的例子，Python的整数可以无穷大，但有的语言出于性能考虑，可能只有32位或者64位。所以在这些语言之间，如果要在没有人工干预的情况下实现100％转换，是不太现实的。只是两种语言的特性越接近，工作量就越小。
AI科技评论：在MoonBit之前你已经开发了不少编程语言，相比之下这次的开发经历有什么不同？
张宏波：MoonBit这次不一样在哪呢？之前做BuckleScript还有Ocaml的时候，刚开始都是一两个人在做，scope比较小。现在在IDEA这边，团队的人数虽然不是很多，但我们一开始就是有一个团队在做这件事，所以节奏就很快。这个月底我们把异步框架发布出来以后，就可以用MoonBit写一些很复杂的应用了。从2022年9月19号到现在，算起来刚好三年。
MoonBit的进度能比较快，还有两方面原因。一是我本人已经做了很久的编程语言，语言设计的每个环节我都摸过一遍了。我在Facebook的最后一年基本都在休假，就自己写了很多小语言，把每个pipeline（流水线）都写了一遍，所以这次起步才能非常快。
另外这里也有人口红利的因素。我们是国内最早做编程语言的团队，所以能招到那些很有能力的人。编程语言和一般的软件开发不一样，最核心的设计不是靠人多堆出来的，可能几个人就够了。语言设计是一门艺术，不存在哪种语言绝对更好。语言的核心设计，比如类型系统长什么样、选哪些语言特性、语法，这些东西都没有标准答案，完全依靠设计者的品味来决定，可以说everythingisabouttaste。
AI科技评论：可以评价一下自己的品味吗？
张宏波：在语言设计方面，我觉得我还是很有品味的。主要是见过的太多，你就知道每一门语言的抽象都有代价。实现某个特性需要付出相应的budget，你需要在这里做出取舍，所以怎么实现，以及代价是不是值得，这两方面都要懂。
持续商业化，MoonBit不做一锤子买卖
AI科技评论：MoonBit的团队规模目前多大了？
张宏波：我觉得我们团队非常出色。我们有十几位技术员工，两位负责运营的同事，还有一些实习生。很小的规模，但是很年轻，90％的成员都是第一次参加工作，大家都是本科毕业或者研究生毕业直接加入团队的。我们的管理成本也很低，因为大家自己都很喜欢做这件事情。我们从来没有要求过周末加班干活，但有一次我周末去公司，一打开门发现大家都在那写代码，就是喜欢干。
我们团队的主力是97到01年的，最小的员工是02年的，年纪越小反而越能打。国内年纪大一点的人才里，专门做编程的比较少。要想在编程领域做出一番成绩，还是需要长时间的耕耘，但国内以前没有过跟我们类似的工作机会。做编译器的人国内不少，但要说做语言设计，整个供应链是没有的。不过中国的人才基数大，在小朋友里能找到很多怪才。
AI科技评论：从2022年到现在，团队遇到的最大困难是什么？
张宏波：最困难的就是前8个月。从2022年9月19号到2023年8月18号，当时没有人觉得我们可以做成，大家都觉得MoonBit就是在搞一个学术语言。直到我们发布了第一个版本，人家才看到你好像真的可以。当时国内除了我们也只有一家公司在做这件事，所以那之后招人也越来越顺利。
现在MoonBit已经基本要做成了，但这也只是我们的第一个milestone，未来我们还想把它做成一件可持续、可商业化的事情。我觉得商业化的成功是非常有意义的，我不是很在意钱，我愿意降很多薪水来组个团队把事情做成，但如果不能商业化或者商业化不成功，那MoonBit就是一锤子买卖，事情到这就结束了。相反如果商业化成功了，我们把MoonBit做成了一家很好的公司，那么同行很容易识别出同行，那些同样有很强技术背景出身的人也能看到我们，这样MoonBit才会进入健康可持续的状态。这是我最大的心愿，我希望MoonBit就是我的最后一份工作了，而AI刚好给了我们这样一个商业化的机会。
AI科技评论：你对MoonBit的商业化有什么设想？
张宏波：刚刚开始做MoonBit的时候，还没有AICoding这样一种商业化变现的方式。当时我觉得我们的上限就是Matlab、Mathematica这种公司，就是有些人在用，但不会做得很大。AICoding出来以后，我是比较乐观的，因为这个市场足够大了。以前的开发者工具是生产力工具，你的服务对象是程序员，但是能通过AI生成代码以后，我们就可以更进一步，可以直接卖软件卖服务了。未来我们的商业化不再会是卖IDE的思路，用户不需要知道产品是基于MoonBit语言的，这只是我们一项冰山下的技术。
未来我们想做成一个端到端的软件deliver（交付），有点像之前很火的创业公司Devin，这一整套技术可以快速把想法变成软件。他们没有做起来，但我觉得MoonBitPilot大概率可以，因为我们对整个工具链的掌控能力更强。一种现成的语言可能设计成了对AI不友好的样子，如果你不主导这个语言，那很难去改动那些已经定型的设计。
未来MoonBitPilot一定会是个非常大的市场。软件的构造成本可能在未来三到五年内降到以前的十分之一甚至百分之一，很多软件都要准备重写。即使一款软件已经在工作了，如果能够通过AI无痛地转移，同时效率提高10到100倍，你会不会干？你肯定有动力干，而且很多长尾需求也会被激发出来。
AI科技评论：从把MoonBit做出来到做成一个健康可持续的商业案例，这中间还有哪些困难？
张宏波：MoonBit在国内基本可以说是独苗，我们现在已经有很多用户，将来的商业化是顺其自然的事情。我自己很有信心，但很多时候需要资金扶持，说服投资人相信这件事是比较难的。
如果是不太了解编程语言的投资人，可能都没有听说过有哪些中国团队做过这样的事情。和在硅谷创业比起来，这也是在国内创业比较有挑战的地方。比如GitHub的CEO就是投资人，你跟他讲MoonBit他肯定能听懂。还有我的前老板扎克伯格，他对AI产生兴趣之后自己闭关写了两周代码，他自己就是个非常technical的人。但是在国内，很多投资人就没有编程背景。
国内的投资人主要是靠生意模式，而没有靠一家非常hardcore的软件公司赚到过钱，所以MoonBit没有先例。但我们的用户在持续增长，我们会有很好的数据支撑，通过实际的datapoint（数据点）来证明这件事情。
AI科技评论：MoonBitPilot的主要受众会是哪些群体？
张宏波：我们现阶段主打ToC，大概有10万用户，主要分两类。一类是国内搞信息学竞赛的选手，他们对这种东西很感兴趣。另一类是国外用WebAssembly做商业化开发的人。我们的策略是先ToC再ToB。就是希望MoonBit在开发者中间先有比较好的口碑，然后倒逼管理层采纳我们，所以会尽量让更多开发者用上我们的编程语言。
程序员能提供的市场是很有限的，一种模式是智能体辅助程序员写代码，因为需要实时交互，提高的生产力可能只有百分之三四十。我们未来想做的是同时有十几个甚至几百个Agent给你写代码，人就相当于一个监工。到时候更多的是异步AI编程，人不需要坐在电脑前面实时看着代码，只要等结果就可以了，这样提高生产力才是最有效的。
AI科技评论：你从本科就开始做编程语言，最初是怎么对这个方向产生兴趣的？
张宏波：编程语言本身就有自己的魅力。大三那年我在微软实习，他们搞了一门函数式编程语言，叫F#。其实在那之前我对编程都没那么感兴趣，但后来我发现写这门编程语言的程序员很少出bug，代码也很短，看上去就像数学公式一样优雅。更早之前我写的是C语言，那个时候可能花一个小时写的代码，后面要花三个小时debug才能让代码跑通，获得感不是很强。后来我用F#，代码写出来基本就是正确的，就可以跑通。这件事确实改变了我对编程的看法，让我觉得编程可以是很有趣的，那之后我就入坑了。
AI科技评论：最开始决定开发MoonBit的时候，是出于什么契机？
张宏波：2022年我答应沈老师来基础软件中心做编程语言股王配资网站，想做这件事，是因为我觉得有点遗憾。之前提到的BuckleScript虽然有一定知名度，但没有达到它应有的程度，我个人觉得它的技术含量和谷歌的Dart语言可以说不相上下。因为遗憾，所以想再做一门编程语言。而且这次完全是我自己主导，可控性会更强。
富华优配提示：文章来自网络，不代表本站观点。
相关文章
热点资讯
