<mark id="oztn4"></mark>
0
雷峰網(公眾號：雷峰網)訊 “重構”是伴隨大模型的熱詞之一。無數人喊出這個口號，朝著軟件、公司乃至一個行業的既有模式摩拳擦掌。然而即使是這樣的壯志也仍然沒有觸及變革的最底層，在應用層之前，張宏波認為，大模型首先應該要重塑的是編程語言本身。
作為構建軟件的基石和核心工具，編程語言的發展周期無比漫長，是“十年聽個響”——也就是說，一門全新的編程語言，從開發者寫下第一行代碼開始，直到十年之后才偶爾會有人聽說它。相較之下，自 2022年 ChatGPT 發布以后就日益為公眾所熟知的大模型，則是徹頭徹尾的新生事物。
張宏波關注到二者之間的反差并不令人意外，他是國內最早從事編程語言研究的人之一。2023 年，OCaml 語言斬獲 SIGPLAN 軟件大獎，張宏波曾是其核心開發人員之一。后來他主導開發的 BuckleScript 更是得到了 Bloomberg、Meta 等企業的大規模商用，是首個由中國人主導的在國際范圍內具有一定影響力的通用編程語言。
2022 年，ChatGPT 的發布讓“大模型”三個字真正破圈而出，很多人從此意識到時代變了，從事基礎軟件研究的張宏波亦在其列。
彼時他剛剛離開自己供職了五年的 Facebook，加入 IDEA 研究院基礎軟件中心，打算再次從零開始開發一門親自主導的編程語言 MoonBit。當他把僅開發了一個月時間的語法說明文檔送進 ChatGPT 時，結果令他“非常震驚”：“它能把 MoonBit 代碼生成出來，而且還有模有樣的。”張宏波回憶，“ChatGPT 讓我們看到 AI Coding 這個領域取得了很大的突破。”
在震驚的同時，一個問題也躍上張宏波心頭：當模型的代碼生產力超過人類程序員，那么 AI 時代需要什么樣的編程語言？
“Python 在 90 年代就開始開發了，Rust 語言也是將近 20 年前的事情，它們優化的點和 AI 時代需要的完全不一樣。”張宏波稱。已經成型的編程語言存在著對 AI 并不友好的設計，且難以改變，而自己手中剛剛起步的 MoonBit 則有機會成為第一門支持 AI 原生的編程語言。
這不僅意味著在性能、安全性上貼合 AI Coding 的語言特性選擇，更是在編譯器、IDE、調試器、包管理系統等工具層面彌補模型的短板。不同于 AI Coding 賽道上的同行們，張宏波選擇從最底層的編程語言開始重塑整個工具鏈，最終交出一款名為 MoonBit Pilot 的端到端軟件 deliver。
“這一整套技術可以快速把想法變成軟件。”他說，“Devin 沒有做起來，但我們大概率可以，因為我們對工具鏈的掌控能力更強。”
今年 9 月 19 日是 MoonBit 正式立項的三周年，但 Moonbit 的用戶規模已近十萬。在和張宏波的對談中，他告訴我們，編程語言的開發已進入收官階段，未來將正式開啟商業化。
張宏波表示，開發 MoonBit 最初的動因是遺憾。他曾經開發了一門語言叫 BuckleScript（OCaml 的 JavaScript 編譯器，通過靜態類型與編譯時優化，可以把 ML 系語法轉成可讀 JS 代碼，支持熱重載與 Node 生態，是 ReScript 編程語言的前身），盡管 BuckleScript 有著和 Dart 語言不相上下的技術含量，卻沒有得到應得的知名度。此番再次得到機會主導開發一門全新的編程語言，他從一開始就希望 MoonBit 超越單純的學術語言，成為一樁健康、可持續的事業。
“如果不能商業化或者商業化不成功，那 MoonBit 就是一錘子買賣，事情到這就結束了。相反如果商業化成功了，我們把 MoonBit 做成了一家很好的公司，那么同行很容易識別出同行，那些同樣有很強技術背景出身的人也能看到我們，這樣 MoonBit 才會進入健康可持續的狀態。”這是張宏波目前最大的心愿。
以下是 AI 科技評論與張宏波的對話全文，為方便閱讀，進行了不改變原意的文字調整。
原生 AI 支持，大模型時代的編程語言
AI 科技評論：可否介紹一下您的學術經歷，是如何開始編程語言方向研究的？
張宏波：我有一定學術背景，還是工程師出身，做編程語言工具鏈已經小 20 年了。2008 年，我在清華的本科畢業設計就是一門動畫編程語言。當時我是在清華電子工程系和微軟亞洲研究院聯合培養，原計劃是繼續去讀機器學習的博士。但是因為我本人對編程語言比較感興趣，沈向洋老師，也就是我現在的老板，就把我送到了賓大做編程語言相關的研究。
在賓大讀博期間，我成為了另外一門編程語言 OCaml 的核心開發人員。它有一個很復雜的組件需要人維護，當時主要是法國的科研機構 INRIA 在做這件事，后來破格邀請我作為學生參加。后來 Bloomberg（彭博）用 Ocaml 寫了一個金融衍生品定價軟件，需要找用這門編程語言的維護人員。因為這不是一個標準的編譯器，懂的人比較少，所以給了我一個不錯的 offer，我就去紐約工作了。
Bloomberg 這家公司是賣金融終端的，雖然用 OCaml 編譯器比較多，但前端渲染用的是 JavaScript。我用一個周末寫了一個編譯器，把 OCaml 編譯器編到 JavaScript，這樣就可以實現一些代碼重用。我的老板很喜歡這項工作，它就從我的 hobby project 發展成了公司贊助的項目。我們公司當時有三四千軟件開發人員，這個項目，也成了公司當年最受歡迎的開源項目，叫 BuckleScript。
2017 年我從紐約回國，按常規來講可能會去大廠工作。但當時 Facebook 找到了我，說他們把 BuckleScript 用在了 Facebook Messenger 和 Facebook Chat 上，希望我能繼續維護，我就在 Facebook 待了五年時間。五年后沈老師從微軟退休，到深圳辦了 IDEA 研究院。剛好我也想做點更有意思的事情，就來到了 IDEA 基礎軟件中心，又開始專門做編程語言。
AI 科技評論：開發一門新的編程語言，一般是出于什么目的？
張宏波：分為兩種場景。公司級的編程語言是為自己服務，比如蘋果要開發自己的 IOS，他們會希望用一種自己可以隨時隨便修改的編程語言；’微軟有 Windows 平臺，他們也需要提供一整套開發工具。第二類是個人開發的編程語言，這種是因為開發者看到了一些他們覺得應該解決的問題，這兩類語言的發展路徑是不一樣的。
谷歌有兩種比較有名的編程語言，Go 語言和 Dart 語言。其中 Dart 語言完全由公司需求驅動，就是一種公司戰略語言。而 Go 語言雖然也是由谷歌開發，但主要是為了解決異步高并發問題，整個發展趨勢就更像是在個人主導下解決某些特定領域問題。
AI 科技評論：那么 MoonBit 語言希望解決的特定領域問題是什么？
張宏波：現在大部分的 AI Coding 都是基于現有的編程語言，依托它們那些很成熟的生態和工具鏈去做解決方案。這種方案的做法就是把某種編程語言的代碼收集起來，然后把數據喂給 AI，再讓它吐出來，但這樣的生成結果沒什么保證。因為首先 AI 生成的東西可能有些非常低級的語法結構錯誤，另外大模型在訓練的時候吃了整個互聯網上的數據，這部分數據里還有很多別的編程語言。不同編程語言之間有相似性，直接讓 AI 生成代碼很有可能產生幻覺，最后會給你很多似是而非的代碼，這個體驗感就不太好。
大模型其實是很新的東西，但編程語言的發展周期很漫長，沒有 AI 的時候，可能十年才能聽個響，也就是一門編程語言從寫第一行代碼開始，直到十年之后才偶爾有人聽說它。所以現在已經功成名就的編程語言，都是很早之前上市的。Python 在 90 年代就開始開發了，Rust 語言也是將近 20 年前的事情，它們優化的點和 AI 時代需要的完全不一樣。這就是 MoonBit 要解決的問題，我們有原生的 AI 支持。我們做的也不僅僅是一門編程語言，還有基于這個語言的 Coding Agent，我們叫 MoonBit Pilot。
AI 科技評論：對于一門編程語言來說，“原生的 AI 支持”要如何理解？
張宏波：以前我們設計編程語言的時候會考慮人機交互，因為這個時候是人的生產力更高。那有了大模型以后，不一樣的點在哪？
首先是 AI 生成代碼。AI 的出碼速度其實和人差不多，當 AI 能生成一萬行代碼以后，寫代碼已經不是瓶頸了，代碼審核才是重點，你會希望 AI Coding 的可靠性可以更高。如果 AI 給我生成了十萬行 JavaScript 源代碼，我是不敢維護不敢接手的，因為 AI 很可能只是快速給了我一個原型，可能可以跑起來，但如果以后我要擴展，繼續增加特定功能，那我肯定會很痛苦。這里面還有安全性問題，AI 生成的一萬行代碼如果存在安全漏洞，用戶的損失也是很大的。所以我說，AI 時代對代碼可靠性的要求會非常高。
另外就是更加強調編程語言的性能。為什么這么說呢？Python 為了人機交互方便、開發效率高犧牲了性能，但如果用 AI 來做代碼生成，就可以幾乎零成本地獲得代碼，這時候對編程語言的性能要求就會更高。如果在同樣的生成速度下，MoonBit 可以比 Python 快 10 到 100 倍，那沒有道理用 AI 來生成 Python 而不是 MoonBit。
AI 科技評論：針對 AI Coding 的這些特點，MoonBit 做了哪些設計？
張宏波：我舉個例子，Java 運行的時候可能會拋空指針異常（null point exception），而 MoonBit 可以在編譯層面就杜絕這種運行錯誤。更極端地，寫好的 MoonBit 代碼可以通過數據做形式化驗證，保證輸出代碼是完全符合規范的。我自己就是 AI 的高度使用者，接手 AI 生成的代碼其實是非常難的一件事。AI 一開始給了你一個可以工作的版本，但你還需要讓 AI 能自動重構，讓代碼變得更整潔，讓接口變得更低耦合、高內聚。我們有很多設計都在往這個方面靠，就是通過在編譯的時候做豐富的靜態分析，保證代碼的可靠性。
其實這也是有傳承的。我學生時代做 OCaml 語言，用它用得最多的是紐約最大的金融機構之一 Jane Street，他們對軟件可靠性的要求很高。因為一旦出了 bug，就會有很大的經濟損失，所以這些設計思路都是一脈相承的。
另外編程語言本質上是一個給程序員提供各種各樣抽象的機制。函數是一種最基本的抽象，很自然地你會希望這個函數可以通用，可以有泛型（Generics）。泛型就需要組建的數據有結構體，每種數據有不同的分支，你可能需要一個 enum 枚舉類型（在 MoonBit 語法中，enum 枚舉類型是一種把有限多種彼此排斥的函數打包成同一類型的機制，支持用戶簡潔地處理同一抽象但不同形狀的數據，是寫泛型、處理分支邏輯的核心工具）。MoonBit 有個很大的特點在于，它是一種對數據處理非常友好的編程語言。
比如你拿 JSON 過來，我們有原生的 JSON 處理可以直接做模式匹配，而且是純靜態的。如果你給我字符串，我可以原生地用正則表達式進行匹配，而且效率很高，不存在安全漏洞。如果你給我原生的 XML 字節流，我可以對它用比特位來進行匹配。MoonBit 最大的語言特性就是對數據處理非常友好，這也是根據我多年經驗的設計。當你寫了很多業務 APP，你會發現干得最多的事就是把數據從某種格式轉換成另外一種格式，所以我們針對這點做了很多強化工作。
AI 科技評論：對 Moonbit 的這些強化是否基于一種全新的語言邏輯，還是主要在工具鏈層面實現？
張宏波：在用戶看來語言邏輯是一樣的，但是我們的運行系統會更豐富。比如代碼拋異常的問題，絕大部分語言不會要求編譯器跟蹤代碼，看哪段可能拋哪段可能不拋，但 MoonBit 的編譯器會。在代碼還沒有跑起來的時候，它就會告訴你這段代碼有沒有可能拋異常。相當于我們做的是一整套開發者工具，包括編譯器、IDE、調試器、包管理系統、測試覆蓋率工具，還有我們自帶的 Agent MoonBit Pilot，這是一整個全家桶。
這樣做的工程量非常浩大，需要的時間也很長，一般只有公司級的編程語言才會傾向于做全家桶。Python、Rust 這種個人開發的語言一開始往往只是寫了幾個編譯器，后來的人慢慢貢獻了各種各樣的工具。但這就不是一種全局的視角，開發的時候不考慮這個問題，后面的 IDE 會特別難做。MoonBit 從一開始就考慮了一整套工具鏈，所以我們做的不是一個編譯器或者一種語言規范，而是一個編程平臺。MoonBit 有自己的工具系統，這是我們和其它編程語言的一個很大不同。
專屬語言工具，“把 AI 當成用戶看待”
AI 科技評論：從 2022 年團隊成立到今天，MoonBit 的開發已經過去三年時間，這中間經過了哪些發展階段？
張宏波：2022 年 9 月 16 號，我們部門成立開始招人，一直到 2023 年 8 月 18 號我們發布了 MoonBit 的 Alpha 版本，這是第一個階段。Alpha 版本發布當天，我們就上了 HackerNews 頭版頭條。外界反響比較好，這對我們的激勵還是很大的。
下一個節點是 Native 后端。其實我們一開始定的 scope 沒那么大，當時只準備做 WebAssembly，因為在這樣的平臺上生成代碼會很高效。但是在做了大概兩年之后，我們開始支持用戶編譯到 X86 匯編、ARM 匯編，這樣我們就不再只是聚焦于一個小場景的編程語言，而是徹徹底底的通用編程語言。
第三個節點就是這個月月底了，我們會發布一個異步網絡框架。今年 6 月我們發布了 Beta 版本，和 Alpha 版本比起來，這次更新之后 MoonBit 的語言特性已經基本穩定，還有了相對比較完善的包管理。其實到此為止 MoonBit 已經跑通了所有環節，可以做端到端應用開發，基本上到收官階段了。
現在 MoonBit 語言特性是非常豐富的，我個人感覺即使和 Go 語言的最新版本比也是相當的，甚至可以媲美Swift、Kotlin 這些主流編程語言。另外我們在錯誤處理方面，也可以和最新的 SOTA 相媲美。和 1.0 版本比起來，Beta 版本就差在月底發布的異步功能。我們的第一個開源項目就是用 MoonBit 寫智能體，因為這項任務會涉及到很多異步的網絡通信。
AI 科技評論：為什么選擇 WebAssembly 作為 MoonBit 支持的第一個后端？后來添加原生后端又是出于什么考慮？
張宏波：作為一門編程語言，早期想獲得核心客戶是很難的。因為一開始什么都缺，工具也經常出 bug，所以我們就瞄準了 WebAssembly。這是一個 2017 年出的標準指令集，對 MoonBit 這樣的新編程語言來說，去做新編的標準指令集是有優勢的。我們是后發者，可以為它的特性專門做一些設計。MoonBit 在 WebAssembly 平臺上輸入的代碼體積很小，性能很好，這也是為什么我們在第二年就有了第一個付費客戶。但這也只是 MoonBit 的第一個落地場景，我們的最終目標還是覆蓋全場景，做一門通用編程語言。Native 后端的應用場景更多，所以對我們非常重要。
一開始做架構設計的時候，我們就用了分很多層的 IR，這樣添加新后端的工作量就不是那么大。現在 MoonBit 有四個后端：編譯到 WebAssembly，包括有 GC 和沒 GC（垃圾回收）的兩個版本；編譯到原生后端，也就是機器碼，也有編譯到 C 語言和通過 LLVM 直接輸出機器碼兩種選擇。我們還有一個后端是 JavaScript，這個用來做前端 UI 開發，將來我們會實現全棧開發。
AI 科技評論：Python、Rust 這些個人開發的編程語言最終在全球范圍內都非常流行，您認為對 MoonBit 來說有什么啟示？
張宏波：一種編程語言能不能成為現象級的編程語言，方方面面的因素都有。有可能它本身設計得就比較好，比如 Rust 確實解決了一些問題，但同時還有其它非必然因素。比如 Python，2010 年前后它的用戶量已經在 Node.js 的影響下開始有了下降的勢頭，但后來又被 AI 給帶火了。其實一種編程語言能流行起來，還是有很多偶然因素的。
2022 年國慶節前，我加入了 IDEA，剛好一個月之后 ChatGPT 發出來，我們就注意到 AI 用在代碼生成上非常靠譜。我在賓大讀博的時候，最后一個項目叫 program synthesis（合成代碼），所以我對合成代碼這個領域還比較了解。我們把 MoonBit 的語法，當時還是開發語法的說明文檔送進 ChatGPT，它就能把 MoonBit 代碼生成得有模有樣的，我們非常震驚。ChatGPT 讓我們看到 AI Coding 這個領域取得了很大的突破，所以后來整個語言設計才考慮了很多 AI 的因素。
AI 科技評論：和現有的 AI Coding 產品相比，MoonBit Pilot 在工程上做了哪些創新？
張宏波：目前最重要的是理解 AI 有哪些局限，然后提供一些專屬于 MoonBit 的語言工具來克服。
比如修改函數，第一件事是去找相應的代碼在哪。如果你像 OpenAI 的 Codex 或者 Anthropic 的 Claude Code 那樣 grok 整個文件，效率是很低的。而我們 MoonBit Pilot 通過內部構建的語義分析工具，一下就可以找到。
我們比 Claude 更懂 MoonBit 編程語言，所以可以提供很多內置的原生的工具，而且我們也更懂編程語言的應用場景。比如在做代碼重構的時候，經常會一下出現幾千個 warning。如果你讓 Claude 一個一個地修，那很容易就把 context 給用完了。但是因為我們知道哪些 warning 是相對獨立的，所以就可以把它作為一個并發的，跟上游無關的問題來進行修復，這樣做效果會好很多。
傳統來講你會給 VSCode 開發一個 IDE 插件，我們同樣可以給大模型開發一個基于文本的工具。我們現在就在開發兩套 IDE，一套給用戶，另外一套就是給大模型用的，這樣 MoonBit Pilot 就可以自動通過 IDE 去重命名、查找代碼、查找文檔。這也算是 MoonBit 跟其它編程語言一個比較大的區別，我們把 AI 當成用戶看待。
AI 科技評論：那在模型層面，MoonBit Pilot 專門做了 post training（后訓練）嗎？
張宏波：我們將來會做 post training，但現在還沒有。預計到今年年底，在我們的包管理上會有一千萬行代碼，到明年年底會有一億行比較高質量的 MoonBit 代碼。等我們達到一億行以上的數量級之后，就會做自己的 post training，在達到這個數量級之前去做意義是不大的。
其實我們比較驚喜地關注到，Claude 4.0 已經非常懂 MoonBit 了，我們的很多庫已經可以用 Claude 4.0 生成。它相比 Claude 3.7 有了巨大的躍遷，但并不是智能水平本身提高了，而是因為 4.0 的訓練截止日期是 2025 年 3 月份。它讀了相當多的 MoonBit 語料，這方面能力就變得很強。
智能還會不會有大的躍升，這是最大的不確定性。我目前觀察到的趨勢是智能已經到頂了，這當然是個變數，但在這個假設成立的前提下，新的大模型在預訓練中還會有更多新知識喂進去，未來的新模型對 MoonBit Pilot 會有極大的推動作用。OpenAI 基模預訓練數據的截止日期都在一年之前，但他們終究還是要更新上來的。
AI 科技評論：過去 LLVM（一套模塊化、可重用的編譯器基礎設施）與 WASM（即 WebAssembly） 可以提供共享的中間表示或字節碼，但沒有直接在源代碼層面實現互譯。現在 AI Coding 在代碼補全、跨語言片段翻譯上已經表現出實用價值，這種能力未來能否擴展到大規模的編程語言互譯上？
張宏波：我們現在已經在做這件事情。MoonBit Pilot 會給用戶一個 GitHub 地址，可以把別的編程語言代碼翻譯成 MoonBit 的代碼。我們的生態之所以能加速，也有這部分原因。但目前來看，在不同編程語言之間進行翻譯，最后還是要人工審核過濾一下，因為不同編程語言之間有很多語義本身就是不匹配的。
舉個簡單的例子，Python 的整數可以無窮大，但有的語言出于性能考慮，可能只有 32 位或者 64 位。所以在這些語言之間，如果要在沒有人工干預的情況下實現 100％ 轉換，是不太現實的。只是兩種語言的特性越接近，工作量就越小。
AI 科技評論：在 MoonBit 之前你已經開發了不少編程語言，相比之下這次的開發經歷有什么不同？
張宏波：MoonBit 這次不一樣在哪呢？之前做 BuckleScript 還有 Ocaml 的時候，剛開始都是一兩個人在做，scope比較小。現在在 IDEA 這邊，團隊的人數雖然不是很多，但我們一開始就是有一個團隊在做這件事，所以節奏就很快。這個月底我們把異步框架發布出來以后，就可以用 MoonBit 寫一些很復雜的應用了。從 2022年 9 月 19 號到現在，算起來剛好三年。
MoonBit 的進度能比較快，還有兩方面原因。一是我本人已經做了很久的編程語言，語言設計的每個環節我都摸過一遍了。我在 Facebook 的最后一年基本都在休假，就自己寫了很多小語言，把每個 pipeline（流水線）都寫了一遍，所以這次起步才能非常快。
另外這里也有人口紅利的因素。我們是國內最早做編程語言的團隊，所以能招到那些很有能力的人。編程語言和一般的軟件開發不一樣，最核心的設計不是靠人多堆出來的，可能幾個人就夠了。語言設計是一門藝術，不存在哪種語言絕對更好。語言的核心設計，比如類型系統長什么樣、選哪些語言特性、語法，這些東西都沒有標準答案，完全依靠設計者的品味來決定，可以說 everything is about taste。
AI 科技評論：可以評價一下自己的品味嗎？
張宏波：在語言設計方面，我覺得我還是很有品味的。主要是見過的太多，你就知道每一門語言的抽象都有代價。實現某個特性需要付出相應的 budget，你需要在這里做出取舍，所以怎么實現，以及代價是不是值得，這兩方面都要懂。
持續商業化，MoonBit 不做一錘子買賣
AI 科技評論：MoonBit 的團隊規模目前多大了？
張宏波：我覺得我們團隊非常出色。我們有十幾位技術員工，兩位負責運營的同事，還有一些實習生。很小的規模，但是很年輕，90％ 的成員都是第一次參加工作，大家都是本科畢業或者研究生畢業直接加入團隊的。我們的管理成本也很低，因為大家自己都很喜歡做這件事情。我們從來沒有要求過周末加班干活，但有一次我周末去公司，一打開門發現大家都在那寫代碼，就是喜歡干。
我們團隊的主力是 97 到 01 年的，最小的員工是 02 年的，年紀越小反而越能打。國內年紀大一點的人才里，專門做編程的比較少。要想在編程領域做出一番成績，還是需要長時間的耕耘，但國內以前沒有過跟我們類似的工作機會。做編譯器的人國內不少，但要說做語言設計，整個供應鏈是沒有的。不過中國的人才基數大，在小朋友里能找到很多怪才。
AI 科技評論：從 2022 年到現在，團隊遇到的最大困難是什么？
張宏波：最困難的就是前 8 個月。從 2022 年 9 月 19 號到 2023 年 8 月 18號，當時沒有人覺得我們可以做成，大家都覺得 MoonBit 就是在搞一個學術語言。直到我們發布了第一個版本，人家才看到你好像真的可以。當時國內除了我們也只有一家公司在做這件事，所以那之后招人也越來越順利。
現在 MoonBit 已經基本要做成了，但這也只是我們的第一個 milestone，未來我們還想把它做成一件可持續、可商業化的事情。我覺得商業化的成功是非常有意義的，我不是很在意錢，我愿意降很多薪水來組個團隊把事情做成，但如果不能商業化或者商業化不成功，那 MoonBit 就是一錘子買賣，事情到這就結束了。相反如果商業化成功了，我們把 MoonBit 做成了一家很好的公司，那么同行很容易識別出同行，那些同樣有很強技術背景出身的人也能看到我們，這樣 MoonBit 才會進入健康可持續的狀態。這是我最大的心愿，我希望 MoonBit 就是我的最后一份工作了，而 AI 剛好給了我們這樣一個商業化的機會。
AI 科技評論：你對 MoonBit 的商業化有什么設想？
張宏波：剛剛開始做 MoonBit 的時候，還沒有 AI Coding 這樣一種商業化變現的方式。當時我覺得我們的上限就是 Matlab、Mathematica 這種公司，就是有些人在用，但不會做得很大。AI Coding 出來以后，我是比較樂觀的，因為這個市場足夠大了。以前的開發者工具是生產力工具，你的服務對象是程序員，但是能通過 AI 生成代碼以后，我們就可以更進一步，可以直接賣軟件賣服務了。未來我們的商業化不再會是賣 IDE 的思路，用戶不需要知道產品是基于 MoonBit 語言的，這只是我們一項冰山下的技術。
未來我們想做成一個端到端的軟件 deliver（交付），有點像之前很火的創業公司 Devin，這一整套技術可以快速把想法變成軟件。他們沒有做起來，但我覺得 MoonBit Pilot 大概率可以，因為我們對整個工具鏈的掌控能力更強。一種現成的語言可能設計成了對 AI 不友好的樣子，如果你不主導這個語言，那很難去改動那些已經定型的設計。
未來 MoonBit Pilot 一定會是個非常大的市場。軟件的構造成本可能在未來三到五年內降到以前的十分之一甚至百分之一，很多軟件都要準備重寫。即使一款軟件已經在工作了，如果能夠通過 AI 無痛地轉移，同時效率提高 10 到 100 倍，你會不會干？你肯定有動力干，而且很多長尾需求也會被激發出來。
AI 科技評論：從把 MoonBit 做出來到做成一個健康可持續的商業案例，這中間還有哪些困難？
張宏波：MoonBit 在國內基本可以說是獨苗，我們現在已經有很多用戶，將來的商業化是順其自然的事情。我自己很有信心，但很多時候需要資金扶持，說服投資人相信這件事是比較難的。
如果是不太了解編程語言的投資人，可能都沒有聽說過有哪些中國團隊做過這樣的事情。和在硅谷創業比起來，這也是在國內創業比較有挑戰的地方。比如 GitHub 的 CEO 就是投資人，你跟他講 MoonBit 他肯定能聽懂。還有我的前老板扎克伯格，他對 AI 產生興趣之后自己閉關寫了兩周代碼，他自己就是個非常 technical 的人。但是在國內，很多投資人就沒有編程背景。
國內的投資人主要是靠生意模式，而沒有靠一家非常 hardcore 的軟件公司賺到過錢，所以 MoonBit 沒有先例。但我們的用戶在持續增長，我們會有很好的數據支撐，通過實際的 datapoint（數據點）來證明這件事情。
AI 科技評論：MoonBit Pilot 的主要受眾會是哪些群體？
張宏波：我們現階段主打 ToC，大概有 10 萬用戶，主要分兩類。一類是國內搞信息學競賽的選手，他們對這種東西很感興趣。另一類是國外用 WebAssembly 做商業化開發的人。我們的策略是先 ToC 再 ToB。就是希望 MoonBit 在開發者中間先有比較好的口碑，然后倒逼管理層采納我們，所以會盡量讓更多開發者用上我們的編程語言。
程序員能提供的市場是很有限的，一種模式是智能體輔助程序員寫代碼，因為需要實時交互，提高的生產力可能只有百分之三四十。我們未來想做的是同時有十幾個甚至幾百個 Agent 給你寫代碼，人就相當于一個監工。到時候更多的是異步 AI 編程，人不需要坐在電腦前面實時看著代碼，只要等結果就可以了，這樣提高生產力才是最有效的。
AI 科技評論：你從本科就開始做編程語言，最初是怎么對這個方向產生興趣的？
張宏波：編程語言本身就有自己的魅力。大三那年我在微軟實習，他們搞了一門函數式編程語言，叫 F#。其實在那之前我對編程都沒那么感興趣，但后來我發現寫這門編程語言的程序員很少出 bug，代碼也很短，看上去就像數學公式一樣優雅。更早之前我寫的是 C 語言，那個時候可能花一個小時寫的代碼，后面要花三個小時 debug才能讓代碼跑通，獲得感不是很強。后來我用 F#，代碼寫出來基本就是正確的，就可以跑通。這件事確實改變了我對編程的看法，讓我覺得編程可以是很有趣的，那之后我就入坑了。
AI 科技評論：最開始決定開發 MoonBit 的時候，是出于什么契機？
張宏波：2022 年我答應沈老師來基礎軟件中心做編程語言，想做這件事，是因為我覺得有點遺憾。之前提到的 BuckleScript 雖然有一定知名度，但沒有達到它應有的程度，我個人覺得它的技術含量和谷歌的 Dart 語言可以說不相上下。因為遺憾，所以想再做一門編程語言。而且這次完全是我自己主導，可控性會更強。
雷峰網文章
雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。
