不久前许式伟（江湖人称老许）的 Go+ 项目在 Hacker News 上掀起了一阵风潮[1]。我一见倾心，参与贡献。最近老许和社区组织了一个视频交流，拉我跟大家说说为啥关注 Go+ 以及图个啥。在直播交流后，根据弹幕反馈，以及两位好友——洪明胜（TensorFlow Runtime 负责人）以及王玉（沈雕墨）的建议，做了修改。
我做分布式深度学习系统十三年了，尤其是 2016 年徐伟老师让我接替他作为他原创的 PaddlePaddle 项目的负责人之后，在工业系统中对 Python 的亲身体会让我对其局限了解愈深。而 Go+ 是我见过的弥补方案里最靠谱的。
我期待 Go+ 对标 Python，补全 Python 的不足，并且在此基础上有一个类似 numpy 的项目（姑且称之为 numgo+ 吧）用来支持张量（tensor）运算，满足数据科学的需求；在 numgo+ 之上再构建一个类似 PyTorch 的深度学习基础库（姑且称之为 GoTorch 吧）。如果可以，进一步成为深度学习编译器生态的一种前端语言。
我现在在蚂蚁集团工作，负责一个开源 SQL 编译器 SQLFlow —— 把扩展语法以支持 AI 的 SQL 程序翻译成 Python 程序。同事们说，如果 Go+ 这套生态能成熟起来，很乐意让 SQLFlow 输出 Go+ 程序。
很多读者估计觉得我瞎说八道—— Python 如此如日中天一般火热的语言，何须“补足”？
Python 的语法很灵活，融合了其他很多语言令人觉得方便的特点。比如，和 C++ 一样， Python 允许重载操作符，numpy 的作者于是重载了算数操作符来做张量运算。和 Lisp 一样，Python 的 eval 函数递归地实现了 Python 解释器，可以解释执行 Python 表达式，所以 Python 程序可以生成自己。
这样的灵活性允许程序员随心所欲，因此特别适合探索性工作。比如研究生们用 Python 做科研；数据科学家们用来替代之前各种昂贵的商业化系统；在随后诞生的深度学习领域，Python 也迅速蓬勃。
Python 的优势同时也隐含了其劣势。我亲身感受的痛点有二。
相关链接：
[1] https://news.ycombinator.com/item?id=23550042
[2] https://www.tensorflow.org/mlir/dialects
[3] https://zhuanlan.zhihu.com/p/38395601
[4] https://github.com/wangkuiyi/notes/tree/master/s4tf
[5] https://docs.google.com/document/d/1WLD4OcntBKQoNIH9VVYF0NPRe6V5exN3mu5uFlE0P0w/edit?usp=sharing
[6] https://github.com/qiniu/goplus/issues/307
[7] https://github.com/qiniu/goplus/tree/master/tutorial
[8] https://zhuanlan.zhihu.com/p/19901967
[9] https://julialang.org/blog/2018/12/ml-language-compiler/
[10] https://arxiv.org/pdf/1805.01772.pdf
本文分享自微信公众号 - 支付宝技术（Ant-Techfin）。
如有侵权，请联系 [email protected] 删除。
本文参与“OSC源创计划”，欢迎正在阅读的你也加入，一起分享。