为什么Julia在2021年转向头

在多年十年内发生在相对默默无闻的情况下，开源朱莉娅是准时的大型企业AI / ML规范现代化党。

传统代码有很多待说 - 即使他们缺乏灵活性和优雅，仍然可以完成这项工作的人。但是，对于更多的科学和工程代码需要刷新来制作AI / ML的可能性，从更清洁的板岩开始与提供最佳的C或C ++的东西以及Python的可用性，尤其变得更加有吸引力当所有差分编程和其他工程中的工具都建立在工程中的机器学习时，专门为那些科学和工程领域建立。

所有这些能力都是在十年前开放的朱莉娅语言项目所阐述的核心。现在的问题是其稳定，值得注意的商业收养和通过朱莉娅计算的货币化支持它通过自己的代码和业务过渡作为财富500强和大型研究中心保持死去的代码现代化？

当朱莉娅于2009年在麻省理工学院构思时，目标是解决仍然存在的问题：需要使用两种（或更多）语言，一个用于高性能（C或C ++），另一个用于编程复杂系统更令人愉快的体验（Python示例）。在使用两者时可以完成工作，在这些接口和进程之间存在固有的摩擦。除了这种基本的不匹配外，高价值科学和工程中的许多代码都是大楼的产物。他们本质上是凌乱的，并扎根于20世纪80年代的艺术状态，特别是在建模和仿真中。

尽管从麻省理工学院进行了清晰的武器和坚实的支持，但直到2012年，朱莉娅成为一个开放的源语言项目，即使是仍然是一个相对较小的努力，而不是在2018年末生成1.0发布。有在路上有些颠簸，学习作为一个开源努力，每一个需要早期用户不断调整的大修复，但自那时的事情已经稳定，而且在正确的时间。

随着语言作为跳板，朱莉娅语言的长期提交者之一，Keno Fischer开始环顾四周的问题，Julia可以开始解决 - 不仅仅是独立的语言，而且是作为支持的平台，a独立的生态系统。经过近十年的朱莉娅的低级编译器和其他尼特坚韧的功能，菲舍尔以及另外两种长期朱莉娅创造者，共同创立的朱莉娅计算。目标是将朱莉娅纳入测试，而不仅仅是一种语言，而且是制药，财务，HPC，能源和其他部分更为简化的方式。

在去年或两大之两起，这些努力已经支付。 Julia Computing辅助辉瑞在模拟新药品，Astazeneca与Ai为基础的毒性预测，欧洲保险巨头Aviva与其合规性问题，能源提供者Fugro罗姆斯与基于AI的网格网络故障预测系统，FAA具有其空中碰撞防止计划，思科与基于ML的网络安全，以及许多国家实验室和学术机构有各种研究计划。 Julia Computing本月的浪潮以及DARPA Grant将半导体代码达到更高效，现代仿真代码。事实上，DARPA工作突出了为什么我们将更多地听到Julia-The Language和公司旋转的公司。

“包括在半导体行业包括在内的任何区域成熟的是，标准工具基于从计算，70年代和80年代的曙光开始的边际改进。 “有人开始商业或在学术界中写作软件，所有这些都留在这个古老的软件基础上，”菲舍尔说。 “在半空间中，如果你看起来像Spice电路模拟器的东西，那么现在每个人都有这个与各种版本的鹅卵石一起的专有版本。朱莉娅解决了这样的问题。这是模拟器用C中写入的双语言问题，但脚本是所有Python，但人们想要执行参数化和测量等高级事物，以集成ML，但80年代的所有这些工具都不会继续妨碍。“费尔西辩称，朱莉娅可以在朱莉娅争论中提供一小笔按钮，但努力，努力。

谈到行业采用时，开源技术之间存在差距，很酷，但将其进入市场，以在财富50家公司的磨坊数据科学家们想要使用技术的地方是一个大的飞跃。对于朱莉娅来说，飞跃已经处于慢动作 - 但现在正在加快。

作为一家公司，朱莉娅计算在2015年，开始于460万美元，以来，从那时起，现有井的现金是在早期咨询，特别是对于金融服务用户而言。

“自1.0以来，我们一直在弄清楚这是一个真正可持续业务的旅程。咨询和支持很好，但它也与社区的大小相关，我们在虽然我们想象我们可以解决的药物和其他领域的大问题，但我们就足够了，所以我们就足够了，但是我们可以解决的其他领域，“菲舍尔告诉我们。 “实际焦点正在利用现在在特定行业中的这种技术。我们拥有差动方程求解器和现代编译器技术，可以取代30-40岁的毕业生学生写的Fortran代码，我们认为我们可以帮助使用这种工具的行业，并在不妨碍开源努力的情况下做出良好的业务。“

这是在一个人在一个项目中愚蠢的默默无闻的人们花在开源晦涩的默默无闻的情况下，这是一个可能只有在商业上的阳光下的项目。但如何救生艇？

“如果您尝试将开源货币化，则始终存在紧张局势。在我们的旅程中，一些VCS表示，通过阻止和销售最后的2X性能很容易被货币化。我们不想这样做。我们开发了它给人们制造工具来解决真正难得的问题，并且拿走它没有意义赚钱。 “不试图阻止技术从它提取资金的策略是关键的，而不是试图阻止技术，”弗洛舍尔说。

当被问及他们仍然与他们的40名全职员工仍然有利可图，几乎所有这些都是长期朱莉娅委员会，菲舍尔说，他们是一切，但一切都会直接回到企业来击中R＆amp; D目标。这些包括将更多的努力投入到差异规划中，特别是作为他们所做的许多具体的工作，旨在将ML纳入传统的科学和工程应用。这将让Julia Computing在这些领域努力填补与数据缺失知识的领域重要的利基。

在公司开发方面，菲舍尔表示，他们将繁重的努力投入到他们的JuliaHub云平台上，这是正在进行大笔计算的早期用户。另一个重点是特定领域。半导体工作是域特定目标的一个例子，但朱莉娅计算的真正成功实际上是通过与Pumas.ai的合作伙伴公司合作，为一些最大的疫苗和药品制造商做出了显着的Covid工作。

Fischer表示，大型公司有几年的旧代码，迄今为止已经达到了他们所需要的事情来保持不断发展。与此同时，开源牵引朱莉娅花了这么长时间才能发展最终与开发人员选择朱莉娅新项目的开发人员。虽然这是一个很长的镜头来说，世界将在朱莉娅语言中严格工作，但对于某些关键的科学和工业用户，具有糟糕的语言和界面的良好，长途般的语言和界面，但AI / ML推动力可能足以推动朱莉娅在未来的一年中进入了一个更明亮的聚光灯 - 可能超越。

从我们直接从我们到收件箱的一周中的亮点，分析和故事。