故事要從幾封充滿抱怨的郵件說起。2009年，一群研究人員開始發泄對現有科學編程語言的不滿。那些為科學家和研究人員設計的編程語言，既死板又遲緩。如果科學家構建出真正有效的程序，往往需要用另一種語言重寫整個項目，才能實現更快的運行速度。
這些郵件最終催生了一項麻省理工學院（MIT）的研究項目，目標是打造一門易用且高性能的編程語言——Julia
。這門語言專為科學研究、數據分析以及對噴氣式發動機、藥物、金融市場、機器人等複雜系統的建模而設計。
這個研究項目後來發展成MIT的一個實驗室，實驗室又孵化出了公司JuliaHub。在這一路走來的過程中，Julia在科學家、工程師和數學家等群體中積累了大批忠實用戶。如今，這門免費開源的語言已擁有超過100萬用戶，遍布全球數千家企業和高校。
毫不誇張地說，Julia幾乎被用來模擬世間萬物——從微小的原子行為到半導體、神經網路、賽車和飛機，無所不包。它甚至被天文學家用於黑洞成像，觸達了太陽之外的廣袤宇宙。
Julia的核心優勢在於其代碼編譯方式，它能根據所使用的數據類型進行動態編譯。這種"即時編譯"（Just-in-Time Compilation）機制，使Julia比其他數值計算編程語言更快、更靈活。
JuliaHub聯合創始人兼首席執行官Viral Shah表示："科學家和工程師並不是程序員。由科學家、工程師和程序員組成的多學科團隊共同構建科學應用，本身就是一大挑戰。我們在思考：如果能為科學家和工程師提供一門語言，讓他們既能在高層次上表達自己的想法，又能獲得出色的軟體性能，那將會怎樣？"
讓非程序員也能輕鬆編程，始終是JuliaHub創始團隊的北極星目標。這支團隊包括Julia的聯合創始人Shah、MIT數學教授Alan Edelman、Jeff Bezanson（麻省理工學院理學碩士2012屆，博士2015屆）以及前MIT研究科學家Stefan Karpinski。
今年4月，JuliaHub團隊在這一方向上邁出了重要一步——正式推出Dyad 3.0。這是其AI平台的最新版本，旨在幫助工程團隊加速火箭、熱泵、衛星等複雜物理系統的研發。工程師們已在使用Dyad指導自主AI智能體完成物理仿真、安全性分析、質量控制等工作。
Shah介紹道："使用Dyad 3.0，你只需上傳數據和設計文檔，系統便能為你完成整架飛機的設計。我們正與波音等客戶合作，為工程師構建智能體驅動的硬體設計能力。簡單來說，你只需對系統說'幫我造一架飛機'，上傳設計文檔，系統便會自動處理所有物理學計算、編譯全部代碼、完成驗證，並以智能體方式完成整個設計。"
從零起步
Julia的聯合創始人們大約在2009年討論了科研人員對更好編程語言的需求，隨後創辦了Julia實驗室。該實驗室至今仍活躍於MIT電腦科學與人工智慧實驗室（CSAIL）旗下。
Julia的核心理念是打造一個在工程、科學和數學應用方面表現卓越的高性能平台。Shah表示，在Julia誕生之前，科學家和工程師要麼只能僱人為他們開發軟體，要麼只能接受為數不多的科研編程語言所帶來的低下性能。
"我們希望創造一門像Python或MATLAB一樣易用，同時又像C語言一樣快速的工具。我們最初是為自己而構建Julia的。"Shah說道。
Edelman回憶，在最初階段，研究人員並不確定會有人對他們的成果感興趣。"我們估計可能需要10年才會有人關注，但我們告訴自己，耐心是一種美德，那就做吧。"
2012年，MIT研究團隊通過一篇部落格文章正式宣布了Julia的發布。出人意料的是，他們很快發現，許多其他研究人員都有著同樣的煩惱。
"一開始我們的目標是交互式科研工作流，但越來越多的人把它用在方方面面。"Bezanson說，"現在我們也在隨著用戶的需求演進，將整個語言棧遷移到更小的嵌入式設備上。"
自那時起，Edelman便在MIT開設了一門Julia課程，學生來自幾乎每個院系。如今，他經常發現學生在選課時就已經在使用Julia了，應用場景涵蓋機器人技術、天文學、物理仿真和金融等眾多領域。
"研究人員會來找我說，'我告訴導師我用Julia是因為它速度快，但別告訴他們，我其實是因為它真的很好玩才用的。'"Edelman笑著說，"Julia的關鍵在於它的抽象能力。很多編程語言會把你限制在你正在思考的那一個問題上。而Julia讓你在解決自己問題的同時，也能解決世界上其他人的問題，它鼓勵你從更通用的角度去思考解決方案。"
隨著Julia的影響力持續擴大，全球各地的研究人員開始向Julia團隊尋求支持。到2015年，這一需求已足夠強烈，促使他們決定創辦JuliaHub，以全職投入的方式為用戶提供幫助。MIT德善中心（Deshpande Center for Technological Innovation）及MIT其他方面的支持，共同幫助這家公司得以順利起步。
JuliaHub的工作也從單純的用戶支持，逐步演變為推動語言本身的整體發展。這一過程中，Julia的忠實用戶們創造出了令人印象深刻的成果。Julia已被用於模擬電腦電路、檢測健康不平等問題、建立全球氣候和海洋模型、分析大腦活動等各類場景。
在有人基於Julia構建了一個製藥建模平台後，該平台被用於加速Moderna新冠疫苗的研發進程。在另一個案例中，研究人員使用Julia開發了一套防止飛機碰撞的程序，發現其運行速度比此前基於Python構建的版本快了約50倍。Meta的工程師也藉助Julia，為擁有40億用戶的WhatsApp開發出了更優秀的音頻編解碼器。
"多年來，我們見證了來自工業界、政府和學術界的用戶用Julia語言做出各種有趣的事情。"Edelman說，"說實話，人們對它的廣泛應用在很多方面都讓我們感到驚喜。"
自主設計
JuliaHub於2025年6月推出了Dyad 1.0，定位為加速編程的研究智能體，並於同年12月發布了Dyad 2.0。創始團隊認為，Dyad 3.0在複雜系統的設計能力與自主性上代表著全新的高度。
"Dyad的一個重要特點是它內置了物理編譯器，能夠強制執行物理定律。"Shah解釋道，"通用AI系統在求解物理問題時，往往會給出違反物理定律的解。而在使用Dyad智能體時，它會檢測到此類違規，並引導智能體走向物理上正確的解。我們預計，這將使產品工程中的設計周期大幅縮短，讓數月的工作量在數小時內完成。"
Edelman通過自己的課程也感受到了Julia的影響力。最近有一名學生使用Dyad對機器人在太空中的運動方式進行了建模，還有一名學生用它構建了一台火箭發動機。
Edelman回憶道，那位同學最後說："我簡直不敢相信這麼容易——我就這樣造出了一台火箭發動機！"
Q&A
Q1：Julia編程語言和Python、MATLAB這些語言相比有什麼優勢？
A：Julia最大的優勢在於它兼具易用性和高性能。Python和MATLAB對科學家來說容易上手，但運行速度較慢；C語言速度快，但對非程序員來說學習門檻很高。Julia通過"即時編譯"技術，能根據數據類型動態編譯代碼，在保持接近Python易用性的同時，實現接近C語言的運行速度。有研究團隊發現，用Julia重寫後的飛機防碰撞程序，比Python版本快了約50倍。
Q2：Dyad 3.0具體能幫工程師做什麼？
A：Dyad 3.0是JuliaHub推出的AI平台最新版，主要面向複雜物理系統的工程設計。工程師可以上傳數據和設計文檔，系統會由AI智能體自動完成物理仿真、安全性分析、代碼編譯和設計驗證等工作。Dyad內置物理編譯器，能強制執行物理定律，避免AI給出違反物理規律的設計方案。JuliaHub正與波音等客戶合作，應用場景涵蓋飛機、火箭、熱泵、衛星等複雜系統的設計，有望將數月的設計工作壓縮至數小時完成。
Q3：Julia在實際產業中有哪些典型應用案例？
A：Julia已在多個領域落地應用。製藥領域，有研究團隊基於Julia構建了製藥建模平台，並被用於加速Moderna新冠疫苗的研發；航空領域，研究人員用Julia開發了飛機防碰撞程序，運行速度比Python版本快約50倍；通信領域，Meta工程師藉助Julia為WhatsApp的40億用戶開發了更優秀的音頻編解碼器。此外，Julia還被用於黑洞成像、全球氣候建模、大腦活動分析和電腦電路仿真等前沿科研場景。
