AI Coding 最激进的拥趸，已经对编程语言下手了。

作者丨梁丙鉴

编辑丨马晓宁

“重构”是伴随大模型的热词之一。无数人喊出这个口号，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。

来自美国的连续创业者 Nathan Baschez 近日在 X 上预言：「OpenAl 或 Anthropic 将在 TypeScript 上发布一种编程语言或框架」，原因是：

• 类型安全对 AI 编写和验证代码非常有帮助

• 现在人类不再愿意编写重复样板代码的限制已被打破

• 只有大型实验室才有预算从头构建训练数据脚手架

或许这则预言并非绝对准确。“相比 OpenAI 和 Anthropics，MSFT 和 Google 更有可能成为预言的主角。”张宏波告诉我们，“但市场对一门全新的 AI 原生编程语言的需求已经成为共识。”

作为构建软件的基石和核心工具之一，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，从研发者写下第一行代码开始，一般需要十年左右的时间才能聚集一批核心用户。而以 2022 年发布的 ChatGPT 为代表的大模型同样是多年研究的成果，现有的主流编程语言，还不曾为 AI 进行过针对性优化。

张宏波关注到二者之间这种张力并不令人意外，他是国内最早从事工业级编程语言研究的人之一。2023 年，OCaml 语言斩获 SIGPLAN 软件大奖（编程语言领域最具含金量的奖项之一），张宏波曾是其核心开发人员之一。后来他主导开发的 BuckleScript （ReScript）更是得到了 Bloomberg （彭博社）、Facebook （Meta）  等企业的大规模商用，是首个由国人主导的在国际范围内具有一定影响力的通用型编程语言。

值得一提的是，在 Nathan Baschez 的帖子下就有用户提到他此前的作品 ReScript。

“我认为 ReScript 就是那个 AI 原生编程语言的最佳位置之一。它似乎具备大模型偏爱大多数概念：意图声明、函数签名、冗长性、契约式编程、纯函数、测试驱动开发、规范驱动开发、依赖注入、状态机、确定性、预提交钩子、100% 代码覆盖率、构建速度、带建议的报错……”

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。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 AI Coding 这个领域重大突破下潜藏的机遇。”

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 源于 89 年荷兰程序员吉多·范罗苏姆圣诞节的「无聊」，Rust 起步于 06 年 Mozilla 员工 Graydon Hoare 的私人项目，它们的初始目标和 AI 时代需求完全不一样。”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 AI 原生的编程语言。

这不仅意味着在性能、安全性上贴合 AI Coding 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 AI Coding 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 MoonBit Pilot 的端到端软件。

“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，MoonBit 的用户规模已近十万（数据来源 VScode 等插件下载量）。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）的编程语言，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。

01

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，做编程语言及工具链已经小 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，就把我引荐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，他们破格邀请我作为学生参加。后来 Bloomberg  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工作机会，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6个周末的时间写了一个编译器的原型，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，它就从我的个人业余项目发展成了公司赞助的项目。我们公司当时有四千左右到软件开发人员，后来这个项目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 Facebook Messenger 和 Facebook Chat 上，希望我能继续维护，我就在 Facebook 待了五年时间。五年后沈向洋老师从微软退休，到深圳创办了 IDEA 研究院。刚好我也想做点更有意思的事情，就来到了 IDEA 研究院基础软件中心，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 IOS，他们会希望用一种自己可以随时随便修改的编程语言 ，所以诞生了 Swift。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，如 Rust 等，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 AI Coding 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，这部分数据里还混杂了很多别的编程语言。不同编程语言之间有相似性，直接让 AI 产生代码，很有生产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，都是很早之前就起步的。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 Coding Agent，我们叫 MoonBit Pilot。

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：以前设计编程语言的时候仅考虑人机交互，因为那时人的生产力更高。有了大模型以后，不一样的点在哪？

• 可维护性：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 AI Coding 的可靠性可以更高。如果 AI 给我生成了十万行 JavaScript 源代码，我是不敢接受维护的，因为 AI 很可能只是快速给了我一个原型，或许可以跑通，但如果以后我要扩展，继续增加特定功能，那肯定会很痛苦。

• 安全性：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，用户的损失是很大的。所以我说，AI 时代对代码可靠性的要求会非常高。

• 高性能：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 AI Coding 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（null point exception），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。

其实设计思路都是一脉相承的，我学生时代参与开发 OCaml 语言，它被用得最多的就是纽约最大的金融机构之一 Jane Street，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。

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 Agent MoonBit Pilot，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。

02

专属语言工具，“把 AI 当成用户看待”

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，我很荣幸了加入沈老师的 IDEA 研究院，组建基础软件中心做编程语言，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。

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，我们基础软件中心成立，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 24 年 10 月，我们发布了 Native 后端。MoonBit 最开始支持 WebAssembly 是因为在这样的平台上生成代码会很高效，后面我们陆续支持用户编译到 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。

第三个节点是 25 年 6 月，我们又发布了 MoonBit 的 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。

最新的节点是 25 年 9 月底，我们发布了一个异步网络框架，这就是补全 MoonBit 关键语言特性的最后一块拼图。MoonBit 语言的异步编程支持吸取了现有语言的经验与教训，具有比现有语言更简洁的语法。MoonBit 语言的异步运行是基于结构化并发理念设计，能够帮助用户编写出更加健壮、安全的异步程序。

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可以和最新的 SOTA 相媲美。

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：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：一门编程语言能否风靡全球，除了其本身的素质，运气也是不可或缺的成份。比如最近比较热门的 Rust 确实解决了一些棘手问题，但如 Python 在 2010 年时用户量已在 Node.js 的影响下开始有下降的势头，出乎意料的是 Python 后来又被 AI 的发展势头带火，至今连续多月稳坐编程语言流行度排行榜第一。

22 年国庆节前我加入 IDEA 研究院时恰逢 ChatGPT 问世，因为我在宾大读博的时候，最后的研究项目就是 Program Synthesis（合成代码），且当时我尝试把 MoonBit 的语法（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，我立马意识到 AI 用在代码生成上的前景。

总的来说 ChatGPT 让我们看到 AI Coding 这个领域突破与前景，所以 MoonBit 的整个语言设计考虑了很多 AI 的因素。

AI 科技评论：和现有的 AI Coding 产品相比，MoonBit Pilot 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里。如果你像 OpenAI 的 Codex 或者 Anthropic 的 Claude Code 那样深度语义理解与全量解析，效率是很低的。而 MoonBit Pilot 通过内部构建的语义分析工具，实现瞬发查找。

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错误提示。如果你让 Claude 一个一个地修，很容易就把上下文信息容量限制给用完了。但我们了解哪些错误提示是相对独立的，就可以把它作为一个并发且跟上游无关的问题来进行修复，这样做效果会好很多。

我们正在开发开发两套 IDE，一套给用户，另外一套就是给大模型用的，这样 MoonBit Pilot 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，MoonBit Pilot 专门做了 Post-Training（大模型后训练）吗？

张宏波：我们将来会做 Post-Training，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 Post-Training，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，Claude 4.0 已经非常懂 MoonBit 了，我们的很多库已经可以用 Claude 4.0 生成。它相比 Claude 3.7 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 MoonBit Pilot 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 AI Coding 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。MoonBit Pilot 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：之前做 BuckleScript （ReScript ）还有 OCaml 的时候，刚开始都是一两个人在做，愿景比较小。现在 IDEA 是团队模式，节奏很快。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 的最后一年休假期间把每个 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之一，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 「一切皆关乎品味」。

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。原因是见过太多的设计后，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代价，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。

03

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，很小的规模，也很年轻，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，大家是真的热爱这个领域。

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：最困难的就是从 2022 年 9 月 19 号到 2023 年 8 月 18 号的前 8 个月，当时几乎没有人觉得我们可以做成，大家都觉得 MoonBit 就是一个「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里程碑，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 AI Coding 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。AI Coding 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 MoonBit Pilot 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MoonBit Pilot 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 在国内基本可以算是独苗，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，他自己就是个非常技术范的人。但是在国内，很多投资人不具备深度的技术背景。

国内的投资人主要是靠生意模式，很少有靠一家非常硬核的软件公司赚到过钱，所以 MoonBit 几乎没有先例。但我们的用户在持续增长，我们会有很好的数据支撑，通过实际的数据指标来证明这件事情。

AI 科技评论：MoonBit Pilot 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，然后通过 C 端用户向上影响技术决策层采纳我们，所以目前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。