關於
Chris Lattner 是美國電腦科學家，也是 Modular 的共同創辦人兼執行長，目前正在開發高效能 AI 程式語言 Mojo。他是 LLVM 編譯器基礎架構、Clang 編譯器及 Swift 程式語言的原始創作者。他在 Apple 工作了十二年，帶領開發者工具團隊，此後歷任 Tesla、Google（共同創建 MLIR）及 SiFive 等公司要職。他在 LLVM 上的貢獻使他於 2012 年獲得 ACM 軟體系統獎。
主要貢獻
- 創建 LLVM 這套模組化編譯器基礎架構，成為現代語言工具鏈的重要基礎
- 打造 Clang，以更快速、模組化的工具取代許多舊有 C/C++ 編譯器堆疊
- 在 Apple 主導 Swift，結合系統級效能與更安全、友善開發者的語言設計
- 在 Google 共同創建 MLIR，為機器學習與硬體特定最佳化提供共享編譯表示
- 創辦 Modular 並打造 Mojo，試圖解決 AI 基礎設施中的 Python 效能落差
- 其工具廣受推崇，但 Mojo 的承諾仍面臨所有新系統語言都會遇到的艱難採用問題
影片與訪談
思想連結
Jeff Dean
曾經合作Discovery Loop 共同創辦人
Lattner 於 2017 年加入 Google Brain 負責 TensorFlow 的基礎架構，Dean 是他的主管；照他自己的說法，MLIR 起於 Dean 的一句話：我同意我們有個編譯器問題，你去做一個新的編譯器來收拾這團亂。做出來的是一套共享的中介表示法，讓多種框架能對應多種晶片——包括 Dean 一手促成的 TPU。這也提醒我們：讓大模型成為可能的，多半不是架構，而是管線，由那些把硬體與語言讀成同一個問題的人搭起來。
modular.com · en.wikipedia.org
黃仁勳
思想對照創辦人暨執行長・NVIDIA
Modular 的存在，正是因為 NVIDIA 造出了那樣東西。CUDA 讓一家繪圖公司成為 AI 的基底，靠的是讓自家硬體變成唯一寫起來舒服的地方；Lattner 的回應——先是 MLIR，後是 Mojo——則是從編譯器這一層攻擊鎖定效應，好讓效能不必綁在單一廠商的生態系上。AI 算力最終會維持為一道護城河、還是變成一種商品，正在這個毫不起眼的層次上被決定，而不是在模型發表會上。
Lex Fridman
曾經對談Research Scientist, MIT; Host of the Lex Fridman Podcast
關於 Mojo 的對話進行到第三個小時，Fridman 把話題轉向自己：模型能預測出他正要寫的程式碼，這讓他懷疑自己的大腦有多獨特、有價值的想法究竟從哪裡來。自稱「人類樂觀主義者」的 Lattner 以編譯器工程師的身分回答——程式語言就像英語，是人與機器之間的中間表示，所以模型會學會任何被選定的關鍵字；而留在人這一邊的，是理解問題本身：客戶開口要一匹更快的馬，真正需要的卻是一輛車。這是 LLVM 與 Swift 的打造者，把 LLM 放進他唯一信任的框架裡：又一層用來壓低複雜度的工具——而複雜度，是他口中的宿敵。
youtube.com
