背景

传统的编译器技术如LLVM和GCC并不适合现有深度学习编程语言的发展迭代，无法完全支持现代芯片架构。如今，专用机器学习加速器的标准技术是MLIR。MLIR是一个相对较新的开源编译器基础架构，最初由Google（其主要负责人转到Modular）启动，已在机器学习加速器社区广泛应用。 MLIR的优势在于它能够构建领域特定编译器，特别是用于不是传统CPU和GPU的奇怪领域，例如AI ASIC、量子计算系统、FPGA和定制硅。

目标

• Python生态系统完全兼容，尽量降低学习门槛
• 实现可预测的低级性能和低级控制
• 充分利用现有的MLIR编译器生态系统
• Mojo的正确长期目标是提供Python的超集（即使Mojo与现有的Python程序兼容），并拥抱CPython实现以支持长尾生态系统。
• 根据场景决定是否使用静态或动态处理方式。

现状

• MOJO还不支持python语法中的类。
• MOJO可以在Cpython环境中实现良好集成。