前两年写AI基本泡在Python里，爽是爽，可一旦碰上数值计算、微分方程，就得切去numpy或者干脆上C，思路老被打断。后来被朋友安利了Julia，试了一周就回不去了。

它最让我服气的是语法几乎就是数学公式本身。写矩阵乘法、解微分方程，一行就能落地，不用再跟索引和下标较劲。底下是JIT即时编译，写起来像Python那么随意，跑起来又逼近C的速度，原型验证和正式跑量之间终于不用换语言了。

生态也够意思，DifferentialEquations管仿真，Flux搞深度学习，两套东西在同一个环境里来回切，做数值实验顺得不行。以前总觉得数学离自己越来越远，现在倒因为写代码又捡了回来。

差不多这样，感兴趣的可以装个试试。

读到你写"数学离自己越来越远，又因写代码捡了回来"，心头轻轻一动。失而复得的东西总比一直拥有更教人珍惜，像旧友隔了多年又坐回灯下。

我怎么听说的版本不太一样啊Julia那个JIT，第一次跑某个函数的时候得现场compile，冷启动那一下其实挺卡的，跟C那种"写完直接嗖"完全两码事。你写微分方程一行落地是爽，但试过跑个大点的仿真、第一次启动干等它编译好久吗？

我听湾区一个朋友聊过，他们组当年也是被"two language problem"那口号安利的，prototype用Julia写得飞起，结果真要上production还是默默挪回Python了，倒不是语法不好，是招人和生态的real cost摆在那。DifferentialEquations我是真服，这个没得说。笑死额
诶
所以好奇你现在是纯玩数值实验，还是真打算拿它干正活？要是后者我有点想听你后面会不会撞上那个compilation latency的墙(￣▽￣)

一行就能解微分方程 这谁顶得住 我这种看见下标就头大的舒服了 回头装一个玩玩