故事要从几封充满抱怨的邮件说起。2009年，一群研究人员开始发泄对现有科学编程语言的不满。那些为科学家和研究人员设计的编程语言，既死板又迟缓。如果科学家构建出真正有效的程序，往往需要用另一种语言重写整个项目，才能实现更快的运行速度。
这些邮件最终催生了一项麻省理工学院（MIT）的研究项目，目标是打造一门易用且高性能的编程语言——Julia。这门语言专为科学研究、数据分析以及对喷气式发动机、药物、金融市场、机器人等复杂系统的建模而设计。
这个研究项目后来发展成MIT的一个实验室，实验室又孵化出了公司JuliaHub。在这一路走来的过程中，Julia在科学家、工程师和数学家等群体中积累了大批忠实用户。如今，这门免费开源的语言已拥有超过100万用户，遍布全球数千家企业和高校。
毫不夸张地说，Julia几乎被用来模拟世间万物——从微小的原子行为到半导体、神经网络、赛车和飞机，无所不包。它甚至被天文学家用于黑洞成像，触达了太阳之外的广袤宇宙。
Julia的核心优势在于其代码编译方式，它能根据所使用的数据类型进行动态编译。这种"即时编译"（Just-in-Time Compilation）机制，使Julia比其他数值计算编程语言更快、更灵活。
JuliaHub联合创始人兼首席执行官Viral Shah表示："科学家和工程师并不是程序员。由科学家、工程师和程序员组成的多学科团队共同构建科学应用，本身就是一大挑战。我们在思考：如果能为科学家和工程师提供一门语言，让他们既能在高层次上表达自己的想法，又能获得出色的软件性能，那将会怎样？"
让非程序员也能轻松编程，始终是JuliaHub创始团队的北极星目标。这支团队包括Julia的联合创始人Shah、MIT数学教授Alan Edelman、Jeff Bezanson（麻省理工学院理学硕士2012届，博士2015届）以及前MIT研究科学家Stefan Karpinski。
今年4月，JuliaHub团队在这一方向上迈出了重要一步——正式推出Dyad 3.0。这是其AI平台的最新版本，旨在帮助工程团队加速火箭、热泵、卫星等复杂物理系统的研发。工程师们已在使用Dyad指导自主AI智能体完成物理仿真、安全性分析、质量控制等工作。
Shah介绍道："使用Dyad 3.0，你只需上传数据和设计文档，系统便能为你完成整架飞机的设计。我们正与波音等客户合作，为工程师构建智能体驱动的硬件设计能力。简单来说，你只需对系统说'帮我造一架飞机'，上传设计文档，系统便会自动处理所有物理学计算、编译全部代码、完成验证，并以智能体方式完成整个设计。"
从零起步
Julia的联合创始人们大约在2009年讨论了科研人员对更好编程语言的需求，随后创办了Julia实验室。该实验室至今仍活跃于MIT计算机科学与人工智能实验室（CSAIL）旗下。
Julia的核心理念是打造一个在工程、科学和数学应用方面表现卓越的高性能平台。Shah表示，在Julia诞生之前，科学家和工程师要么只能雇人为他们开发软件，要么只能接受为数不多的科研编程语言所带来的低下性能。
"我们希望创造一门像Python或MATLAB一样易用，同时又像C语言一样快速的工具。我们最初是为自己而构建Julia的。"Shah说道。
Edelman回忆，在最初阶段，研究人员并不确定会有人对他们的成果感兴趣。"我们估计可能需要10年才会有人关注，但我们告诉自己，耐心是一种美德，那就做吧。"
2012年，MIT研究团队通过一篇博客文章正式宣布了Julia的发布。出人意料的是，他们很快发现，许多其他研究人员都有着同样的烦恼。
"一开始我们的目标是交互式科研工作流，但越来越多的人把它用在方方面面。"Bezanson说，"现在我们也在随着用户的需求演进，将整个语言栈迁移到更小的嵌入式设备上。"
自那时起，Edelman便在MIT开设了一门Julia课程，学生来自几乎每个院系。如今，他经常发现学生在选课时就已经在使用Julia了，应用场景涵盖机器人技术、天文学、物理仿真和金融等众多领域。
"研究人员会来找我说，'我告诉导师我用Julia是因为它速度快，但别告诉他们，我其实是因为它真的很好玩才用的。'"Edelman笑着说，"Julia的关键在于它的抽象能力。很多编程语言会把你限制在你正在思考的那一个问题上。而Julia让你在解决自己问题的同时，也能解决世界上其他人的问题，它鼓励你从更通用的角度去思考解决方案。"
随着Julia的影响力持续扩大，全球各地的研究人员开始向Julia团队寻求支持。到2015年，这一需求已足够强烈，促使他们决定创办JuliaHub，以全职投入的方式为用户提供帮助。MIT德善中心（Deshpande Center for Technological Innovation）及MIT其他方面的支持，共同帮助这家公司得以顺利起步。
JuliaHub的工作也从单纯的用户支持，逐步演变为推动语言本身的整体发展。这一过程中，Julia的忠实用户们创造出了令人印象深刻的成果。Julia已被用于模拟计算机电路、检测健康不平等问题、建立全球气候和海洋模型、分析大脑活动等各类场景。
在有人基于Julia构建了一个制药建模平台后，该平台被用于加速Moderna新冠疫苗的研发进程。在另一个案例中，研究人员使用Julia开发了一套防止飞机碰撞的程序，发现其运行速度比此前基于Python构建的版本快了约50倍。Meta的工程师也借助Julia，为拥有40亿用户的WhatsApp开发出了更优秀的音频编解码器。
"多年来，我们见证了来自工业界、政府和学术界的用户用Julia语言做出各种有趣的事情。"Edelman说，"说实话，人们对它的广泛应用在很多方面都让我们感到惊喜。"
自主设计
JuliaHub于2025年6月推出了Dyad 1.0，定位为加速编程的研究智能体，并于同年12月发布了Dyad 2.0。创始团队认为，Dyad 3.0在复杂系统的设计能力与自主性上代表着全新的高度。
"Dyad的一个重要特点是它内置了物理编译器，能够强制执行物理定律。"Shah解释道，"通用AI系统在求解物理问题时，往往会给出违反物理定律的解。而在使用Dyad智能体时，它会检测到此类违规，并引导智能体走向物理上正确的解。我们预计，这将使产品工程中的设计周期大幅缩短，让数月的工作量在数小时内完成。"
Edelman通过自己的课程也感受到了Julia的影响力。最近有一名学生使用Dyad对机器人在太空中的运动方式进行了建模，还有一名学生用它构建了一台火箭发动机。
Edelman回忆道，那位同学最后说："我简直不敢相信这么容易——我就这样造出了一台火箭发动机！"
Q&A
Q1：Julia编程语言和Python、MATLAB这些语言相比有什么优势？
A：Julia最大的优势在于它兼具易用性和高性能。Python和MATLAB对科学家来说容易上手，但运行速度较慢；C语言速度快，但对非程序员来说学习门槛很高。Julia通过"即时编译"技术，能根据数据类型动态编译代码，在保持接近Python易用性的同时，实现接近C语言的运行速度。有研究团队发现，用Julia重写后的飞机防碰撞程序，比Python版本快了约50倍。
Q2：Dyad 3.0具体能帮工程师做什么？
A：Dyad 3.0是JuliaHub推出的AI平台最新版，主要面向复杂物理系统的工程设计。工程师可以上传数据和设计文档，系统会由AI智能体自动完成物理仿真、安全性分析、代码编译和设计验证等工作。Dyad内置物理编译器，能强制执行物理定律，避免AI给出违反物理规律的设计方案。JuliaHub正与波音等客户合作，应用场景涵盖飞机、火箭、热泵、卫星等复杂系统的设计，有望将数月的设计工作压缩至数小时完成。
Q3：Julia在实际产业中有哪些典型应用案例？
A：Julia已在多个领域落地应用。制药领域，有研究团队基于Julia构建了制药建模平台，并被用于加速Moderna新冠疫苗的研发；航空领域，研究人员用Julia开发了飞机防碰撞程序，运行速度比Python版本快约50倍；通信领域，Meta工程师借助Julia为WhatsApp的40亿用户开发了更优秀的音频编解码器。此外，Julia还被用于黑洞成像、全球气候建模、大脑活动分析和计算机电路仿真等前沿科研场景。