AI Native数字基建: 从编程语言的发展历史, 挖掘出通往AI数字世界的入口Article Template

type

Post

status

Published

date

Nov 2, 2026

slug

summary

从为什么会有这么多开发语言开始, 推倒出最近几年会有新的编程语言, 以及运行时、和OS内核都将会全新重构.

一、主流编程语言产生的背景

C++的出现是为了解决代码从几千行暴增至数万行, C语言无法工程化的难题, 那是在1980年代初, CLI还是主流的时候,

主要解决C语言代码即要处理与底层硬件交互逻辑, 又要处理复杂业务逻辑, 引入了面向对象的编程范式. 目前C++主要用在OS级内核驱动、游戏引擎、数据库、交易系统等场景.

Python的出现, 主要解决各种不同服务的协作问题, 比如粘合各种C++写的算子库、大规模的脚本等, 主要用在系统自动化、运维脚本、科学计算与AI, 之后在快速后端验证也有发展,如早期的Django、Flask等.

而Java诞生于那个互联网最火热的1995年前后, 企业急切的想把自己的业务办到互联网上(CS架构), 解决的是企业需要一种跨平台的语言, Java引入了虚拟机用来把高级语言转换成底层不同芯片的字节码. 并引入GC解决C++那样需要程序员自己处理内存管理的问题.

Go在2009年被Google推出, 主要是解决C++编译太慢, 而Java引入运行时, 内存占用太高, Google希望有一个像C++一样接近底层, 编译快, 同时又能解决当时云上高并发的业务需要. 后来的云基础设施K8s、Docker都基于Go来实现, 而与云原生相伴的微服务, 也大都采用Go语言来写.

Rust的引入, 2010年代初, 是Firefox的前身Mozilla工程师Graydon Hoare的一个业务探索项目, 既有 C++ 的性能、又能在编译期彻底消灭内存错误, 传统的内存安全是靠GC, 但Java和Go的GC会带来不可预知的暂停, Rust在语法上引入所有权模型机制, 在编译时通过范型严格检查内存引用的有效范围和生命周期,来实现内存的管理与安全. 并通过零成本抽象设计哲学, 极大程度上降低运行时内存开销. 正式这些天才般的设计和实现, 让Rust可以在C++的应用领域比如浏览器内核、操作系统底层网络引擎,浏览器中的高性能计算模块, 现代云基础设施(如AWS 的 Firecracker 轻量级虚拟化技术)

2010年之后, 进入到移动互联网时代, 2017年Google将2011年JetBrains推出的Kotlin设为官方语言, 2014年由苹果公司发布Swift, 这两个语言主要是为了解决移动端开发. 当然还有解决跨平台(桌面、Web、客户端)的语言如Flutter.

所以,

整体看下来编程语言的发展历史, 主要是两个方面驱动: 业务驱动、效率驱动.

业务驱动, 主要就是面向主要的应用场景, C++解决了处理现代软件工程很棘手的问题, Python解决了将各种服务粘合成更大服务的问题, Java解决了跨平台, Go解决了云上大规模并发, Rust相当于核心以全新的内存管理理念,全新升级了C++.

效率驱动, 就是让开发者编程更快, 不用关心底层内存管理. 专注在业务上.

但, 有一个有意思的发现, 除了2023年Modular发布的, 解决AI底层算力优化、机器学习加速问题的Mojo之外, 进入到2020年之后, 好像很久没有新的语言推出了.

现在AI Agent就是一个新出现的场景, 下一个开发语言会是哪个?

我们可以先分析下AI Agent业务场景下有哪些痛点.

二、AI Agent业务场景有哪些痛点?

本质上, LLM一个概率模型的产物, 所以LLM的输出的结果概率的、内容有幻觉的, 输出的格式会飘逸的.

目前的Agent开发如用 LangChain、AutoGen、Dify 或自研框架, 实质上是用确定性的传统代码去包裹非确定性的模型输出。这就引出几大痛点:

1. 确定性逻辑与概率性输出的撕裂：LLM输出的结果, 开发者要处理大量的格式校验和重试逻辑.

2. 状态爆炸与长周期（Long-running）容错极难：传统的Web请求是短平快的（几百毫秒响应）。而一个复杂的 Agent 任务可能需要运行几分钟甚至几小时（涉及多次 LLM 思考、调用工具、写代码、再调试）。现有的语言缺乏对“带有记忆、可回滚、可中断”的长状态任务的优雅原生支持。

3. 多智能体协作（Swarm/Mesh）的并发鸿沟：当几十个Agent组成集群，互相发消息、协商、分工、评审时，用现有的异步事件循环或协程去手写通信协议极其繁琐，缺乏类似Erlang那种天然面向分布式Actor的优雅拓扑管理。

2026年爆火的Agent Infra层Harness, 本质上也是在解决这些问题, 但其实是一种打补丁的方式, 缺乏运行时或者OS级的支持.

有业务场景, 有痛点, 按照前面的分析, 就一定会有新的编程语言.

三、AI Agent业务场景的编程语言会有啥特点?

虽然目前整个AI领域主要精力在处理业务应用, 偏底层的考虑还正在酝酿中, 新的编程语言估计在某个团队、在某个大牛的脑海里.

但根据编程语言的发展和目前的痛点, 新的编程语言估计会有这三个特性:

1. 概率类型的系统: 传统语言有int, string, bool等类型。Agent语言预计会原生支持“置信度”与“概率态”.

2. 时间旅行与确定性状态回滚: 传统语言内存状态改了就改了，崩溃了只能靠日志。Agent语言, Agent在执行“写代码、运行测试、报错、修正”的试错循环（Trial and Error）时，语言的运行时自动对Agent 的内存状态、向量数据库上下文、工具调用历史进行类似Git的版本控制。一旦Agent 走入死胡同或产生灾难性幻觉，运行时可以像玩游戏“读档”一样，瞬间回滚到上一个安全决策点。

3. 第一类上下文与记忆: 传统语言用HTTP/gRPC或消息队列（Kafka/RabbitMQ）来实现服务间通信。Agent语言, 内置类似Actor模型或图论拓扑的语法。开发者可以用几行声明式代码，像画流程图一样定义一个由“规划 Agent、编码 Agent、测试 Agent、审核 Agent”组成的网状协作集群，语言运行时自动处理它们之间的通信死锁、权限隔离和任务分包。

最后, 一路讨论下来, 作者的观点是, 这次的AI Agent不仅仅是一个业务场景, 而是一个全新的互联网范式, 一个是基于离散数学构建起来的确定性数字世界, 一个是基于概率论构建起来的概率性世界.

所以, 这一次, 需要改变或者重构的, 不仅仅是编程语言, 会设计到底层的运行时, 甚至更底层的操作系统内核(就是改变内存管理机制).

同时下一代数字世界, 不仅仅是给人用的, AI也将成为数字世界“一等公民”, 也会引入加密货币作为者新数字世界的底层支付工具.

而, 现在,

一切正处在变革的黎明之前.