新科技速遞
編程已經成為各行各業不可或缺的技術，編程語言之多，令人眼花繚亂，從主機語言到近代的物件導向，編程語言經常了多代的更迭。
編程語言百花齊放，從最初的Visual Basic的快速開發工具，以至後來相繼出現物件導向的Java，Web 流行的腳本語言PHP，以至自如處理數學函式Python，各有不同用途，但在性能不佳，尤其數據科學、統計預測和模擬運算，以至人工智能模型，一直沒兩全美的解決方案。
近年編程開始普遍，不少數據科學家，均從學習高階的語言開始，所謂「高階」（High Level）是指高度抽象化語言，開發時不用擔心系統各種參數，類似R 語言就可快速開發統計，人工智能和IOT又令Python和MicroPython等大受歡迎，皆因為用戶毋須操心各項系統底層的資源。不過實際投產時，工程人員多以低階語言再開發，不少就是基於性能的考慮。
易用性能不可兼備
上述兩難在於易用性和性能之間抉擇，魚與熊掌，不可兼得。程式語言大致可分兩類：一類具備簡單開發環境，較短學習曲線，可供數據科學家和社會科學家、甚至業餘開發人士，首先以高階工具分析和模擬。
另一類屬於底層代碼，可充分利用記憶體層次結構，確保能充分利硬件和處理器的運算能力。以實際的應用來說，以 Python 之類高階語言開發應用，用戶可比較容易理解語法，以及交互能力，迅速為程式除錯和測試。測試版可解決簡單問題和作為概念驗證，但是如果想擴展到實際應用，或者大模型使用，必須考慮性能和記憶體配置，熟悉性能的企業都以高性能語言編寫，類似C或C++開發。
Julia數據科學救星
2012 年，麻省理工學院（MIT）研究人員推出了一種開源語言Julia，可兼具簡化開發環境和高性能的優勢，獲得全球多家藥廠用於新藥開發，最近更獲得融資。
Julia 語言設計的初心，就是希望創造一種語言，同時可針對電腦科學專家的嚴謹要求，又可在實際開發時令使用過 R、Matlab、SAS 和 Python 之類工具，亦可輕鬆上手。MIT利用Julia開發了針對人工智能「Gen」的建模語言，以簡化開發視覺運算、機械人、統計機率，其至預測性分析。
醫藥領域初試啼聲
Julia 程式語言開源後，全球已錄得達 2900 多萬次下載量，GitHub獲3萬5千顆星星，已有數千位開源開發者向 Julia貢獻源碼，全球超過 1500 家大學正教授Julia，幾乎包括電算領域上最頂尖的大學。
不過全球超過 1 萬家大公司正採用 Julia 語言，包括不少藥廠，包括Moderna、輝瑞、阿斯利康，用於新藥和新冠肺炎的新藥開發研究，Julia的開發團隊初期缺乏經費，向多家藥廠提供顧問，同時也顯示出其應用的潛力，其他如貝萊德、谷歌、英特爾、微軟、NASA、聯邦航空管理局以及紐約聯邦儲備銀行也是Julia 的用戶。
初輪融資長期發展
2012年，Julia的團隊建立初創Julia Computing，以長期發展Julia功能。上周Julia Computing終於完成了2400 萬美元 A 輪融資。Dorilton Ventures 領投，其他投資者包括 Menlo Ventures、General Catalyst 以及 HighSage Ventures 。此外，Snowflake前行政總裁Bob Muglia加入 Julia Computing 董事會，Muglia也曾在Microsoft和Juniper出任高層，再帶領Snowflake成為獨角獸。
Julia 社區包括醫療和金融專家，今星期Julia Computing舉行網上JuliaCon用戶大會，圖靈獎得主和柏克萊大學教授William Kahan和東北大學教授Jan Vitek發表了主題演說。JuliaCon內不少演講環節，概述了科學家及工程師如何以Julia演算能力，解決大數據的科學難題，避免以高階語言（Python、Matlab 或 R ）測試與模擬後、再以低階語言（ C 或 C++）重寫的問題。