ML-Entwickler haben es aktuell schwer: Will man ein komplexeres KI-Modell ausführen, gibt es viele Anforderungen an die Prozessor- und besonders GPU-Architektur, die erfüllt sein müssen. Dadurch sind Entwickler meist recht eingeschränkt, welche Computer und Betriebssysteme während der Entwicklung und beim späteren Server-seitigen Ausliefern zum Einsatz kommen. In der ML-Szene hat sich Python als die Programmiersprache der Wahl durchgesetzt – doch oftmals ist diese ein Performance-Flaschenhals.


Chris Lattner ist hauptsächlich als Erfinder der Apple-Programmiersprache Swift bekannt, welche nach und nach das betagte Objective-C ablösen soll. Apple stellte Swift erstmals vor knapp 10 Jahren im Sommer 2014 auf der Worldwide Developers Conference vor. Lattner verlies Apple im Januar 2017 und widmete sich fortan einer neuen Compiler-Infrastruktur namens MLIR.

Modular und Mojo
Im Jahr 2023 gründete Lattner zusammen mit Kollegen die Firma Modular, welche sich auf die Bereitstellung von AI-Modellen spezialisiert. Hier entstand eine neue Programmiersprache namens "Mojo", welche stark an Python angelehnt und teilweise mit dieser kompatibel ist. Wie Modular bekannt gab, soll Mojo so einfach wie Python sein, aber die Geschwindigkeit von nativem C bieten – und so sollen ML-Modelle deutlich schneller ausgeführt werden. Ferner bietet Modular eine komplette Engine samt Dritthersteller-Bibliotheken an, um ML-Modelle ohne Anpassungen auf einer Vielzahl von Hardware und Software ausführen zu können.

Nun auf dem Mac
Wie Modular nun in einem Blog-Post bekannt gab, steht die Engine wie auch Mojo nun lokal für den Mac zum Download bereit, sodass sich Mojo-Projekte auch auf Apple-Computern entwickeln lassen. Um die Programmierung zu vereinfachen, bietet Modular auch eine Erweiterung für Visual Studio Code an.


Im Vergleich zu purem Python ohne Optimierungen soll Mojo um den Faktor 90.000 schneller sein. Im vergleich zu nativ-kompiliertem Python immerhin noch um den Faktor 90. Um die Engine lokal auszuführen, wird ein Mac mit Apple-Silicon-Chip vorausgesetzt. Besitzer von Intel-Macs müssen auf einen Docker-Container zurückgreifen.