2. 作者・誕生の背景・MLIR

2.1. この章で学ぶこと

新しい言語の話では、「誰が作ったのか」が注目されがちです。でも、この章で大事なのは人物紹介そのものではありません。 なぜ今、Mojo のような言語が出てきたのか をつかむことです。

ここでは、会社の背景とコンパイラ基盤である MLIR の 2 つから、Mojo の立ち位置を見ていきます。

Mojo は Modular Inc. が開発している言語です。 Modular は、AI の推論やデプロイを含む AI インフラ を作っている会社です。

その文脈の中で Mojo は高水準のコードを書いても、低水準の最適化まで同じコンパイラ基盤の上で扱えるよう設計された言語です。

特に公式では、CPU、GPU、そのほかのアクセラレータ のような、いろいろなハードウェアを意識しながら、生産性と性能を両立することが強調されています。

Mojo や Modular の話では、Chris Lattner の名前がよく出てきます。 Chris Lattner は、LLVM、Clang、Swift などのコンパイラや言語の開発に深く関わってきた人物として知られています。

ここで大事なのは、肩書きを覚えることではありません。 コンパイラや言語設計の経験が深い人たちが、Mojo の基盤づくりに関わっている と理解すれば十分です。

それによって、Mojo が 強いコンパイラ基盤 や 単一の言語スタック を重視していることにも納得しやすくなります。

AI の研究や開発では、Python がとてもよく使われています。実際、Python は AI の世界でいちばん身近な入口です。

ただし、本番環境で高い性能を出す部分 になると事情が変わります。そこでは昔から、次のようなものが混ざりやすくなっていました。

つまり、書く言語と、高速化のための仕組みが分離しやすい ということです。

Mojo が目指しているのは、その分離をできるだけ小さくすることです。できるだけ一つの言語の流れで書き、コンパイルの段階で必要な最適化や変換を行う、という考え方です。

Mojo が「書きやすさと性能の両立」を目指せる理由は、文法だけにあるのではありません。 コンパイラ基盤まで含めて設計しているからこそ 可能であり、その鍵が MLIR です。

Mojo のコンパイラは MLIR を基盤として構築されています。つまり、Mojo で書いたコードは MLIR の仕組みを通じて変換・最適化され、CPU や GPU などの実際のハードウェアで動くコードになります。

前の節で、AI インフラには「Python・C++・CUDA・複数の中間表現（IR）」が混ざりやすいという話をしました。 Mojo はその混在を解消したい、という動機から設計されており、MLIR がその一つの答えです。

MLIR は Multi-Level IR の略です。
簡単に言うと、いろいろな段階の中間表現をまとめて扱うための仕組み です。

ここでいう中間表現（IR）は、ソースコードと機械語のあいだにある、コンパイラ内部の表現のことです。

MLIR のポイントは、抽象的な表現から低水準な表現まで、段階を分けて変換していけることです。これを lowering と呼びます。

Mojo では、この MLIR を基盤として使うことで、

という流れを取りやすくしています。

MLIR について、命令名や細かいパスの名前まで覚える必要はありません。この本では、次の 2 つがわかれば十分です。

このイメージを持っておくと、あとで出てくる GPU、レイアウト、compile-time の話がつながりやすくなります。

補足: この章では、MLIR の細かい技術よりも、なぜ Mojo の説明で MLIR が出てくるのか をつかめれば十分です。