Mojo 适合用于哪些 AI 与大模型开发场景？

1. AI 算法与 GPU kernel 开发

Mojo 官方列出的用途包括开发 AI 算法、GPU kernel、高性能计算（HPC）以及数据转换等。由于语言本身支持 NVIDIA（cuda）、AMD（hip）与 Apple（metal）三条主流 GPU 路线，同一套语言技能可以覆盖不同厂商的加速器。

2. 推理框架底层算子

Mojo 是 Modular Platform 的实现语言，该平台的 CPU 与 GPU 图算子全部由 Mojo 编写。因此这类对延迟与吞吐极为敏感的底层算子库，是 Mojo 最直接的生产落地形式。

3. 新 AI 硬件的快速适配

对于硬件厂商与平台团队而言，Mojo 适合承担新芯片、新加速器的软件 bring-up 工作。由于栈中绝大部分内容与架构无关，新增一款加速器所需的改动主要集中在少量 kernel 与参数空间调整上。

4. 面向异构环境的端到端部署

Modular Platform 已支持的硬件范围从 CPU 与 GPU 扩展到 AWS Trainium、Google TPU 以及高通 Cloud AI 100 Ultra 与 Dragonfly 加速器。据 Chris Lattner 在 2026 年 9 月 23 日骁龙峰会上的表述，该平台当时已支持来自六家不同硬件厂商的六种数据中心加速器架构。Modular 自身的表述是让开发者实现一次编写、跨 CPU、GPU、NPU 与定制 ASIC 的部署，且无需针对每种加速器重写；高通方面也表示正把这套栈扩展到包括骁龙在内的产品组合上。

5. 云端与自有环境的推理服务

Modular Cloud 已正式对外提供服务，通过共享端点与专属部署两种形式承载开源模型：共享端点兼容 OpenAI 接口并采用按 token 计费，专属部署则可在 Modular 自有算力或用户自有算力上以预留隔离实例运行。这类生产环境的底层执行同样建立在 Mojo 编写的算子之上。