MoonBit 作为重大成果亮相广东省人工智能应用对接大会,展示 AI 原生编程语言最新进展

4月27日,由广东省发展改革委、深圳市人民政府主办的广东省人工智能应用对接大会在深圳启幕。这是广东首次举办省级人工智能应用对接大会,也是广东推动人工智能全域全时全行业高水平应用的重要举措。

多位主管部门领导到场进行了指导。广东省委副书记、省长孟凡利、广东省科学技术厅党组成员、副厅长吴世文,前沿与高新技术处处长文晓芸,以及深圳市科技创新局党组成员、副局长李肖力等领导出席了本次大会。

作为本次"人工智能+科技创新"专题会遴选出的重大成果代表,MoonBit 受邀亮相大会现场,并在成果发布环节汇报 AI 原生编程语言及形式化验证方向的最新进展。此次入围,既体现了 MoonBit 在基础软件与人工智能融合方向的阶段性探索,也反映出MoonBit在高可靠软件开发、AI 辅助编程和国产编程语言生态建设中的代表性价值。

本次发布的重点,聚焦于形式化验证这一高可靠软件开发中的关键技术。

形式化验证长期被视为软件可靠性的核心保障手段,尤其适用于智能合约、航空航天、金融基础设施、基础软件等对错误容忍度极低的场景。但在实际工程中,这项技术始终面临落地门槛较高的问题:一类方案依赖第三方工具附着在主流语言之上,配置复杂,工程体验割裂;另一类方案则依托 Coq、Agda 等专用验证语言,理论能力强,但学习成本高,与大规模工业软件开发之间仍存在距离。

随着 AI 代码生成能力不断提升,软件生产方式正在发生变化。代码生成速度变快之后,如何证明代码符合预期、如何保证生成结果可靠,正在成为更加现实的工程问题。高可靠软件开发需要的不只是更强的生成能力,也需要能够嵌入开发流程的验证机制。

MoonBit 的探索方向,是将形式化验证原生纳入语言与工具链之中。

作为面向 AI 时代设计的新一代编程语言,MoonBit 开创性地将形式化验证作为语言的一等特性原生内置。开发者可以直接在业务代码中书写前置条件、后置条件与不变量,并由 SMT 自动求解器完成机器级证明。验证不再是独立于开发流程之外的附加步骤,而是与编码、调试、构建等环节共同构成语言工具链的一部分。

关于 MoonBit 形式化验证成果,可详见 MoonBit 0.9版本解读:

MoonBit 0.9 发布:AI 自动生成可证明的代码mp.weixin.qq.com/s?__biz=Mzk0MTQ3MDU4Mg==&mid=2247508933&idx=1&sn=01f47630db54c155d861a9de0b476343&scene=21#wechat_redirect

大会当天,MoonBit 运营专家宗恩在会议现场向与会专家和嘉宾介绍了 MoonBit 的最新进展,并重点汇报了形式化验证方向的阶段性成果。MoonBit 本次受邀作为重大成果发布,也与其近期生态快速发展密切相关。自 MoonBit 0.9 发布以来,语言特性、工具链能力和开发者生态持续推进,Mooncakes 包生态包数量已突破 7000 个,累计下载量超过 300 万次,越来越多开发者开始围绕 MoonBit 构建库、工具和实际项目。

从整体定位来看,MoonBit 并不只是"一门新的编程语言"。它更希望面向 AI 时代的软件开发需求,重新组织语言、编译器、IDE、构建系统、包管理、验证工具和 AI 辅助能力之间的关系。当这些能力不再分散在不同工具和流程中,开发者面对复杂软件系统时,才有可能获得更清晰、更可靠的工程路径。

MoonBit 展台也吸引了多位参会嘉宾驻足了解,不少企业代表就 AI 原生编程语言、形式化验证以及高可靠软件开发等方向,与团队进行了现场沟通。

对于 MoonBit 而言,形式化验证只是其中一个切入口。更重要的是,如何围绕国产编程语言建立可持续的开发者生态,沉淀高质量的库、包、工具和工程实践,让更多开发者能够在 AI 时代参与基础软件建设。面向未来,MoonBit 将继续在语言工具链、AI 辅助开发、形式化验证、开源社区和国产软件生态培养等方向持续投入,推动 AI 与软件工程更深层次结合,为我国基础软件创新和高可靠软件开发提供更加坚实的技术支撑。

相关推荐
FrontAI1 小时前
深入浅出 LangGraph —— 第9章:流式输出:实时响应用户
人工智能·langchain·ai agent·langgraph
从零开始学习人工智能1 小时前
量化评估RAG效果:LLM答案自动评估脚本全解析
人工智能·多模态·rag
白熊1881 小时前
【大模型Agent】基于LangGraph搭建 多轮对话客户支持机器人 项目示例
人工智能·大模型·llm·agent·langgraph
c++之路1 小时前
C++ 预处理器
开发语言·c++
love在水一方1 小时前
【Voxel-SLAM】Data Structures / 数据结构文档(二)
数据结构·人工智能·机器学习
ConardLi1 小时前
开源我的 GPT-Image2 生图 Skill,附大量玩法指南
前端·人工智能·后端
QYR_111 小时前
2026卷绕式扣式电池产业洞察:智能制造如何重塑微型储能格局?
人工智能·市场调研
白熊1881 小时前
【大模型Agent】LangGraph 深度科普:为智能体而生的“有状态”编排框架
人工智能·langchain·agent·langgraph
数智工坊1 小时前
【SIoU Loss论文阅读】:引入角度感知的框回归损失,让检测收敛更快更准
论文阅读·人工智能·深度学习·机器学习·数据挖掘·回归·cnn