TIOBE 2026 年 09 月份的编程语言排行榜已经公布，官方标题是：Julia 要回来到前 20 了吗（Is Julia going to re-enter the top 20）。
本月关注的焦点并不在前十，而是 Julia 距离重返前 20 只有一步之遥；与此同时，MATLAB 继续下滑，又跌了两个名次。上个月我们刚聊过《2026 年 08 月编程语言排行榜｜MATLAB 真的要凉了吗？》，现在这个趋势似乎更清楚了。
Perl 和 Ruby 则正式告别前 20，给两位老将 Ada 和 Objective-C 腾出了位置。
对很多科研人员和工程师来说，MATLAB 曾经是计算科学领域的瑞士军刀：矩阵计算、信号处理、控制系统、仿真建模……几十年来，无数高校实验室、科研机构和工业企业都依赖它。
但如今，一个问题越来越明显：MATLAB 还能代表未来吗？而 Julia 的崛起，是否意味着科学计算领域正在发生新的洗牌？
MATLAB、Julia、Python 和 R 在数值计算、科学计算、建模和数据处理领域都有深厚的根基。多年来，Python 和 R 已经夺走了 MATLAB 的很大一部分市场，而 Julia 也无疑分走了一杯羹。
1、MATLAB 曾经有多强
MATLAB（Matrix Laboratory）诞生于 1980 年代，最初的目标很明确：让科学计算人员能快速做矩阵运算，不用自己写底层代码。
过去要用几十行 C 或 Fortran 才能完成的数学计算，MATLAB 里可能几行就搞定：
A = rand(1000);
B = A * A';
对数学、物理、控制、电气、通信领域的研究者来说，这极大降低了编程门槛。再加上信号处理工具箱、控制系统工具箱、Simulink 仿真平台、自动代码生成这些能力，长期形成了 MATLAB 稳固的护城河。
2、现在，竞争对手变了
以前 MATLAB 的对手是 Fortran、Mathematica、Maple 这类同类专业软件，但现在它面对的是整个 开源生态。
Python 已经是科学计算和 AI 领域的事实标准：
- NumPy 替代矩阵计算。
- SciPy 替代科学计算。
- Matplotlib 替代绘图。
- Pandas 替代数据分析。
- PyTorch/TensorFlow 替代机器学习工具链。
而 Julia 则从另一个角度切入：它语法接近数学表达，性能接近 C，又原生支持并行计算和自动微分。
Julia 在数值计算、微分方程求解、科学模拟等领域逐渐蚕食 MATLAB 的份额。
而且最关键的一点——Python 免费，生态极其完善。
3、Julia 会就此站稳脚跟吗？
到目前为止，Julia 仍主要集中在相对小众的领域，尚未能作为通用编程语言实现突破。它速度很快，但还有更快的语言。
Julia 相对易学，拥有一个强大而热情的用户社区，但在更广泛的开发者群体中，它的认知度仍然有限。
Julia 的设计哲学是：像 Python 一样简单，像 C 一样快。但现实中的它需要面对编译器延迟、包生态碎片化以及较少的通用库支持等问题。
不过，Julia 在专业领域的表现确实亮眼：微分方程求解器、科学模拟、符号计算、自动微分等方向，Julia 的库在性能上往往优于 Python，甚至能够接近手写 C 或 Fortran 的水平。对于那些需要高性能数值计算、同时不想放弃高级语言易用性的研究者来说，Julia 是极具吸引力的选择。
4、MATLAB 会真的消失吗？
MATLAB 最大的问题不是没有价值，而是它正在从大众开发语言，变成专业领域工具。尽管 Julia 和 Python 持续蚕食其份额，但 MATLAB 手里还握着两张不容易被替代的牌：
- Simulink：这是 MATLAB 最强的护城河，汽车、航空航天、机器人、自动控制领域大量依赖它，Python 和 Julia 生态目前还没有真正对等的替代方案。
- 工业遗留代码：很多企业手里有十几年的 MATLAB 项目、大量经过验证的模型、深度绑定的专业工具箱。重新开发几十年积累下来的工程模型，可能是几百万美元的工程。
因此，Julia 虽然正在抢占 MATLAB 在科研和教学领域的份额，但在工业控制、硬件在环仿真等深度绑定 Simulink 的场景中，MATLAB 的地位短期内仍难以撼动。
5、AI 时代，对 MATLAB 和 Julia 的双重影响
AI 编程工具正在改变开发者选择语言的逻辑。
AI 更偏爱类型清晰的语言，训练数据越多的语言，AI 写得越好。
这对 MATLAB 是双重打击：用户基数收缩，商业授权限制了公开代码的流通，可供 AI 学习的 MATLAB 代码远比 Python 少。
对于 Julia，虽然 Julia 是开源语言，其代码在 GitHub 上公开，但总体训练数据量仍远小于 Python 和 JavaScript。因此 AI 辅助在 Julia 上的表现虽好于 MATLAB，但仍不及主流语言。
不过，随着 Julia 社区的增长和代码库的积累，这种差距正在缩小。强者恒强，训练数据越多的语言，AI 写得越好。
选一门被广泛支持的语言，意味着终身都能获得更好的 AI 辅助。这对正在犹豫是否从 MATLAB 转向 Julia 或 Python 的科研人员来说，是一个重要的考量因素。
本月，排名前十的分别是：
Python，C，C++，Java，C#，JavaScript，Visual Basic，SQL，R，Rust。
Python，C，C++，Java，C#，JavaScript，Visual Basic，SQL，R，Rust 历史走势图：
11 到 20 排名如下（PHP 又好起来了吗？）：
排名 21-50 的编程语言：
51-100 的编程语言：
ActionScript, Apex, Applescript, Awk, Bash, bc, BCPL, Bourne shell, C shell, CFML, CL (OS/400), Clojure, CoffeeScript, cT, ECMAScript, EGL, Elixir, Erlang, F#, GAMS, Groovy, Io, J, J#, JScript, Logo, ML, MS-DOS batch, NetLogo, Nim, OpenCL, PL/I, PowerScript, Pure Data, PureBasic, Q, REBOL, Ring, Scheme, Solidity, Structured Text, Tcl, tcsh, thinBasic, V, XBase++, XC, Xojo, XPL, Z shell。
各大编程语言的历史排名(1988-2025)：
编程语言“名人榜”(2003-2024)：
TIOBE 每个月都会公布一次编程语言的排行榜。这份排行榜排名基于全球技术工程师、课程和第三方供应商的数量，其中包括了流行的搜索引擎以及技术社区，如 Google、百度、维基百科等等。
数据反映目前主流编程语言的变化趋势，对我们学习和工作可作为一个参考，但各个语言都有它们各自适合的应用场景，所以也不必过于在意，毕竟语言的好坏在于如何去使用它。
如果你正在犹豫该学什么语言，可以参考下面这些方向：
- AI / 数据科学：就选 Python，现在、以后、很长一段时间内都是。
- Web 前端：JavaScript 先学，TypeScript 接着学，没有第二选择。
- 后端 / 企业开发：Java 或 C#，老但不死，职位稳定。
- 系统开发、游戏引擎、底层：C++ 依然是主力，Rust 是值得关注的长期投资。
- 想挑战高难度的：Rust 或 Go，职位少但供给更少，薪资溢价明显，适合有一定基础之后的方向选择，不适合作为第一门语言。
不管学哪个，先把一门学扎实，比多门语言浅尝辄止有用得多。如果你还在几门语言之间犹豫，也可以到 云栈社区 看看大家的实际选型经验。
参考链接： https://www.tiobe.com/tiobe-index/
发表于 昨天 17:09
|
查看: 16|
回复: 0
