Codon：把 Python 编译成机器码，跑出 C 语言的速度

Codon 是一个 Python 编译器，由 Exaloop 团队开发，在 GitHub 上已获得 16,778 Star。它的核心思路是将 Python 代码编译为机器码，去除运行时解释开销，典型场景下速度比 CPython 快 10 到 100 倍。

核心能力

Codon 的设计目标是保持 Python 语法和语义习惯，同时在性能层面与 C、C++ 或 Rust 持平。它基于 LLVM 编译器基础设施，采用静态编译方式，将整个程序编译为可执行文件。编译管线包含类型推断、中间表示优化等环节，最终生成无运行时开销的机器码。

与 CPython 最大的区别在于 Codon 没有全局解释器锁（GIL）。它支持多线程，可以通过 OpenMP 注解并行化循环。代码中使用 @par 装饰器即可将串行循环转为并行执行，编译器会自动处理原子操作和竞争条件。

Codon 也支持 GPU 编程。通过 @gpu.kernel 装饰器可以直接编写 CUDA 内核，或者用 @par(gpu=True) 语法在 GPU 上并行执行。这为数值计算和科学模拟提供了额外加速途径。

实际表现

官方给出的对比数据很直观。计算第 40 个斐波那契数的递归实现，CPython 耗时约 18 秒，Codon 仅需 0.28 秒。使用 NumPy 进行蒙特卡洛近似圆周率的计算，5 亿个随机点，CPython 耗时 2.25 秒，Codon 耗时 0.43 秒。

Codon 内置了 NumPy 实现，API 与标准 NumPy 一致，但底层全部用 Codon 重写，支持编译器层面的内联、融合和内存分配优化。这个实现可以与多线程和 GPU 能力协同工作，也能与 PyTorch 集成。

使用方式

安装只需一条命令，通过 curl 执行安装脚本即可。日常用法与 Python 接近，codon run file.py 直接运行，codon run -release file.py 开启优化，codon build -release file.py 编译为独立可执行文件。

对于 Python 生态的依赖，Codon 提供了 from python import 语法，可以直接调用任意 Python 包。需要设置 CODON_PYTHON 环境变量指向 CPython 共享库。Codon 也支持通过 JIT 装饰器或 Python 扩展后端嵌入到现有 Python 项目中，让性能敏感的部分走 Codon 编译路径，其余部分保持 CPython 运行。

适用边界

Codon 并不打算成为 CPython 的完全替代。它不支持所有 Python 动态特性，一些依赖运行时动态行为的代码需要调整。官方文档列出了与 Python 的差异点，建议在使用前对照查看。

对于追求极致性能的科学计算、数值模拟、并行计算场景，Codon 是一个值得尝试的选项。它保留了 Python 的开发效率，同时提供了接近底层语言的执行速度。

留了 Python 的开发效率，同时提供了接近底层语言的执行速度。