Go团队公开了最新开发者调查的结果，该调查其中一项值得关注的重点，是Go开发者在使用大型语言模型的状况，以及对Go语言支援人工智慧应用开发的回馈。结果显示，虽然不少Go开发者，已经使用Go或是希望将人工智慧工作负载搬迁至Go，但是却都面临函式库与文件生态系不足的挑战。

Go团队针对开发者在生成式人工智慧应用程式的开发经验，进行更深入的探究，调查发现，有50％的受访者来自正在建置或是探索人工智慧服务的组织，其中又有56％的人正参与开发人工智慧功能，也就是整体受访者的四分之一，正在开发或使用生成式人工智慧服务。

在这些专业使用生成式人工智慧服务的Go开发人员中，有81％的人使用OpenAI的ChatGPT或DALL-E模型，并且有53％的受访者，至少使用一种开源模型，如Llama、Mistral等。

Go团队指出，超过千名员工的大型组织与较小组织在使用模型的倾向上略有不同，大型组织使用OpenAI模型的比例略低为74％，较小组织则为83％，而使用其他专有模型方面，大型组织比例22％，略高于较小组织的11％。

而在开源模型的使用上，则与公司规模无关，无论大型组织还是较小组织，都有超过一半的公司选择使用开源模型，分别是51％和53％。但对整体受访者来说，有高达47％的受访者偏好开源模型，只有19％的人偏好使用专有模型，37％的受访者表示对开源或专有模型没有特别偏好。

正在建置人工智慧功能的受访者，其中约有三分之一表示已经使用Go语言，开发包括新功能原型和整合大型语言服务。受访者认为Go特别适用于资料工作管线和托管API端点，比例分别为37％和41％。

而之所以受访者认为Go适合用于开发人工智慧工作负载有多项原因。Go程式语言设计追求简洁清晰，对处理大量资料和高并行人工智慧任务来说很重要，由于Go具有先进的并行机制，在进行大规模处理时，程式码可以更为简洁且安全，而且Go程式在编译之后，可以成为一个独立的二进位档案，不需要相依外部项目，简化了部署过程。

相较于人工智慧开发的另一个热门语言Python，Go的特性是更为稳定，且使用的运算资源更低，更容易在生产环境中应用。

不过，Go团队也发现，其中有四分之一的受访者，虽然也希望将Go用于开发人工智慧应用，但是面临一些阻碍。Go团队提到，人工智慧生态系以Python为中心，开发者所熟悉的函式库和框架都是以Python开发，而资料科学家和研究人员也都熟悉使用Python。其中有62％正参与人工智慧功能开发的受访者，已经使用Python整合生成式人工智慧模型，而在这群体中，有57％的人希望可以使用Go。

在已经使用Python开发人工智慧功能的受访者，有92％当Go也具有与Python函式库相同功能的专案时，他们会愿意使用Go整合生成式人工智慧系统。

不过，与Python生态系相比，Go不仅缺乏许多函式库，而且开发者也普遍认为，Go在相关函式库的投资较少，像是Python的Pandas函式库是资料科学领域的核心工具之一，Go目前没有相对应的函式库，因此要在Go中进行资料处理和分析便更为困难。

目前人工智慧领域专家都很熟悉Python，会在Python中进行实验和建立概念性验证，但是Go缺乏Python函式库的变体，因此削弱了开发人员尝试将Python程式移植到Go中，以Go建立生产人工智慧应用的能力。

虽然Go在可靠性和效能等方面，都可以在呼叫GPT-4或Gemini等托管模型表现良好，但是却在建立、评估和部署自订模型方面受到挑战，主要原因还是Go缺乏相关的函式库，限制了Go在人工智慧领域中被更广泛的应用。