2008年，一群拥有各种语言丰富编程经验的Matlab高级用户，对现有的科学计算编程工具感到不满——这些软件对自己专长的领域表现得非常棒，但在其它领域却非常糟糕。

他们想要的是一个开源的软件，它要像C语言一般快速而有拥有如同Ruby的动态性；要具有Lisp般真正的同像性（Homoiconicity）而又有Matlab般熟悉的数学记号。

要像Python般通用、像R般在统计分析上得心应手、像Perl般自然地处理字符串、像Matlab般具有强大的线性代数运算能力、像shell般胶水语言的能力，易于学习而又不让真正的黑客感到无聊。

还有，它应该是交互式的，同时又是编译型的……  现在，一个充满活力和蓬勃发展的社区围绕着这种语言成长起来，来自世界各地的人们在追求这一目标的过程中不断地精炼并重塑着 Julia。超过 700 人为 Julia 做出了贡献，还有很多人制作了数以千计的令人惊叹的开源 Julia 软件包。

总而言之，我们建立的语言：

-快速：Julia 就是为高性能而设计的。Julia 程序通过 LLVM 编译为多个平台的高效本机代码。

-通用：它使用多个调度作为范例，使得它很容易表达众多面向对象和函数编程的模式。它的标准库提供异步 I / O、进程控制、日志记录、概要分析、软件包管理器等。

-动态：Julia 是动态类型的，就像一种脚本语言，并且很好地支持交互式使用。

-技术：它擅长于数值计算，其语法非常适合数学，支持的数字数据类型众多，并具有开箱即用并行性。Julia 的多次调度非常适合定义数字和数组类型的数据类型。

-（可选）键入：Julia 具有丰富的描述性数据类型语言，类型声明可用于阐明和巩固程序。

-可组合：Julia 的软件包可以很好地协同工作。单位数量矩阵，货币和颜色数据表都可以进行，并且性能良好。

特点：

1.免费开源

2.核心语言非常小。标准库用的是 Julia 语言本身写的

3.调用许多其它成熟的高性能基础代码。如线性代数、随机数生成、快速傅里叶变换、字符串处理。（还在增加中……）

4.丰富的用于建立或描述对象的类型语法

5.高性能，接近于静态编译型语言。包括用户自定义类型等

6.为并行计算和分布式计算而设计

7.轻量级“绿色”协程

8.优雅的可扩展的类型转换/提升

9.支持Unicode, 包括但不限于UTF-8

10.可直接调用 C 函数（不需要包装或是借助特殊的API）

11.有类似shell的进程管理能力

12.有类似Lisp的宏以及其它元编程工具

与其他语言相比，Julia 易于使用，大幅减少了需要写的代码行数；并且能够很容易地部署于云容器，有更多的工具包和库，并且结合了多种语言的优势。据 Julia Computing 的宣传，在七项基础算法的测试中，Julia 比 Python 快 20 倍，比 R 快 100 倍，比 Matlab 快 93 倍。

目前 Julia 的应用范围已经非常广泛了，可以用于天文图像分析、自动驾驶汽车、机器人和 3D 打印机、精准医疗、增强现实、基因组学和风险管理等领域。

两年前，诺贝尔经济学奖得主 Thomas Sargent 和澳大利亚国立大学的经济学教授 John Stachurski，共同建议纽约联邦储备银行把其用于市场走势预测和政策分析的 “动态随机一般均衡模型（DSGE）” 转到 Julia 语言平台。在项目第一阶段后，他们发现，Julia 把模型运行时间缩短至原先 Matlab 代码的十分之一到四分之三。

除了语言本身的优点，Julia 还拥有非常强大的生态系统，主要应用于数据可视化、通用计算、数据科学、机器学习、科学领域、并行计算六大领域。