Go團隊公開了最新開發者調查的結果，該調查其中一項值得關注的重點，是Go開發者在使用大型語言模型的狀況，以及對Go語言支援人工智慧應用開發的回饋。結果顯示，雖然不少Go開發者，已經使用Go或是希望將人工智慧工作負載搬遷至Go，但是卻都面臨函式庫與文件生態系不足的挑戰。

Go團隊針對開發者在生成式人工智慧應用程式的開發經驗，進行更深入的探究，調查發現，有50％的受訪者來自正在建置或是探索人工智慧服務的組織，其中又有56％的人正參與開發人工智慧功能，也就是整體受訪者的四分之一，正在開發或使用生成式人工智慧服務。

在這些專業使用生成式人工智慧服務的Go開發人員中，有81％的人使用OpenAI的ChatGPT或DALL-E模型，並且有53％的受訪者，至少使用一種開源模型，如Llama、Mistral等。

Go團隊指出，超過千名員工的大型組織與較小組織在使用模型的傾向上略有不同，大型組織使用OpenAI模型的比例略低為74％，較小組織則為83％，而使用其他專有模型方面，大型組織比例22％，略高於較小組織的11％。

而在開源模型的使用上，則與公司規模無關，無論大型組織還是較小組織，都有超過一半的公司選擇使用開源模型，分別是51％和53％。但對整體受訪者來說，有高達47％的受訪者偏好開源模型，只有19％的人偏好使用專有模型，37％的受訪者表示對開源或專有模型沒有特別偏好。

正在建置人工智慧功能的受訪者，其中約有三分之一表示已經使用Go語言，開發包括新功能原型和整合大型語言服務。受訪者認為Go特別適用於資料工作管線和託管API端點，比例分別為37％和41％。

而之所以受訪者認為Go適合用於開發人工智慧工作負載有多項原因。Go程式語言設計追求簡潔清晰，對處理大量資料和高並行人工智慧任務來說很重要，由於Go具有先進的並行機制，在進行大規模處理時，程式碼可以更為簡潔且安全，而且Go程式在編譯之後，可以成為一個獨立的二進位檔案，不需要相依外部項目，簡化了部署過程。

相較於人工智慧開發的另一個熱門語言Python，Go的特性是更為穩定，且使用的運算資源更低，更容易在生產環境中應用。

不過，Go團隊也發現，其中有四分之一的受訪者，雖然也希望將Go用於開發人工智慧應用，但是面臨一些阻礙。Go團隊提到，人工智慧生態系以Python為中心，開發者所熟悉的函式庫和框架都是以Python開發，而資料科學家和研究人員也都熟悉使用Python。其中有62％正參與人工智慧功能開發的受訪者，已經使用Python整合生成式人工智慧模型，而在這群體中，有57％的人希望可以使用Go。

在已經使用Python開發人工智慧功能的受訪者，有92％當Go也具有與Python函式庫相同功能的專案時，他們會願意使用Go整合生成式人工智慧系統。

不過，與Python生態系相比，Go不僅缺乏許多函式庫，而且開發者也普遍認為，Go在相關函式庫的投資較少，像是Python的Pandas函式庫是資料科學領域的核心工具之一，Go目前沒有相對應的函式庫，因此要在Go中進行資料處理和分析便更為困難。

目前人工智慧領域專家都很熟悉Python，會在Python中進行實驗和建立概念性驗證，但是Go缺乏Python函式庫的變體，因此削弱了開發人員嘗試將Python程式移植到Go中，以Go建立生產人工智慧應用的能力。

雖然Go在可靠性和效能等方面，都可以在呼叫GPT-4或Gemini等託管模型表現良好，但是卻在建立、評估和部署自訂模型方面受到挑戰，主要原因還是Go缺乏相關的函式庫，限制了Go在人工智慧領域中被更廣泛的應用。