拋開硬體不談

人工智慧的核心是演算法，基礎是資料，大資料。

演算法方面，再實現領域，需要快速的處理，所以,C,C+可能會好一點。有人說不對，是Python。Python只是演算法的呼叫方，並不是實現方，當然，Python也是不可缺少的，畢竟它是呼叫方或者不同演算法模組的粘合劑。

大資料，資料領域，這個就比較多了，資料收集，資料轉換，資料分析都有，可能很多語言都可以發揮作用，比較主流的有JAVA，Scala，Python，SQL.

人工智慧的競爭還是人腦的競爭。

拋開以後的程式設計師第一批下崗這個問題，人工智慧流行的今天，無疑最能接觸機器底層，最能涵蓋大部分程式設計需求的c++最有需求，也最難學。

好了C++涼了...因為沒人願意學這個複雜的玩意，不過他真的很優美

這個真的不好說，語言也在不斷的進行演化，Google的大牛們早已經躍躍越試開發自己獨門的語言來改變一個世界，對於他們來說，如果你的簡歷是自己的履歷，那麼他們就是一門語言，java之父跳槽事件，讓我認識到，如果沒有一個自己的語言都不好意思跳槽。哈哈。。。。。。

當下吵得的特火的是python，因為培訓機構當下最熱的。python已經不是新語言，只是當下有人提出人工智慧，才又一次讓大家想起了他，其實他一直在我們身邊。當然go語言也是不錯的ai語言。語言只是第一道門檻，真正強大的是那些科學院的博士的演算法，那才是核心，其實語言只是進入ai的門檻，真正的厲害的，年薪過萬的是那些高學歷，會搞演算法的人，其他人都是應用開發。（工資不會太高，說給一些人聽）

Ai智慧不單單是一種語言就能一家獨大，只有一些語言淘汰，而其他的語言會繼續在這個語言圈繼續生活在這個圈子裡，別想著誰會離開，每種語言背後都有著經濟利益，只能是經濟利益推動語言發展，再厲害的語言，沒經濟利益推動也是淘汰。

需要了解的是，程式語言只是一個工具, 目的是為了與計算機進行溝通，讓自己的想法變成計算機可以理解，可以執行的一種方式；而人工智慧的範疇也很大，每種程式語言都有其擅長的領域。關鍵是你的目的是什麼？是要人工智慧的通用領域中程式設計，還是在某個子領域內進行程式設計活動。

下面介紹一些在AI領域有代表性的語言：

LISP是一種通用高階計算機程式語言，長期以來壟斷人工智慧領域的應用。LISP作為因應人工智慧而設計的語言，是第一個宣告式系內函式式程式設計語言，有別於命令式系內過程式的C、Fortran和麵向物件的Java、C#等結構化程式設計語言。Prolog（Programming in Logic的縮寫）是一種邏輯程式語言。它建立在邏輯學的理論基礎之上， 最初被運用於自然語言等研究領域。現已廣泛的應用在人工智慧的研究中，可以用來建造專家系統、自然語言理解、智慧知識庫等。同時對一些通常的應用程式的編寫也很有幫助，能夠比其他的語言更快速地開發程式，因為它的程式設計方法更象是使用邏輯的語言來描述程式PLANNER一種便於目標定向處理的早期語言.PLANNER是建立在LISP的基礎之上，為問題求解及定理證明而提出的一種語言，該語言能實現傳統的正向推理和麵向目標的逆向推理等功能.一個PLANNER程式包括斷言和定理兩部分，斷言部分用於指出已知事實，而定理部分則描述如何根據舊事實推出新事實.它們分別被儲存在斷言資料庫和定理資料庫中.Python - 這個就不用過多介紹了。是一種廣泛使用的語言，提供了許多人工智慧、科學計算的經典庫。Google的Tensorflow也是把Python作為主要的程式語言KRL. KRI_是Knowledge RepresentationLanguage的首字母縮寫.該語言建立在LISP之上，易於表達框架結構中的知識，是一種能夠支援複雜框架結構的語言。Wolfram Language - http://www.wolfram.com/language/principles/

不同於其他的程式語言，Wolfram 語言的理念是在語言內部構建儘可能多的關於演算法以及世界的知識。

迄今為止最大的演算法網路集合涵蓋了三十年多來在 Mathematica 中開發的高階演算法世界上最大的可計算知識的集合不斷精選在 Wolfram|Alpha 中使用的上千個領域的資料

因此，如果是通用型AI程式語言，Python可能是面向通用AI程式設計人才的必備語言；如果是其他子領域的AI，這個就看具體的問題了。