Python无疑是机器学习领域最受欢迎的编程语言，这一点毋庸置疑。尽管R语言、C++和Julia等编程语言也有各自的独特应用场景，使得它们在某些情况下依然流行，但Python仍然是应用最广泛的语言，并且是几乎所有主要机器学习框架的基础。

然而，令人惊讶的是，在Cortex这一开源平台中，负责将机器学习模型部署为API的代码库里，竟然有87.5%的部分是用Go语言编写的。Go语言在构建基础设施方面表现出色，尤其是在处理大规模运行的机器学习API时。

Python虽是机器学习算法的重要组成部分，但在实际生产环境中部署和管理机器学习API时，还需要考虑基础设施的其他因素，如自动扩展、API管理以及滚动更新等。这些都需要一个稳定高效的架构支持，Cortex正是为此目的而设计的。

选择Go语言作为Cortex的主要开发语言，主要有以下几个原因：

首先，Go生态系统非常适合基础设施项目。Cortex处于Kubernetes生态系统中，而Kubernetes本身就是用Go语言编写的。此外，诸如kubectl、minikube、helm、kops和eksctl等工具也都是用Go语言编写的。大多数对基础设施感兴趣的工程师都熟悉Go语言，因此Go语言能吸引这些人才。

其次，对于机器学习的基础设施来说，并发性非常重要。用户可以部署多种不同的模型作为独立的API，而Cortex则需要通过API管理这些部署。Go语言通过Goroutines提供了一种简单高效的并发解决方案，从而有效地解决了这些问题。

第三，Go语言本身的设计简洁明快，易于上手。尽管Go语言的学习曲线比Python稍陡峭，但它通过静态类型检查和编译过程减少了错误发生的可能性，使得代码更加健壮可靠。

最后，Go语言还简化了跨平台命令行工具的开发和分发。Cortex的命令行工具就是一个很好的例子，它允许用户直接从命令行部署模型和管理API。Go编译的二进制文件具有显著的性能优势，而且Go语言编写的工具在基础架构领域得到了广泛应用。

总的来说，虽然Python在机器学习领域占据主导地位，但Go语言在基础设施建设方面表现出了强大的优势。如果你希望成为一名机器学习工程师，Python是必不可少的技能；但如果你想深入研究机器学习的基础架构，那么学习Go语言将会大有裨益。