都在骂AI写的代码慢，他却说：软件再也没理由卡顿了
最近科技圈有个很火的论调。大模型正在制造一堆又慢又臃肿的垃圾代码，等这帮人用汇编语言重写一切的时候，就有好戏看了。
但前微软、现科技圈知名硬核博主 Dan Luu 直接甩出一篇长文打脸。
他的核心观点极其嚣张：软件再也没有理由变慢了。
老实讲，刚看到这个标题我觉得他在扯淡。但看完他的实验数据，我沉默了。
以前搞性能优化，那是少数顶尖极客的专属游戏。你需要懂底层、懂硬件、懂各种反人类的编译原理。现在呢？你只需要会打字。
性能优化的成本，正在被AI以几个数量级的速度疯狂压缩。
几分钟干翻人类专家的几个星期
我们来看个极其暴力的数字对比。
Dan Luu 完全不懂游戏AI。他用了最新的大模型，花了一点时间写了个 Azul 游戏AI。结果这个AI直接登顶，把当时的世界第二名按在地上摩擦。
赢在哪？赢在优化。
对手的AI是单线程的。Dan 让大模型帮他写多线程算法。大模型一开始还瞎推理写错了，Dan 花了30分钟查阅资料，然后让AI重写了多次。
如果是人类手写这种多线程算法，加上实现日志回放来debug非确定性bug，起码要熬几天甚至一个星期。现在AI几分钟就搞定了。
在这个游戏里，速度每翻倍，Elo积分就能涨100分。当你叠加十几个这种人类嫌麻烦不想做的优化后，手写的AI根本没法玩。
更有意思的是 Anthropic 的性能面试题。
工程师 Jamie Brandon 自己做了一遍，然后让 Claude 接着做。Claude 不仅补全了他想到但没空做的优化，还搞出了一堆他原话说的“除非搞上几周否则绝不会尝试的疯狂操作”。
个人觉得，在限定时间的优化问题上，人类工程师已经打不过一个 decent 的模型了。
从通用轮子到私人定制
既然优化这么便宜，我们为什么还要用通用软件？
Dan 搞了个叫 FRE 的正则引擎。他让 AI agent 跑了一个月去优化性能。后来他突发奇想，让 AI 在 ripgrep 跑正常匹配的时候，后台起个线程编译原生代码。
长查询性能直接飙升 2到4倍。
这操作听起来很极客对吧？但其实他只花了几分钟打字，剩下的代码手术全交给了 AI。
亚马逊的 Marc Brooker 和 pgrust 的 Michael Malis 都高度认同这个方向。未来的软件，不再是针对某一类工作负载的通用轮子，而是针对你个人、你当前特定工作负载动态生成的定制软件。
Dan 甚至让 AI 针对他自己电脑上的 ripgrep 查询历史做专属优化。两分钟启动，跑出来的结果比标准版快了 2%，而且还在持续变快。
以前这种级别的定制优化，只有大厂的核心业务才配拥有。现在，它成了个人开发者的周末消遣。
反转与打脸：AI真的是性能救星吗
别急着欢呼，现实往往比理论骨感得多。
评论区里直接炸出了不少反面案例。有人吐槽，ChatGPT 的 Mac 客户端经常崩溃，内存莫名其妙飙升到 50GB。这可是拿着地球上最高薪水的工程师、用着最顶级的算力写出来的软件。
还有人怀念 WinXP 和 Win7 时代，吐槽现在 Win11 右键菜单居然要卡顿 1000毫秒。
说实话，这点我不太认同 Dan 的过度乐观。就像评论区一位老哥指出的：
写出高效代码的核心在于内存和缓存的极致利用，这跟大模型目前擅长的文本生成完全是两码事。
大模型依然不懂数据导向设计，也不懂硬件导向设计。它们生成的代码，很多时候只是看起来能跑，实际上冗长且缓慢。
更别提现代软件慢的根本原因，往往是在等网络请求。你代码优化得再飞起，跨洋光缆的 300毫秒延迟你也抹不平。
AI 确实把性能优化的门槛踩碎了。以前你觉得软件慢，是因为优化太贵，老板觉得不划算。现在优化便宜了，但软件真的会变快吗？也许决定软件速度的，从来都不是技术上限，而是人性的懒惰。
【锐评】：AI把优化的门槛踩进了泥里，却把软件臃肿的天花板顶到了外太空。
参考链接：
https://danluu.com/perf-opt/