Автор ставит под сомнение тезис о том, что большие языковые модели (LLM) автоматически ведут к росту числа оптимизаций ПО. Хотя LLM снижают стоимость написания кода, они не меняют бизнес-приоритеты и сложность поддержки систем в эксплуатации.
Во многих компаниях разработка ПО считается центром затрат. Руководство ожидает ускорения работы благодаря LLM, из-за чего задачи по оптимизации производительности, которые ранее имели низкий приоритет, остаются невыполненными.
Внедрение оптимизаций в работающие системы сопряжено с рисками. Автор приводит пример форка компилятора Zig от Bun, где реализация параллельного анализа без изменений в самом языке привела к недетерминированному поведению и ошибкам.
Также отмечается, что высокая производительность некоторых проектов, например pgrust, может быть результатом подгонки под конкретные бенчмарки, такие как ClickBench, а не следствием удачных архитектурных решений.
Автор подчеркивает, что решение об оптимизации зависит от приоритетов, а не только от стоимости написания кода. Если задача не была приоритетной до появления LLM, она вряд ли станет таковой только из-за роста скорости программирования.





