虽然越来越多的代码由 AI 生成，但一个好的程序员仍然需要对计算机底层有所理解，程序员能力的差距往往也体现在这里。 1. 故障排查 线上 P99 偶发毛刺，到底是 GC、缺页中断、NUMA 跨节点访问，还是容器 CFS quota 被限流？多线程偶现的脏数据，是锁写漏了，还是内存序没对齐？这类问题不懂底层就只能靠猜，或者重启大法。 2. 性能优化 现实中八成以上的性能问题在算法、IO、数据库和网络层，轮不到底层出场。 但剩下小部分就是不同程序员拉开差距的地方——CPU 侧是缓存局部性、分支预测、指令级并行；GPU 侧则是另一套模型：合并访存、warp divergence、shared memory bank conflict。 3. 代码审查 AI 写出来的代码往往「看着对」，但藏着数据竞争、意外的内存拷贝、O(n²) 的隐式行为。看不出来，你就只能全盘接受 AI 的输出。 现代编译器已经非常高级、非常复杂，作为写代码的程序员，我们完全不需要懂编译器的底层细节。 但如果需要做性能优化，理解一些基本的编译原理也是非常有帮助的，例如： (a) switch 是否永远比 if-else 性能更好？ (b) 函数调用的开销到底有多少？ (c) 为什么遍历二维数组时，行优先比列优先快几倍？ (d) 指针是否比数组 index 性能更好？ (e) 为什么循环里用本地变量累加，比用 argument passed by reference 强得多？ (f) 为什么调整运算的结合方式，就能提高一个函数的性能？ （g）为什么 if 分支的顺序会影响性能？ 当 AI 编程普及、写代码不再是门槛的时候，对计算机底层的理解——能写出更高性能的代码，能解决更底层的 bug，能做更底层的性能优化——就更加重要了。