Java
随便聊聊吧。你说的这个理由——硬件的不断升级——其实早在二十多年前就被
Java 那些语言阵营反复提过了。假设一万年后，硬件性能提升了整整一万倍，那时候你的
Python 程序运行效率可能已经和一万年前的
C++ 差不多了，但即便如此，它依然会比同时代的
C++ 慢！这是因为时代在进步，我们的需求也在水涨船高。回想 25 年前，我买了一台破旧的
电脑，因为囊中羞涩买不起巫毒显卡，所以玩不了当时的大作；前几天，我又入手了一台新
电脑，虽然还是买不起最新的 4080 显卡，但它比起 25 年前那台
电脑强太多了，可即便如此，我还是玩不了当下最热门的游戏——除非你让我回去玩 25 年前的老游戏。同样的道理，25 年后，我们也不能仅仅满足于用
Python 写个扫雷程序不卡顿就沾沾自喜。对于一些对性能要求不高的任务，硬件的不断升级确实可以让原本必须由
C++ 完成的工作勉强用
Python 来替代。然而根据前面提到的原因，
Python 最多只能替代那些不太重要的边缘部分，就像当年的
Java 一样。事实上，
Python 确实在某些领域实现了替代，但它并不是取代了
C++，而是取代了
Java。即使我们完全忽略运行效率，只讨论编码的难易程度，我想问问你是否用
Python 写过规模较大的软件？它在小项目上的优势，在大项目中往往会变成劣势。比如动态类型这一特性，随着项目规模增大，问题就会逐渐显现出来。也许其他人有不同的体验，但以我的能力而言，只要
Python 工程稍微大一点，我的脑力负担就会成倍增加，甚至呈指数级增长。这种现象其实在所有标榜简单的语言中都很常见。看看
Java 的发展历史就知道，一开始它以简陋的语法为卖点，结果在实际工程中却逐渐演变成了一团乱麻。所以，如果你是因为简单才选择了
Python，那就别指望它在尝试承担
C++ 那种级别的任务时还能保持所谓的简单。想做到既简单到不用学就会，又能完成复杂到足以拿诺贝尔奖的任务，那是不可能的。至于硬件性能过剩的可能性（也就是性能过剩可能会抹平不同语言之间的运行效率差异）…… 我给自己设定了一个小目标：先让
电脑能够流畅运行所有游戏，接着能单机训练出像
ChatGPT 这样的模型，然后是单机模拟一个
人类，再进一步模拟全球 60 亿人口，最终希望它可以模拟整个宇宙。
