一次反常规的性能实验

据 InfoQ AI 报道，一名并非 7-Zip 核心开发者的技术爱好者，借助 AI 工具对这款经典压缩软件进行了优化实验，并宣称在不触碰核心压缩算法代码的情况下，将压缩速度提升了 97%。7-Zip 是广泛使用的开源压缩工具，核心竞争力在于压缩率和稳定性，因此任何显著提速都容易引发开发者关注。

AI 参与的是“找空间”而非重写算法

这次实验的关键点在于：优化并不直接改写 7-Zip 的核心算法，而是围绕工程实现、编译配置、性能瓶颈分析等外围环节展开。简单来说，AI 更像一个辅助排查工具，帮助实验者阅读代码、提出假设、定位可能的低效路径，再由人类进行验证。这说明 AI 在性能工程中的价值，不只在“写代码”，也在于快速缩小问题范围。

性能优化通常涉及缓存、线程调度、编译器选项和内存访问模式等因素。对普通读者来说，可以把它理解为：算法不变，但让程序“跑得更顺”。不过，提速数据仍需结合测试环境、文件类型、参数设置和可复现实验结果来看，不能简单等同于所有场景都能快一倍。

行业点评

这类案例释放了一个信号：AI 正在降低复杂开源项目的参与门槛，但真正可靠的优化仍离不开基准测试、代码审查和社区验证。