在2025年，手寫彙編程式碼與編譯器生成的最佳化之間的爭論仍然具有重要意義，特別是在影片處理領域。隨著 FFmpeg 釋出其新的組合語言教程系列，相關討論揭示了為什麼一些效能最關鍵的軟體仍然依賴於手工編寫的彙編程式碼。
效能差距仍然顯著
儘管現代編譯器在最佳化方面取得了巨大進步，但在影片處理任務中，手寫彙編和編譯器生成的程式碼之間的效能差異仍然可能很大。社群討論表明，像 dav1d 這樣的通用 AV1 影片解碼器專案，透過手寫 SIMD（單指令多資料）程式碼可以獲得高達8倍的效能提升，相比之下，編譯器自動向量化僅能實現2倍的提升。
「對於用匯編語言編寫的程式碼來說，缺乏可移植性是必然的。唯一的例外可能是從C語言等呼叫的高階入口點。如果要支援多個目標平臺，至少需要為每種架構準備完全獨立的彙編模組。」
效能對比：
- 手寫 SIMD ：效能提升最高可達8倍
- 編譯器自動向量化：效能提升約2倍
- Intrinsics 與手寫彙編對比：效能差異在10-15%之間
彙編程式設計的權衡
社群廣泛討論了使用匯編語言所涉及的權衡。雖然它需要為不同的架構（如 x86 和 ARM）維護獨立的實現，且維護起來可能更具挑戰性，但對於頻繁使用的程式碼路徑來說，其帶來的好處可能相當可觀。FFmpeg 開發者指出，某些函式每天可能被執行數萬億次，因此即使是小的效能改進在規模上也很重要。
現代彙編面臨的挑戰
彙編程式設計的格局已經發生了重大變化。具有分支預測、亂序執行和各種 SIMD 指令集等特性的現代CPU使最佳化變得更加複雜。開發者不僅要考慮指令數量，還要考慮快取行為、流水線利用率和特定架構的最佳化。社群指出，雖然這增加了複雜性，但當正確利用時也提供了顯著提升效能的機會。
主要 SIMD 暫存器型別：
- mm 暫存器：64位 MMX 暫存器（歷史產品）
- xmm 暫存器：128位 XMM 暫存器
- ymm 暫存器：256位 YMM 暫存器
- zmm 暫存器：512位 ZMM 暫存器
硬體加速的作用
儘管彙編最佳化繼續發揮重要作用，但硬體加速在其中扮演著越來越重要的角色。社群指出，大多數現代裝置都包含專用的影片解碼硬體。然而，FFmpeg 的範圍不僅限於基本的解碼操作，還包括縮放、裁剪、色彩處理和特效等任務——在這些領域，最佳化的 SIMD 程式碼仍然很有價值。
總的來說，雖然軟體行業普遍趨向於更高層次的抽象，但在效能關鍵的多媒體應用中，手動最佳化的彙編程式碼仍然必不可少。FFmpeg 專案對組合語言教育的投入凸顯了低層次最佳化在現代軟體開發中的持續相關性。