Superoptimization：普通编译器做不到的极致优化，怎么搜出来？

编译器优化通常有明确规则：消除无用代码、合并常量、把循环展开，或者把函数调用内联。但机器指令的组合空间非常大，规则写得再多，也不可能穷举所有短小而正确的实现。Superoptimization，中文常译作“超优化”，就是把一个小程序当成谜题，直接搜索更短或更快的机器级实现。

它和普通优化有什么不同

普通编译器通常在速度和编译时间之间取平衡。它希望在几秒或几分钟内，把很大的程序优化到“足够好”。超优化器则可以为一段很小的热代码花更长时间，枚举指令序列、建立约束，再验证候选实现是否与原程序等价。

以一段 LLVM IR 为例，工具可能先观察输入输出关系，再尝试生成不同的指令组合。候选方案不能只看文本长度，还要考虑寄存器、分支、目标 CPU 的指令集，以及未定义行为和溢出语义。一个看起来更短的方案，如果在边界输入上算错，就不能称为优化。

真正的超优化不会把所有机器指令无限排列。它会限制序列长度、操作数范围和可用指令集，并利用 SMT 求解器检查“是否存在某个输入让新旧程序结果不同”。如果找不到反例，候选就更有机会被接受；如果找到了反例，搜索会继续排除这一类方案。

这说明超优化的核心不是蛮力，而是搜索、约束和证明的组合。搜索负责提出新想法，约束求解器负责过滤，成本模型负责排序，最终还要在真实目标上测试。

密码学原语、编解码内核、数据库热点循环、数学库函数和嵌入式代码，都可能值得做局部超优化。普通业务代码通常不适合，因为编译时间、验证成本和维护成本会很快超过收益。

对 AI 编程来说，超优化提供了一个重要提醒：AI 生成的“更短代码”不等于更高性能。真正的优化必须说明目标机器、输入边界、正确性证据和基准结果。把代码改漂亮只是重写，把可验证的等价实现改得更快，才接近超优化。

Superoptimization 的问题可以概括为：“有没有一段更小的程序，能在所有允许输入上得到同样结果？”它把优化从经验规则推向程序搜索与形式化验证，但最适合小而关键的代码片段。