謝邀。我覺得這個問題需要分成兩個角度看，一個是從經濟角度考量，另一個是從性能方面來考慮。

Python性能

Python作為一門解釋性語言，優點就在於開發速度快，但執行效率低。但對於這些正在大規模使用Python的公司而言，開發速度的好處已經大大超過了額外的處理時間+伺服器成本，特別是當公司規模小的時候。

而且Dropbox是IO密集型的軟體， 因此使用編譯語言優化Dropbox的性價比比較低，因為大部分時間都是讀/寫數據而不是計算數據。

經濟

首先，敏捷開發通常會比理論最高性能更為重要。我們經常遇到這種情況，被產品經理要求在短時間內完成某個需求，這需要我們可以使用更富有表現力的語言來更快地開發，例如Python，Lua等。當完成需求後，我們纔可以有額外時間來調整它，所以一般而言，產品的快速迭代和需求的按時完成所產生的經濟效益遠遠比提升性能要大。

其次，現在機器性能基本都過剩，以前一臺電腦要好幾萬，現在配置提升了幾個數量級還白菜價，而且動不動就直接上集羣，反正大家都可以用。反而開發人員的工資越來越高，你說公司找一個靠譜的C++程序員一個月開發一個功能還是找一個Python程序員一個月開發十個功能划算？

總而言之，現在大多項目的性能在I/O，跟語言本身關係不大。而且不光要看計算機跑程序的時間，還要看人編程序所需要的時間。

如果你對學習人工智慧和科技新聞感興趣，歡迎訂閱我的頭條號。我會在這裡發布所有與科技、科學以及機器學習有關的有趣文章。偶爾也回答有趣的問題，有問題可隨時在評論區回復和討論，看到即回。

（碼字不易，若文章對你幫助可點贊支持~）

使用什麼語言需要看做什麼工作，工作任務分為IO密集型和計算密集型，IO密集型工作很多時候需要等待IO，所以Python和C效率雖然差很多，但是由於等待時間是大頭，那麼他們使用起來差別就沒區別，Python開發維護容易，當然用Python就行了，所以你可以看到前端和大多數後端全部使用解釋性語言

推薦閱讀：
相關文章