Python no es rápido, es un orquestador

La verdadera ventaja de Python

Esto va a ser como decir que la gracia de las ruedas es que son redondas, pero la gracia de Python es poder usar funcionalidades de librerías compiladas de forma simple. La gracia de Python no es que sea especialmente rápido ni que tenga capacidades computacionales extraordinarias por sí mismo. Es que funciona como una capa de integración extraordinariamente sencilla sobre funcionalidades que, muchas veces, están implementadas en lenguajes compilados.

Por ejemplo, las operaciones matemáticas pesadas se ejecutan principalmente en código C y Fortran con NumPy. PyTorch tiene buena parte del trabajo computacional implementado en C++ y CUDA. OpenCV tiene su núcleo escrito principalmente en C++. TensorFlow combina Python con un backend de C++ y aceleración mediante GPU.

¿Y qué hace Python? Te permite acceder a toda esa maquinaria con instrucciones relativamente sencillas. Tú escribes unas pocas líneas. Por debajo, PyTorch organiza memoria, ejecuta kernels CUDA y aprovecha miles de núcleos de la GPU.

Diagrama mostrando cómo Python conecta con código compilado de alto rendimiento
Python orquesta motores computacionales complejos desde una interfaz simple.

No estás haciendo las multiplicaciones con Python. Estás dirigiendo una infraestructura computacional mucho más compleja. Y aquí está la verdadera genialidad: Python democratizó el acceso a capacidades que antes exigían conocimientos mucho más especializados de programación de bajo nivel.

Más que un script batch

Algo como cuando uno puede llamar funciones de una DLL en Windows en la línea de comando. Sí, y la comparación es bastante buena. Un script batch ejecuta un programa externo, le pasa parámetros, espera el resultado y continúa. Python también puede hacerlo invocando programas externos.

Pero Python tiene otra posibilidad mucho más interesante: no necesita ejecutar un programa independiente para utilizar sus funcionalidades. Aquí no estás invocando OpenCV como un programa externo. Estás cargando una biblioteca que expone sus funciones directamente al entorno Python. Por debajo, muchas de esas funciones se ejecutan en código C++ compilado.

La diferencia es clara: el batch ejecuta procesos externos e intercambia datos mediante archivos o argumentos. Python + bibliotecas puede cargar funciones directamente en memoria, integrando múltiples librerías y orquestando lógica compleja sin necesidad de gestionar ciclos de ejecución separados.

Analogía con DLLs

Hay una analogía bastante directa con las DLL de Windows. En Windows puedes tener una DLL que contiene funciones compiladas en C o C++, y otro programa puede cargarlas y utilizarlas sin conocer cómo están implementadas internamente.

Python hace algo conceptualmente parecido: carga una biblioteca compilada, accede a las funciones que esa biblioteca expone, les entrega parámetros y recibe resultados. Combina esas funciones con otras bibliotecas y con su propia lógica.

Hay incluso mecanismos explícitos para hacer esto con DLL en Python usando ctypes. La diferencia interesante: Python no es simplemente un intérprete de comandos capaz de llamar DLL. Tiene un ecosistema de módulos, mecanismos de integración y estructuras de datos que permiten que esas bibliotecas trabajen conjuntamente.

En cierto sentido, Python se convirtió en una especie de pegamento universal entre bibliotecas nativas. Y hay algo curioso: buena parte de la revolución de la IA actual se construye sobre esa idea. Python pone la interfaz; C++, CUDA y otros lenguajes ponen los músculos.

Python es como un batch que aprendió a incorporar directamente los motores de los programas que antes tenía que ejecutar por separado. Y eso cambia muchísimo las posibilidades.