对合作开发人员而言，一般他们流程出了难题后，凭他们全然难以debug的地方就是下层
比如说小A是一位应用软件工程师，工作是合作开发人脸辨识应用领域。有一天小A需要把应用领域布署在两台AI伺服器上，但他辨认出人脸辨识仍旧难以获得成功，功能定位后辨认出小B提供更多的人脸辨识USB表达式始终难以恰当辨识人脸辨识，小A要学USB具体内容同时实现，根本无法找出小B。对小A而言人脸辨识USB的具体内容同时实现是下层。
小B领到小A提供更多的在线视频，检查和后辨认出各式各样编码标准都没有难题，但流程在初始化两个XX deep learning(全称xxdl)架构时原始数据和从前不同，小B要学广度自学，只得找出演算法技师小C帮处置。对小B而言，广度自学架构是下层。
小C领到数学模型，在AI伺服器上以python初始化了xxdl架构，辨认出绝大部分微分恰当继续执行了，但在继续执行xxx微分时结论和从前不那样。xxx微分在python上只有一句话，初始化的是c++同时实现的库，小C不太熟c++，只得找出通晓c++的小D。对小C而言，微分的具体内容同时实现是下层。
小D领到c++标识符，辨认出绝大部分句子都是恰当的，但有两个表达式结论和从前不那样。关上那个表达式辨认出在AI伺服器上的同时实现是一大串编订标识符，小D不论如何编订，只得找出通晓编订的小E。对小D而言，编订同时实现的表达式是下层。
小E跑了跑那段编订，辨认出它关上了AI微控制器的驱动力，接着写了一堆看要学的暂存器，完稿后驱动力状况或许有点儿难题。小E要学驱动力，不知道这堆暂存器干了甚么，只得找出通晓linux的小F。对小E而言，驱动力是下层。
小F找出了手忙脚乱的驱动力流程，辨认出那个流程是AI伺服器的场家提供更多的。接着小F研究了驱动力的具体内容同时实现，紧密结合小E提供更多的暂存器，写了两个流程标识符，辨认出写出一堆暂存器后，AI微控制器的确步入了怪异的状况。小F只得把那段流程标识符给了AICPU的服务商。对小F而言，写暂存器后硬体的具体内容犯罪行为是下层。
服务商的技师小G在合作开发板上测试了那段流程，辨认出的确存在小F所说的难题。于是小G关上了硬体仿真平台，在仿真平台上做了相关测试，也复现出了那个难题。这时候就需要看波形解决了，于是小G找出了硬体技师小H。对小G而言，波形是下层。
小H运行小G的流程生成了波形文件。关上波形辨认出处理器写了一堆暂存器后去内存上读取了一条指令，这条指令从前测试过是没有难题的，但所有测试case中暂存器的配置情况和现在都不那样。小H辨认出这条指令继续执行后波形的确不符合预期，但他并不全然了解这条指令的执行流程，于是找出了写这条指令处置标识符的小I。对小H而言，指令的具体内容处置是下层。
小I关上仿真工具开始仿真，辨认出他们写的口子都是正常的，但有两个口上接的是付费购买的第三方IP核，在这种情况下那个IP或许没有正常工作，小I只得反馈给IP核的服务商。对小I而言，IP核是下层。
(IP核服务商的合作开发人员小J收到反馈后，后续还会有小K小L小M小N，可能会碰到各式各样时序器件甚至器件物理特性等等难题..)
