第 5 章　程序怎样借硬件变成动作｜你的第一张数字世界地图

一张高分辨率照片打开得很慢。手机仍有几十GB存储空间，为什么不能立刻显示？“放得下”描述长期保存，“跑得动”涉及程序执行、工作空间、数据搬运和计算速度。它们使用同一台设备，却不是同一个指标。

理解计算机硬件，不需要先背处理器型号。先看一项任务怎样在程序、处理器、内存、存储和输入输出设备之间移动。

程序要变成处理器能够执行的指令

程序是为完成任务组织起来的指令和数据。人写的高级语言、脚本或应用逻辑，不能直接以自然语言交给处理器。它们要经过编译、解释、虚拟机或其他运行机制，最终形成平台能够执行的操作。

处理器执行指令时，会取得指令和数据，完成算术、逻辑、比较、数据移动或控制转移，再继续下一步。现代处理器内部远比这条描述复杂，可能并行执行、预测分支、使用多级缓存；通识层先抓住“取指令—处理数据—产生结果”的职责。

点击照片“旋转”可以简化为：

应用接收旋转命令
  → 操作系统取得照片数据和程序资源
  → 需要处理的数据进入内存
  → 处理器或专用部件执行变换
  → 结果送往显示系统
  → 用户确认保存后写回存储

屏幕显示旋转结果与保存新文件是不同动作。应用可以只改变当前视图，也可以重写图像数据或记录旋转元数据。界面同样写着“旋转”，内部处理未必相同。

内存保存正在运行的程序和当前需要快速访问的数据。断电后，普通内存中的内容通常不会像存储设备那样长期保留。存储负责保存应用、照片、文件和系统数据，容量大，访问特性与内存不同。

“内存像工作台，存储像仓库”能帮助区分职责。工作台放不下当前材料，工作会频繁搬进搬出；仓库再大，也不能替处理器计算。类比不能继续推出所有性能结论，真实系统还有缓存、虚拟内存和不同层次的存储。[1]

当物理内存不足时，操作系统可能压缩内存、结束后台进程，或把部分内容换到存储。应用切回时需要重新加载，用户就感到卡顿。增加存储空间可以解决“装不下”，不必然解决“当前工作空间不足”。

缓存位于更靠近处理器的位置，用来保留近期或可能再次使用的数据，减少等待较慢层次的次数。缓存容量通常小得多，却会显著影响性能。硬件体系中的“快与大”往往需要分层取舍。

处理器频率更高，不表示所有任务按同一比例变快。任务可能等待内存、存储读取、网络、图形处理、软件锁、远端服务或用户输入。某一步耗时占比很小，再提高它的速度，对总时间帮助有限。

打开本地大照片，瓶颈可能是解码与内存；播放在线视频，网络和远端服务更重要；启动应用，可能等待存储读取和初始化；多个程序同时运行，资源竞争会让切换变慢。

诊断性能应描述具体任务和时刻：启动慢、滚动卡、保存慢、网络内容等很久、还是设备持续高温。一个“慢”字没有指明瓶颈。

购买设备也应从任务出发。大量文档与网页、视频剪辑、三维建模、模型训练，对内存、存储、处理器和图形部件的需求不同。只按某个最高参数排序，可能为无关能力付费，却没有解决真正瓶颈。

CPU擅长通用控制和多种类型任务。GPU最初围绕图形计算发展，拥有大量适合并行数值计算的处理单元，因此也常用于深度学习训练和推理。手机和现代计算设备还可能包含视频编解码器、神经网络加速器和其他专用部件。

把任务交给专用硬件，需要相应软件和数据组织。拥有GPU不表示任何程序都会自动变快；模型能否运行，还取决于内存容量、数据精度、软件支持和模型结构。

“AI芯片”描述硬件擅长的计算和用途，不会让芯片获得知识、目标或责任。模型参数仍需存储和加载，输入仍需准备，输出仍由软件和人解释。

处理器能够执行哪些基本操作，由指令集架构规定。RISC-V是一种公开指令集实例，[2] 不同设备也可能使用其他架构。应用若要在不同架构上运行，通常需要相应编译版本、解释环境或兼容层。

这解释了为什么“同一个安装包”不能保证在所有设备运行。操作系统、处理器架构、依赖库和权限都属于运行环境。软件发行者为不同平台提供不同版本，解决的正是这种差异。

面对设备故障或性能问题，可以先画一条路径：数据从哪里读入，进入哪一层工作空间，谁执行计算，结果送到哪里，是否要写回或经过网络。沿路径找等待时间，比笼统责怪处理器更有效。

处理重要数据前先留可恢复副本。设备持续过热、电池鼓包、异常断电或存储出现故障迹象时，应停止反复尝试，寻找合适的维修与数据支持。性能优化不能以损坏设备和数据为代价。