AI 系列讲了"AI 是什么"。这一次,跟着戴上护目镜的多毛鸟建造者,回到一切的开始——看看计算机是怎么从一堆沙子,变成会思考的机器。
先看一眼多毛鸟要带你建的"城堡"
晶体管怎么变成能算加减的逻辑门。
P03 – P08
数字、文字、记忆,全都是 0 和 1。
P09 – P14
大脑怎么工作,显卡为什么那么贵。
P15 – P26
GPU 并行、光通信——AI 的物理底座。
P23 – P26
从机器码到高级语言,怎么"翻译"。
P27 – P30
全篇脉络 + 通往卷二(编程)。
P31 – P36
全程不背电路图——多毛鸟用扳手和故事,让你看见硬件在发生什么。
第一章 · 一切的起点
不管你的电脑多高级,它最底层的零件,就是一个能被电控制的开和关。这个零件叫晶体管。整个计算机宇宙,从它开始。
类比 · 水龙头
普通水龙头你用手拧——开水流、关水停。晶体管也一样,只不过它是用电来控制开/关(用一根小线里的电压,决定主水管通不通)。
通 = 1,断 = 0。就这么简单。
现代 CPU 里有几十亿个这样的"电控开关",飞速地开开关关——这就是计算的本质。
人类习惯十进制(0-9),二进制只有 0/1,表达同一个数要更多位数。比如 9 要写成 1001。
只两种状态,抗干扰极强(电压高一点低一点都能分辨"开/关")。好制造(晶体管天然就两种状态)。逻辑简单(开/关好组合)。
🎯 关键直觉:计算机不是"用二进制所以笨",而是"因为只有二进制可靠,所以选了它"。简单 + 可靠 = 能堆出复杂。
十个符号(0-9),数到 9 就进位。
两个符号(0/1),数到 1 就进位。所以 2 写成"10",3 写成"11"。
🔄 对应关系:0=0, 1=1, 10=2, 11=3, 100=4, 101=5...
同样一个数,二进制更长,但每个数字位都只有两种值——这正是硬件最爱的。
三个最基本的"门":
与门(AND) · 两把锁串联,都要开门才开
或门(OR) · 两条路并联,任一通就算通
非门(NOT) · 反着来,输入 1 输出 0
这三个门,能拼出任何逻辑判断——"如果下雨且没带伞,就跑"。计算机的"思考",就是这么来的。
用几个门拼起来,能算两个一位数相加:0+0=0, 0+1=1, 1+0=1, 1+1=10(进位)。
这叫"半加器"。
把多个一位加法器串起来(处理进位),就能算任意位数的加法。
减法 = 加负数,乘除 = 反复加减。
✨ 这就是计算的开端:开关 → 逻辑门 → 加法器 → 能算任何数学。所有复杂的计算,本质都是几十亿个开关在飞速"开关"做加法。
第二章 · 万物皆 0 和 1
计算机只会 0 和 1。那它怎么表示你看到的数字、汉字、图片、记忆?答案:编码——给所有东西定个 0/1 规则。
直接二进制:5 = 101
用"补码"——最高位当符号位(0正1负),巧妙让加减法统一
浮点数——像科学记数法,分尾数和指数两部分存
💡 不用记细节——记住一点:所有数字,最终都是一串 0/1。具体规则(补码/浮点)是工程师设计的,你只要知道"它有办法"。
ASCII · 最早的方案
用 7 位 0/1 给 128 个字符编号:A=65, a=97, 0=48。够英文用,但中文呢?
Unicode · 全世界统一
给地球上所有文字编唯一号:「中」= 20013,「😀」= 128512。这才让中文、emoji 都能存。
所以你看到的每个字,背后都是一串数字。
触发器 · 能记 1 位
几个门拼起来,能稳定记住一个 0 或 1,直到被改。这是记忆的最小单位。
把几十亿个触发器堆起来 → 就是内存(RAM)。
左:内存(临时) · 右:硬盘(长期)
• 超快(CPU 直接读写)
• 断电就忘(所以关机没保存的文档没了)
• 贵,容量小(一般 8-32GB)
类比:工作台桌面,东西现拿现用
• 较慢(要搬运到内存才能用)
• 断电不丢(永久保存)
• 便宜,容量大(几百 GB 到几 TB)
类比:仓库,长期存放
🎯 为什么要分两种:快和便宜不可兼得。内存管"正在用的",硬盘管"留着以后用的"。CPU 从内存读数据,数据从硬盘加载到内存。
第三章 · 计算机的大脑
零件都备齐了(开关/逻辑/记忆),现在需要一个指挥来让它们协同工作。这个指挥就是CPU——计算机的大脑。
从内存拿出一条指令
看懂这条指令要干嘛
真正去做(算/比较/读)
把结果存回去
🔁 循环往复:取指→译码→执行→写回,每秒几十亿次。你看到的"流畅运行",其实是 CPU 疯狂重复这四步。就像流水线工头不停接单、看单、干活、交货。
类比 · 节拍器
乐队指挥每拍一次手,乐手就动一下。CPU 的"时钟"也一样——每跳一次,就执行一步。
3 GHz = 每秒跳 30 亿次。也就是每秒能做约 30 亿次基本操作。
所以"主频越高越快"——但不是唯一因素,还要看核心数、架构。
只有一个工头,一件事一件事排队干。简单,但慢——同时只能做一件。
早期 CPU 都是单核。
几个工头同时干活。能拆开的任务(如视频渲染)几倍速完成。
现在手机都 8 核,电脑 8-24 核。
⚠️ 注意:不是所有任务都能拆开。"等水烧开"这种事,8 个工头也不会更快。所以多核对"可并行"的任务才有用——这点正好引出下一章的 GPU。
缓存(Cache)
内存虽然快,但对 CPU 来说还是太慢。于是 CPU 内部塞了几层更小的超快存储——L1(最快最小)→ L2 → L3,像工头手边/抽屉/柜子三层工具箱。
常用的数据放最近的 L1,不用每次都跑去内存拿。这就是 CPU 那么快的秘密之一。
L1 缓存 · 口袋里 · 超快超小
L2 缓存 · 抽屉里 · 快 · 小
L3 缓存 · 柜子里 · 较快 · 中
内存 RAM · 仓库 · 慢 · 大
越往上越快越小越贵
第四章 · AI 时代的硬件
CPU 是全能工头,但有些活(比如训练 AI)需要成千上万个简单工人同时干。这就是 GPU 的强项——也是为什么 AI 时代显卡那么重要。
少数几个超强的核心,每个都能处理复杂逻辑(分支、判断、调用)。什么都能干,但并行能力有限。
擅长:操作系统、复杂程序、单线程逻辑
成千上万个简单核心,每个只能干简单活,但能同时干。复杂逻辑不行,但大批量同质任务无敌。
擅长:图像渲染、AI 矩阵运算、视频编码
🎯 类比:开一家餐厅——CPU 是一个米其林大厨(什么菜都会做,但一次一道);GPU 是一万个切菜工(只会切菜,但一万个同时切)。要做满汉全席选大厨,要切十吨土豆选切菜工。
大模型的本质计算:
神经网络里,每一层都是大量数字的矩阵相乘。这种计算高度并行——上万个乘法可以同时进行,互不依赖。
这正是 GPU 万千工人的主场。CPU 一个个算要几年,GPU 同时算几小时。
所以没有 GPU,就没有今天的大模型。GPU 是 AI 时代的"发动机"。
顶级 GPU 有几百亿晶体管,全球只有台积电等少数厂能造。良品率低、产能有限。
OpenAI、Google、Meta 等巨量囤卡训模型,个人/小公司买不到。
AI 要大量显存(VRAM)装模型,而高速显存产能更紧。HBM 内存尤其难造。
→ 一张 H100 卖十几万还断货,这就是 AI 硬件军备竞赛的现实。
第五章 · 用光代替电
电信号在铜线里跑得很快,但有极限——发热、损耗、干扰。于是人类学会用光来传数据,速度和容量又上一层。
原理直觉:
电信号是"电压高/低"的脉冲。光通信把它换成"灯亮/灯灭"的脉冲——用激光在极细的玻璃丝(光纤)里飞速闪烁,传到对面再用光敏元件还原成电。
光速 ≈ 30 万 km/s,几乎无损耗、无干扰、容量巨大。
你现在上网、看视频的数据,绝大多数都跑在海底的光纤里跨越大洋。
光速是宇宙速度上限,比电信号在铜里还快。延迟更低。
一根光纤能同时传几十 Tbps(铜线撑死几个 Gbps)。差上万倍。
光不受电磁干扰,旁边有高压线、电机都不影响。信号干净。
光在光纤里能传几十公里不衰减,铜线几米就开始损耗。
🌐 没有光通信,就没有互联网——跨海光缆把全球连成一张网。这正是 CS 卷三《网络》要讲的故事。
第六章 · 硬件与软件的桥
硬件只懂 0/1,人只会说人话。中间需要翻译——这就是指令集、机器码、编程语言存在的原因。
CPU 能听懂的命令清单。比如"把这两个数相加""从内存读数据"。不同 CPU(Intel/ARM)的指令集不一样,所以软件要针对特定 CPU 编译。
指令集里的命令,最终是一串 0/1。比如 10110001 可能就是"把数据搬到某处"。只有 CPU 自己看得懂。
🤔 问题来了:人不可能去写 0/1。怎么让"人话"变成"机器话"?答案在下一页——翻译的层级。
所以你写 Python,从来不用碰 0/1——翻译由编译器/解释器自动完成。
像翻译一本书——先把整本翻成目标语言,出版后读者直接读译文。跑起来快(已翻译好),但改一次要重新翻译。C/C++/Rust 是这种。
像同声传译——你说一句,翻译一句,听众边听边理解。改起来快(不用重翻全部),但跑得稍慢。Python/JavaScript 是这种。
⚖️ 没有绝对优劣——编译型性能强(游戏/系统软件),解释型开发快(脚本/AI)。这也是为什么不同语言有不同定位。
① 为什么计算机用二进制,而不是十进制?
(提示:想想哪种最可靠、最好造)
② 内存和硬盘有什么区别?为什么不能只用一种?
(提示:工作台 vs 仓库)
③ 为什么训练 AI 用 GPU 而不是 CPU?
(提示:全能工头 vs 万千工人)
AI 系列里说"训练大模型要烧几千万电费"——烧的就是 GPU。这一卷你看到了:为什么是 GPU,为什么它那么贵。
知识闭环:
• AI 篇一:训练要算力
• 本卷:算力来自 GPU,GPU 来自晶体管
• 卷二(编程):怎么用这些硬件
• 卷三(网络):怎么把它们连起来
🔌 本卷
计算机怎么想出来的
🦊 卷二
让机器听话的艺术(编程)
💡 卷三
全世界连成一张网
• 《编码》(Charles Petzold) · 从开关讲到 CPU,神作
• 《计算机程序的构造和解释》(SICP)
• 《深入理解计算机系统》(CSAPP)
• YouTube「Crash Course Computer Science」系列
• nand2tetris(从零造一台计算机)
• 3Blue1Brown 的逻辑门/二进制讲解
🌟 最好的入口:打开一台旧电脑,想想它里面几十亿个开关在为你工作——这本身就是最酷的事。
下一篇《让机器听话的艺术》,巧手猫会戴上侦探帽,带你学算法、编程语言、写程序的三大积木——从"会用电脑"到"能让电脑为你干活"。
🐱 巧手猫化身解谜侦探,带你看算法思维、数据结构、调试 bug 的全过程
把这一句记住
看似神奇的"智能",拆到底层都是简单的物理规律。
这就是计算机科学的魅力——简单堆出复杂。
THE END · CS 卷一完结
🔧 你现在懂了计算机怎么从沙子变大脑。
🚀 下一篇,巧手猫会教你怎么给这个大脑下指令——编程。
谢谢多毛鸟建造者带你搭起硬件的城堡 🐦🔧
CS 入门 · 卷一《计算机是怎么"想"出来的》