计算机硬件基础
本手册面向程序员和计算机专业学生，从硬件层面理解计算机的工作原理。掌握硬件知识有助于：编写更高效的代码（理解缓存、内存对齐）、做出更合理的硬件选择（装机、服务器采购）、排查性能瓶颈（CPU 瓶颈 vs 内存瓶颈 vs IO 瓶颈）。
目录
| 目录 | 内容 | 适用人群 |
|---|---|---|
| 00 硬件编年参考 | CPU/内存全型号编年（1978-2026） | 查阅任意年代硬件 |
| 01 日用计算机硬件 | 台式机硬件详解+组装指南+笔记本选购 | 个人用户、学生 |
| 02 服务器硬件 | 服务器 CPU/内存/存储/网络选型 | 运维、后端开发 |
| 03 嵌入式硬件 | 开发板、MCU、FPGA | 嵌入式开发、IoT |
| 04 特殊设备 | 摄像头/无人机/NAS/示波器/3D打印机 | 工程师、爱好者 |
| 05 单板机与特种计算机 | 树莓派/Orange Pi/Jetson/迷你主机/工作站 | 开发者 |
| 06 如何根据需求选择硬件 | 需求决策树+兼容性检查+老旧硬件利用 | 所有人 |
计算机由什么组成
一台完整的计算机由以下8 大核心部件组成：
| 部件 | 作用 | 类比 |
|---|---|---|
| CPU（中央处理器） | 执行指令、计算数据——计算机的”大脑” | 工厂里的工人 |
| 内存（RAM） | 临时存储正在使用的数据——断电即丢失 | 工人的工作台 |
| 硬盘（存储） | 永久存储程序和数据——断电不丢失 | 工厂的仓库 |
| 主板 | 连接所有硬件——数据传输的”高速公路” | 工厂的地基和走廊 |
| 显卡（GPU） | 图形渲染、并行计算——处理图像和视频 | 专门画图的工人团队 |
| 电源（PSU） | 将交流电转换为各硬件所需的直流电 | 工厂的供电系统 |
| 散热器 | 降低 CPU/显卡等高发热部件的温度 | 空调系统 |
| 机箱 | 保护和固定所有硬件，提供合理风道 | 工厂的厂房 |
辅助部件：显示器、键盘、鼠标、网卡、声卡、USB 控制器等。
什么是 NPU 和 TPU
除了 CPU 和 GPU，还有两类与 AI 密切相关的处理器：
NPU（Neural Processing Unit，神经网络处理单元）
NPU 是专门为神经网络推理设计的加速器，通常集成在 SoC 中。与 GPU 相比，NPU 功耗更低（毫瓦级）、延迟更小，适合在手机、PC 上本地运行 AI 模型。
| 芯片 | 内置 NPU | AI 算力 | 适用 |
|---|---|---|---|
| Apple M4 | 16 核 Neural Engine | 38 TOPS | Mac AI 功能 |
| Intel Core Ultra | NPU | 10-11 TOPS | Windows AI PC |
| Qualcomm Snapdragon X | Hexagon NPU | 45 TOPS | Windows AI PC |
| 高通骁龙 8 Gen 3 | Hexagon NPU | 45 TOPS | 旗舰手机 |
| 联发科天玑 9300 | APU 790 | 46 TOPS | 旗舰手机 |
| 华为麒麟 9010 | NPU | 16 TOPS | 华为手机 |
| 瑞芯微 RK3588 | NPU | 6 TOPS | 开发板/AI 边缘 |
TPU（Tensor Processing Unit，张量处理单元）
TPU 是 Google 专为大规模机器学习训练和推理设计的 ASIC 芯片。只在 Google Cloud 和 TPU Pod 中可用，不面向消费市场。
| 版本 | 年份 | 算力 | 内存 | 适用 |
|---|---|---|---|---|
| TPU v1 | 2016 | 92 TFLOPS (INT8) | 8GB HBM | 推理 |
| TPU v2 | 2017 | 46 TFLOPS | 64GB HBM | 训练+推理 |
| TPU v3 | 2018 | 123 TFLOPS | 128GB HBM | 大规模训练 |
| TPU v4 | 2021 | 275 TFLOPS | 32GB HBM | 大规模训练 |
| TPU v5e | 2023 | 197 TFLOPS (BF16) | 16GB HBM | 推理优化 |
| TPU v5p | 2023 | 459 TFLOPS (BF16) | 95GB HBM | 训练优化 |
| TPU v6e (Trillium) | 2024 | 918 TFLOPS (BF16) | 32GB HBM | 新一代 |
| Trillium | 2024 | 4.7x v5e | HBM | 最新 |
其他 AI 加速器
| 芯片 | 厂商 | 算力 | 适用 |
|---|---|---|---|
| Google Coral Edge TPU | 4 TOPS | 边缘推理 | |
| Intel Movidius Myriad X | Intel | 4 TOPS | 无人机/安防 |
| 华为 Ascend 310 | 华为 | 8-16 TOPS | 边缘推理 |
| 华为 Ascend 910B | 华为 | 320+ TFLOPS | 训练（替代 A100） |
| 寒武纪 MLU370 | 寒武纪 | 256 TFLOPS | 训练+推理 |
| 寒武纪 MLU590 | 寒武纪 | 512 TFLOPS | 新一代 |
| Cerebras CS-3 | Cerebras | 125 PFLOPS (FP16) | 超大规模训练 |
如何判断一个 CPU 的型号
CPU 型号的命名规则（以 Intel 和 AMD 为例）：
Intel Core i7-14700K 拆解：
| 字段 | 含义 |
|---|---|
Core | 产品线（Core=主流消费级, Xeon=服务器, Celeron=入门级） |
i7 | 定位层级（i3=入门, i5=主流, i7=高性能, i9=旗舰） |
14 | 第几代（14代=Raptor Lake Refresh, 13代=Raptor Lake） |
700 | SKU 编号（同代中数字越大性能越高） |
K | 后缀（K=可超频, F=无核显, T=低功耗, H=移动端高性能） |
AMD Ryzen 9 7950X 拆解：
| 字段 | 含义 |
|---|---|
Ryzen | 产品线（Ryzen=消费级, EPYC=服务器, Athlon=入门级） |
9 | 定位层级（3=入门, 5=主流, 7=高性能, 9=旗舰） |
7 | 第几代架构（7=Zen 4, 5=Zen 3） |
950 | SKU 编号 |
X | 后缀（X=高性能, G=有核显, E=低功耗） |
如何判断主板的兼容性
主板兼容性取决于三个因素：
- CPU 插槽（Socket）：Intel LGA 1700（12/13/14代）vs AMD AM5（Ryzen 7000系列）——插槽不匹配就装不上
- 内存代数：DDR4 主板只能用 DDR4 内存，DDR5 主板只能用 DDR5 内存——不能混用
- 芯片组：Intel B760/Z790 vs AMD B650/X670——决定功能多少（超频、PCIe 通道数等）
功耗与能效
| 部件 | 典型功耗 | 峰值功耗 |
|---|---|---|
| CPU（桌面级） | 65-125W | 250W（Intel i9） |
| CPU（服务器级） | 150-280W | 400W（AMD EPYC） |
| 显卡（中端） | 150W | 250W（RTX 4070） |
| 显卡（旗舰） | 300W | 600W（RTX 4090） |
| 内存（DDR5, 32GB） | 3-5W | 8W |
| SSD（NVMe） | 3-8W | 12W |
| 主板 | 15-30W | 50W |
| 电源效率 | 80-92%（80 Plus 认证） | — |
| 整机（办公） | 50-100W | 150W |
| 整机（游戏） | 300-500W | 700W |
| 整机（工作站） | 500-800W | 1200W |