咱们不拿“灵光一闪”当口号，咱们就聊聊计算机到底是如何把一坨原始数据变成你屏幕上的字的。 别听那些书里说“冯·诺依曼结构”那是多么神圣，那玩意儿在早期的 CPU 上确实像给大脑装了个外骨骼，连呼吸都得靠接口插着。但目前咱们得先明白点，CPU 本质上就是个高速运算的胖子，它肚子里塞着一堆寄存器、缓存和流水线，干活的时候就是不断吐数据、再吐结局。 想象一下，你输入一串数字，这时候 CPU 实际上早就去忙活了。它从内存里把数据掏出来，扔进寄存器里，然后启动分批次往里塞数据。
这一过程就像个工厂流水线，左手拿数据，右手算概率，左手又拿数据，右手管概率，忙得脚不沾地。
这个过程叫流水线执行，就是让 CPU 看起来像是与此同时在做十件事，实际上它只是在维持一种务必保持的繁忙状态。 那到底是如何算的？算法里全是加法、减法、乘法、除法和逻辑判断。CPU 靠的是指令集，它手里拿着几千种指令卡，每种卡在 CPU 上都有固定的位置，这叫寻址。指令的位置拍板了它是不是加法指令还是移位指令，这如何算是不是得看数据放在哪儿。
比如你要算个乘法，CPU 得先把两个数都搬进寄存器，然后指令管住器把“乘法”这个指令摆好，接着把第一个数送那会儿，把第二个数送过来。 这时候，CPU 并不是一口气做完的，它是分步跑的。
第一步，它读两个数；第二步，它执行加法；第三步，它读第三个数；第四步，执行减法。
这看起来挺像串行，但实际上是并行化的。流水线就是个多工处理系统，它把任务切成小块，每一块都跑在不同的“线程”上，一块在算加法，一块在算乘法，一块在解压数据，与此同时它们在跑。
这种并行加速让 CPU 的运算速度比单纯靠加法器堆出来的还要快，出于加法器根本没法与此同时做两件事。 内存这块儿往往让人头疼，出于数据存取慢。
要是一块数据在内存里，CPU 得给它找一次位置，还要读一次，再找个地方存结局，这得走好几条路。好办的算法有时候加上这些开销，跑得比蚂蚁还慢。
故此高性能 CPU 里，缓存起了大功能。它就是一个高速小内存，专门用来存立马要用到的数据。
要是数据在内存里，CPU 得先查缓存，查不到再去内存里翻，这就好比你要找一本书，先看书架上有没有，没有再翻到睡觉那屋里找。缓存离 CPU 特别近，并且小，故此命中率挺高，这样 CPU 就不用花工夫去读内存，直接拿来用。 数据在内存里存着，CPU 还得再读一遍，这时候 CPU 就会遇到一个难题：如何快速地把内存里的数据塞进寄存器？这叫内存到寄存器转换。一个好的 CPU 会有专门的路径和电路，专门负责这个转换，耗时极低。一旦数据进了寄存器，CPU 的运算单元就能直接操作它，效率就上去了。 那数据在寄存器里面又如何传呢？CPU 的寄存器也是分区的，有的管整数，有的管浮点，有的管地址。数据如何从一个寄存器跳到另一个寄存器？这叫寄存器间搬运。
要是两个寄存器离得近，CPU 就能够直接借引脚把数据从 A 传到 B，这就像邻居之间提个东西，不用走公共通道。但要是两个寄存器隔得忒远，CPU 就得先把数据存到缓存要么内存里，再去拿回来再转，这时候 CPU 就得停下来等数据回来，这就叫停顿。为了削减停顿，现代 CPU 设计了大量延迟线，让数据能在寄存器里转好几个周期，这样 CPU 就能够持续干活，直到数据真正从内存要么缓存里取完为止。 最终，还得说说硬件如何拍板算得快不快。CPU 的运算单元本身是串并行结合的，它内部就有多个功能单元与此同时工作，这比纯串行的要快。并且，随着摩尔定律，晶体管密度越来越高，晶体管之间距离越近，电子移动的路径就越短，信号传输就越快。
这就好比让一个高速打印机打印得比一个慢速打印机快，出于墨水跑得快，打印机也能做得快。 有时候，硬件和算法的匹配也挺关键。有些算法在硬件上跑得特别快，比如卷积运算，出于卷积算法天生就有并行性，能够在一个单元里就搞定大量数据的相关性计算，而不需求把数据一个个传那会儿。而要是是复杂的矩阵运算，数据量忒大，可能得用到多核 CPU 要么 GPU 这种特殊的硬件，专门负责处理这些大块数据。 说到底，计算机运算的原理忒复杂，涉及到底层电路、信号整个性、时钟频率、缓存层级、流水线设计这些东西。它们看起来像是在玩高科技游戏，实际上都是为了让数据更快、更准地到达你的屏幕。
没有这些基础，就没有我们目前的任何软件体验。
