主题
字号
CHAPTER 01 ≈ 30 MIN READ

开篇：那些你每天都在经历，但从未真正理解的事

《电脑怎么工作的——给大一新生的计算机原理课》

场景引入

你刚从高考的硝烟中走出来，拿着录取通知书和家里给的预算，站在电脑城（或者更可能是京东的搜索框前），准备买一台属于自己的电脑。

你看到了这样一串参数：

Intel Core i7-13700H / 16GB DDR5 5600MHz / 512GB NVMe SSD / RTX 4060 8GB / 15.6" 2.5K 165Hz

你的内心OS大概是："i7好像比i5好？16GB够不够？SSD是什么？RTX 4060能干嘛？2.5K和1080P差多少？"

别慌。这本书就是为了让你彻底看懂这些东西而写的。

不只是看懂参数——我们要搞明白，这些数字背后的原理是什么。为什么CPU要分核心和线程？为什么内存和硬盘是两个东西？为什么显卡对游戏那么重要，但写Word的时候根本用不上？

这一章是全书的"预告片"。我会抛出五个你日常一定遇到过的困惑，每一个都会简单拆解，但不会展开太深——因为后面的每一章，都会专门回来讲透它们。

本章目标

读完这一章，你将会：

  1. 理解双击一个程序后，电脑内部发生的基本流程
  2. 明白"内存"和"存储"为什么是两回事
  3. 知道电脑参数表里每个数字大概在说什么
  4. 初步理解GPU为什么对游戏和AI如此重要
  5. 了解当下（2025-2026年）硬件市场正在发生什么

预计阅读时间：25-30分钟

0.1 双击图标后的0.5秒，发生了什么？

从一个日常动作说起

大一开学第一周，你下载了Steam，双击图标，屏幕上出现了加载动画。也许你还顺手打开了QQ音乐，后台挂着微信，浏览器里开了十几个标签页。

这一切看起来稀松平常——你甚至可能在等加载的时候刷了两条朋友圈。

但如果我告诉你，就在你双击鼠标到Steam窗口出现的那不到一秒钟里，你的电脑至少完成了以下这些事情：

  1. 鼠标信号传输：鼠标捕捉到你的点击，通过USB或蓝牙将电信号传给主板
  2. 操作系统响应：Windows接收到"双击"事件，查找这个图标对应的程序路径
  3. 硬盘读取：操作系统从SSD（固态硬盘）中找到Steam的可执行文件（steam.exe），把它读入内存
  4. 内存加载：程序的代码和初始数据被加载到内存（RAM）中，准备执行
  5. CPU执行：CPU开始一条一条地执行程序指令，初始化Steam的各个模块
  6. GPU渲染：Steam的界面需要显示出来——文字、图标、动画，这些像素最终由GPU渲染并输出到屏幕
  7. 网络请求：Steam尝试连接服务器，检查你的账号状态和游戏更新

这七步，在不到一秒内完成。每一步都涉及不同的硬件组件，而它们之间的协作，全靠一个你看不见的"管家"——操作系统（Operating System, OS）——来调度。

核心概念：计算机的基本工作流

我们可以用一个餐厅的类比来理解这个过程：

想象一家餐厅：

所以，双击Steam这个动作，本质上就是你（用户）对餐厅经理（操作系统）说："我要一份Steam套餐"，然后经理安排大厨（CPU）从仓库（硬盘）取出食材放到操作台（内存）上开始制作，最后由流水线工人（GPU）把成品端到你面前（显示在屏幕上）。

这个类比会贯穿全书。后面每一章深入一个"角色"，你会发现这家餐厅的运作比你想象的精妙得多。

现在，让我们把这个过程稍微量化一下。当Steam从硬盘加载到内存时，涉及到的数据传输速度大概是多少？

但实际加载时间远不止0.07秒——因为程序启动不只是"把文件搬到内存"那么简单，还涉及解析、初始化、网络连接等一系列操作。这些都是后面章节的故事。

常见误区

❌ "电脑卡了就是CPU不行"

→ ✅ 电脑卡顿可能是内存不够（操作台太小，菜放不下了）、硬盘太慢（从仓库搬食材慢）、甚至是散热出了问题（大厨中暑了）。CPU只是可能的原因之一。要找到真正的瓶颈，需要理解整个系统的协作方式——这也是这本书要教你的。

❌ "双击之后电脑就开始运行程序了"

→ ✅ 双击只是第一步。操作系统需要先找到程序文件、分配内存空间、加载程序代码，然后才是CPU开始执行。中间有很多"看不见的准备工作"。

🔧 动手试试

打开你的电脑，做以下操作：

Windows用户：

  1. 按 Ctrl + Shift + Esc 打开任务管理器
  2. 点击"性能"标签页
  3. 你会看到CPU、内存、磁盘、网络等的实时使用情况
  4. 现在，打开一个大型程序（比如Photoshop、Visual Studio或一个大型游戏）
  5. 观察：启动瞬间，是磁盘使用率先飙升（从硬盘读取），然后内存占用增加（加载到内存），最后CPU使用率升高（开始执行）

Mac用户：

  1. 按 Command + 空格，输入"活动监视器"并打开
  2. 切换到"CPU""内存""磁盘"标签分别观察
  3. 同样打开一个大程序，观察变化顺序

你刚刚亲眼见证了"仓库→操作台→大厨开工"的完整流程。

本节要点

0.2 为什么同样16GB，手机和电脑的价格差那么多？

一个让你困惑的购物经历

你在看手机的时候，发现一台"16GB+512GB"的手机卖4000块。然后你去看电脑，一台"16GB内存+512GB SSD"的笔记本也是四五千块。

等等——手机的16GB和电脑的16GB，是同一个东西吗？512GB是同一个512GB吗？

更让人困惑的是：同样标着"16GB"，有时候说的是"运行内存"，有时候说的是"存储空间"。某些手机广告上的"16GB"其实是RAM，而平板电脑广告上的"16GB"可能是ROM（存储空间）。到底怎么回事？

核心概念：存储 vs 内存——两个完全不同的东西

让我们回到餐厅类比。

你的电脑里有两种"放东西的地方"，它们的功能完全不同：

硬盘/SSD（存储）= 食材仓库

内存/RAM（运行内存）= 操作台

那手机的"16GB+512GB"是什么意思？

电脑的"16GB内存+512GB SSD"也是一回事：

它们的角色完全一样！只不过手机和电脑使用的具体芯片规格不同。

那为什么价格差那么多？

关键在于速度和规格的差异。

让我们看一些真实数据：

内存（RAM）方面：

指标 手机（LPDDR5X） 电脑（DDR5-5600）
类型 LPDDR5X（低功耗版） DDR5（标准版）
典型带宽 $51.2 \text{ GB/s}$ $44.8 \text{ GB/s}$
功耗 极低（手机靠电池） 较高（有电源适配器）
封装 直接焊在SoC旁边 插在内存插槽上（可更换）

你可能注意到了：手机内存的带宽甚至比电脑还高？没错。现代手机的LPDDR5X内存在带宽上已经追上甚至超过了桌面DDR5。但这不意味着手机比电脑快——因为内存带宽只是性能的一个维度，CPU和GPU的处理能力才是大头。

存储方面：

指标 手机（UFS 4.0） 电脑（NVMe SSD）
顺序读取 $\sim 4200 \text{ MB/s}$ $\sim 7000\text{-}14000 \text{ MB/s}$
顺序写入 $\sim 2800 \text{ MB/s}$ $\sim 5000\text{-}12000 \text{ MB/s}$
接口 UFS PCIe Gen4/Gen5

电脑的NVMe SSD比手机快很多，而且电脑端的SSD可以单独购买、更换——这在手机上几乎不可能（手机存储芯片是直接焊在主板上的）。

一个有趣的现实：2025-2026年的内存价格风暴

说到内存，这里有一件正在发生的大事值得一提。

如果你现在（2025-2026年）去装机，你会发现DDR5内存的价格贵得离谱。一套32GB（2×16GB）DDR5内存，在2024年中只要约 $100$（约700元人民币），但到了2025年底至2026年初，同样的套装价格飙升到了 $350$ 甚至更高（约2500元人民币），涨幅超过300%。

为什么？一个核心原因是：AI对内存的需求爆炸式增长。

训练大语言模型（比如ChatGPT背后的GPT系列）需要海量的高带宽内存（HBM）和DDR5内存。三星、SK海力士、美光这三大内存厂商把大量产能分配给了AI服务器用的HBM芯片，导致消费级DDR5和DDR4的供应严重不足。

这是一个非常典型的供需关系影响价格的案例——只不过这次，AI是那个打破平衡的"新玩家"。我们会在第六章和第0.5节更详细地聊这个话题。

常见误区

❌ "手机16GB内存和电脑16GB内存是一样的东西"

→ ✅ 容量相同，但规格不同。手机用LPDDR5X（低功耗），电脑用DDR5（高性能标准版）或LPDDR5X（轻薄本）。不能直接拿来比较性能。

❌ "内存越大电脑越快"

→ ✅ 内存大小决定的是你能同时打开多少程序（操作台大小），而不是程序运行的速度。如果你只开一个Word，8GB和32GB的体验几乎没有区别。但如果你同时开Chrome（几十个标签页）、Photoshop、微信、网易云……内存不够的话，系统就会卡顿——因为操作台放不下了，系统不得不把一些东西暂时搬回仓库（硬盘），这个过程叫做换页（Paging），非常慢。

❌ "512GB存储和512GB内存差不多"

→ ✅ 完全是两回事！存储是"仓库"，内存是"操作台"。512GB是存储的常见大小，但512GB的内存？那是服务器级别的配置，普通电脑用不上也买不起。

🔧 动手试试

查看你电脑的内存和存储信息：

Windows用户：

  1. 右键点击"此电脑"→"属性"，你能看到"已安装的RAM"——这就是你的内存大小
  2. 打开"设置"→"系统"→"存储"，你能看到每个硬盘分区的容量和使用情况
  3. 打开任务管理器（Ctrl + Shift + Esc）→"性能"→"内存"，你能看到：
    • 已使用的内存量
    • 内存速度（比如"5600 MHz"）
    • 内存插槽使用情况（比如"已使用2/2个插槽"）

Mac用户：

  1. 点击左上角苹果图标 →"关于本机"，你能看到内存（如"16GB"）和存储信息
  2. 打开"活动监视器"→"内存"标签，观察"内存压力"图表——绿色表示内存充足，黄色表示有点紧张，红色表示严重不足

手机用户（作为对比）：

  1. 安卓：设置 → 关于手机 → RAM和存储
  2. iPhone：设置 → 通用 → 关于本机（注意iOS不会直接显示RAM大小，这是苹果的设计哲学——他们认为用户不需要关心这个）

对比一下你的手机和电脑的参数，感受一下"同样16GB"背后的不同。

本节要点

0.3 买电脑时的参数表，到底在说什么？

一张让人头大的配置单

你终于决定买电脑了。打开京东，搜索"笔记本电脑"，点进一个产品页面，映入眼帘的是这样一张参数表：

项目 参数
处理器 Intel Core i7-13700H（14核20线程，最高5.0GHz）
显卡 NVIDIA GeForce RTX 4060 Laptop GPU 8GB GDDR6
内存 16GB DDR5 5600MHz（双通道）
硬盘 512GB PCIe 4.0 NVMe M.2 SSD
屏幕 15.6英寸 2560×1440 165Hz IPS
电池 80Wh
重量 2.3kg

看完之后你的感觉大概是：每个字都认识，连在一起完全看不懂。

别担心，我们现在就来逐行翻译。

核心概念：逐行解读参数表

第一行：处理器（CPU）——Intel Core i7-13700H（14核20线程，最高5.0GHz）

这一行信息量巨大，我们拆开看：

第二行：显卡（GPU）——NVIDIA GeForce RTX 4060 Laptop GPU 8GB GDDR6

第三行：内存——16GB DDR5 5600MHz（双通道）

上一节我们已经聊过内存了，这里补充几个新概念：

第四行：硬盘——512GB PCIe 4.0 NVMe M.2 SSD

这一串缩写看着可怕，但每个词都有明确含义：

综合起来：这是一块使用PCIe 4.0高速公路、说NVMe语言、M.2外形的512GB固态硬盘。

第五行：屏幕——15.6英寸 2560×1440 165Hz IPS

最后两行：电池和重量

一张"翻译过的"参数表

现在，让我们重新看看那张参数表，但换成"人话"：

项目 参数 翻译
处理器 i7-13700H 14核20线程 高性能CPU，14个大厨能同时做20道菜，手速极快
显卡 RTX 4060 8GB 中端游戏显卡，能跑大部分3A大作，支持光追
内存 16GB DDR5 5600MHz 操作台够大，日常使用绰绰有余，多开程序也问题不大
硬盘 512GB NVMe SSD 高速仓库，装10个大型游戏就差不多满了
屏幕 15.6" 2.5K 165Hz 清晰度不错，玩游戏很流畅
电池 80Wh 脱离电源大约能用3-5小时（取决于使用强度）
重量 2.3kg 背着去上课会有点累，但不至于背不动

怎么样？是不是清晰多了？

后面每一章，都会深入其中一个部件，让你不仅看懂参数，还理解参数背后的原理。

常见误区

❌ "i7一定比i5好"

→ ✅ 不一定！要看代数。最新一代的i5（比如14代i5-14600H）可能比上一代的i7（比如12代i7-12700H）还强。永远先看代数，再看等级。

❌ "主频越高性能越强"

→ ✅ 主频只是性能的一个方面。CPU的架构、核心数量、缓存大小都会影响实际性能。就像大厨的手速（主频）很重要，但厨师人数（核心数）和厨房设施（缓存）同样关键。一个3.5GHz的新架构CPU可能比5.0GHz的老架构CPU更快。

❌ "512GB SSD足够用了"

→ ✅ 取决于你的使用场景。如果你只做文档和轻度使用，512GB绰绰有余。但如果你玩游戏，一个3A大作就可能占60-100GB，十个就占满了。做视频剪辑的同学更是需要至少1TB起步。

🔧 动手试试

找到你自己电脑的完整参数：

Windows用户：

  1. 按 Win + R，输入 dxdiag，回车
  2. 在打开的"DirectX诊断工具"里，你能看到：
    • 系统标签：CPU型号、内存大小、操作系统版本
    • 显示标签：显卡型号和显存大小
  3. 或者下载免费软件 CPU-Z（cpuid.com），它会给出更详细的硬件信息
# 你也可以用命令行查看系统信息（Windows PowerShell）
Get-ComputerInfo | Select-Object CsProcessors, OsTotalVisibleMemorySize, CsModel

# 或者更简单的
systeminfo

Mac用户：

  1. 点击左上角苹果图标 →"关于本机"
  2. 你能看到芯片型号（如"Apple M3"）、内存、序列号等
  3. 点击"系统报告"可以看到更详细的硬件信息
# Mac终端命令
system_profiler SPHardwareDataType

把你的电脑参数写下来，和上面的例子对比，尝试用"人话"翻译每一行。这是最好的学习方式。

本节要点

0.4 为什么好的显卡才能跑游戏？

一个让风扇尖叫的下午

宿舍里，你室友正在玩《原神》。你凑过去看了一眼，画面挺不错的。然后你回到自己的电脑上也想试试，下载安装之后打开——

画面卡成PPT。

你的笔记本风扇开始疯狂旋转，发出的噪声堪比小型飞机起飞。你看了一眼任务管理器，CPU使用率100%，GPU使用率也拉满了。你切到最低画质，勉强能玩，但画面糊得像马赛克。

而你室友的电脑？高画质60帧稳如老狗。

你俩的电脑差在哪里？答案很可能就是三个字母：GPU。

核心概念：GPU是如何"画"出游戏画面的

要理解GPU为什么重要，我们需要先理解一件事：屏幕上的每一帧画面，都是"画"出来的。

当你在游戏里看到一个3D场景时——比如一片草地、几棵树、远处的山——这些画面不是像视频一样"播放"出来的，而是电脑实时计算出来的。每一帧画面的生成大致需要这些步骤：

  1. 顶点处理：3D模型是由成千上万个三角形组成的（这叫做"网格"）。GPU需要计算每个三角形的位置、旋转和缩放
  2. 光栅化：把3D空间中的三角形"投影"到2D屏幕上，确定每个三角形覆盖了屏幕上的哪些像素
  3. 着色：为每个像素计算颜色——这需要考虑光照、材质、阴影、反射等等
  4. 后处理：添加特效，比如景深（远处模糊）、抗锯齿（让边缘更平滑）、HDR等

以一个 $2560 \times 1440$ 分辨率、60fps（每秒60帧）的游戏为例：

$ \text{每秒需要着色的像素数} = 2560 \times 1440 \times 60 = 221,184,000 \approx 2.2 \text{亿} $

每秒2.2亿个像素，每一个都需要独立计算颜色。这就是为什么GPU如此重要——这种工作对CPU来说是噩梦，但对GPU来说正好合适。

CPU vs GPU：大厨 vs 流水线

让我们回到餐厅类比，深入理解CPU和GPU的区别。

CPU（大厨）的特点：

GPU（流水线工人）的特点：

用数据来对比：

特性 i7-13700H（CPU） RTX 4060（GPU）
核心数 14（6大核+8小核） 3072（CUDA核心）
频率 最高5.0GHz 最高2.37GHz
擅长 复杂逻辑、顺序计算 大规模并行计算
比喻 14个数学天才 3072个计算器操作员

渲染游戏画面时，每个像素的颜色计算是相对独立的——像素A的颜色不太依赖像素B。这意味着可以同时计算很多像素，这正是GPU的强项。

如果让CPU来做这个工作：14个大厨轮流给2.2亿个像素上色——累死也来不及。

如果让GPU来做：3072个工人同时工作，每人只负责一小片区域——轻松搞定。

这就是**并行计算（Parallel Computing）**的核心思想：把一个大任务拆成很多小任务，同时执行。

不只是游戏：GPU的新舞台

这里有一个有趣的历史转折。

GPU最初确实只是为了渲染图形而设计的——"Graphics Processing Unit"嘛。但人们很快意识到，GPU的大规模并行计算能力不仅能画图，还能用来做任何大量重复计算的工作。

比如：

这就是为什么NVIDIA的市值在AI时代暴涨——他们的GPU是目前训练大语言模型（如GPT、LLaMA等）最核心的硬件。A100、H100这些专业级GPU，每一块售价数万美元，而且供不应求。

【建议配图】CPU vs GPU架构对比示意图

CPU：
┌──────┐ ┌──────┐ ┌──────┐ ┌──────┐
│ 大核 │ │ 大核 │ │ 大核 │ │ 大核 │ ... (14个核心)
│ 强力 │ │ 强力 │ │ 强力 │ │ 强力 │
└──────┘ └──────┘ └──────┘ └──────┘

GPU：
┌─┐┌─┐┌─┐┌─┐┌─┐┌─┐┌─┐┌─┐┌─┐┌─┐┌─┐┌─┐┌─┐┌─┐┌─┐┌─┐
│○││○││○││○││○││○││○││○││○││○││○││○││○││○││○││○│ ... (3072个小核心)
└─┘└─┘└─┘└─┘└─┘└─┘└─┘└─┘└─┘└─┘└─┘└─┘└─┘└─┘└─┘└─┘

每个CPU核心 = 一个全能大厨 🧑‍🍳
每个GPU核心 = 一个流水线工人 👷

集成显卡 vs 独立显卡

你可能在参数表上还见过另一种显卡：集成显卡（Integrated Graphics，简称"集显"或"核显"）。

如果你不玩大型游戏、不做视频剪辑、不搞AI开发，集成显卡就够了。这也是为什么轻薄本通常不配独立显卡——用不上，还费电。

常见误区

❌ "显存越大显卡越好"

→ ✅ 显存大小只是显卡性能的一个维度。一块8GB显存的RTX 4060远强于一块12GB显存的低端显卡。核心数量、架构、频率都很重要。就像仓库大不等于厨师手艺好。

❌ "不玩游戏就不需要显卡"

→ ✅ 你的电脑一定有显卡——至少有集成显卡。只要有屏幕显示，就需要GPU来渲染画面。你打开的每一个窗口、每一段文字、每一个动画，都是GPU在画。只不过这些"简单画作"集成显卡就能搞定。

❌ "显卡只能用来打游戏"

→ ✅ 现代GPU是通用并行计算设备。AI训练、视频剪辑、3D建模、科学计算都大量依赖GPU。NVIDIA的GPU已经是AI基础设施的核心。

🔧 动手试试

看看你的GPU在干什么：

Windows用户：

  1. 打开任务管理器（Ctrl + Shift + Esc）→"性能"标签
  2. 你会看到"GPU 0"（可能还有"GPU 1"，如果你有独立显卡的话）
  3. 观察GPU使用率。试试以下操作：
    • 播放一个4K YouTube视频：GPU使用率会上升（视频解码）
    • 打开一个3D游戏：GPU使用率会飙到很高
    • 只是写Word或看网页：GPU使用率很低
  4. 注意观察是哪个GPU在工作——有些笔记本在轻负载时用集成显卡，重负载才切换到独立显卡

Mac用户：

  1. 打开"活动监视器"→"窗口"菜单→"GPU历史"
  2. 或者在"活动监视器"主界面中，找到"GPU"列，看各个程序的GPU使用情况

一个有趣的实验：

如果你有独立显卡的电脑，试试在游戏里切换画质：

本节要点

0.5 AI时代，为什么内存价格飞起？

一条让装机党崩溃的新闻

2025年底，你在B站看到了一个装机视频的评论区，满屏都是“内存涨疆了”“一套DDR5卖到了之前三倍价”“还不如不装了”。

你很困惑：内存不就是一个小条子吗？怎么突然就涨价了？这和AI又有什么关系？

这个问题的答案，其实串联了这本书里几乎所有的核心概念。

核心概念：为什么AI需要这么多内存？

要理解这个问题，我们先来简单理解AI模型是怎么工作的。

以ChatGPT为例。当你跟ChatGPT对话时，背后发生的事情粗略地是这样的：

  1. 你输入一句话（比如"什么是CPU？"）
  2. 服务器上的GPU把这句话转换成数字
  3. 这些数字被送入一个巨大的数学模型进行计算
  4. 模型产出下一个最可能的词，然后再产出下一个，逐词生成回答

这个"巨大的数学模型"有多大？以GPT-4为例，据估计它拥有约 $1.8 \text{ 万亿}$ 个参数（虽然OpenAI未官方确认）。每个参数占用约2字节（半精度浮点数），那么仅仅存储这个模型就需要：

$ 1.8 \times 10^{12} \times 2 \text{ bytes} = 3.6 \text{ TB} $

3.6TB！这还只是存储模型本身。在实际推理（生成回答）时，还需要额外的内存来存储中间计算结果。而在训练（让模型学习新知识）时，内存需求更是要翻好几倍。

而且，这些计算全部发生在GPU上。GPU需要的不是普通DDR5内存，而是一种更先进的内存：HBM（High Bandwidth Memory，高带宽内存）。HBM直接堆叠在GPU芯片旁边，带宽可以达到普逝DDR5的几十倍。

举个例子：NVIDIA H100（目前最主流的AI训练GPU之一）配备80GB HBM3内存，带宽达到 $3.35 text{ TB/s}$。作为对比，你电脑上的DDR5-5600内存，双通道带宽约 $89.6 text{ GB/s}$。H100的内存带宽是你电脑的37倍。

供需失衡：为什么你的内存涨价了？

你可能会问：AI用的是HBM，我们电脑用的是DDR5，两个不同的东西，为什么会互相影响？

关键在于：它们共享同一个产能池。

全球内存芯片的制造商主要就是三家：三星（Samsung）、SK海力士（SK Hynix）、美光（Micron）。无论是HBM、DDR5还是DDR4，都是这三家生产的。它们的工厂产能是有限的。

现在，AI公司（OpenAI、Google、Meta、字节跳动等）拼命采购HBM来建设训练集群。三大内存厂商发现HBM的利润率远高于普通DDR5，于是纷纷把更多的工厂产能转向HBM生产。

结果就是：DDR5和DDR4的供应大幅减少，价格自然飙升。

来看一些真实数据：

时间 32GB DDR5套装价格（美元） 人民币约 涨幅
2024年中 ~$100 ~¥700 基准
2025年9月 ~$150 ~¥1050 +50%
2025年12月 ~$350+ ~¥2500+ +250%+
2026年Q1（预测） 继续上涨 继续上涨 预计+30%-40%

数据来源：Tom's Hardware 价格追踪、DIGITIMES Research、集邦咨询（TrendForce）报告，截至2025年12月。

DDR4的情况更加夸张。据报道，2024年底至2025年12月间，DDR4 16Gb内存模块现货价格从约 $3.2$ 涨到了 $62$ 以上，涨幅超过 $1800%$。

SSD同样未能幸免。NAND闪存（SSD的存储介质）价格也在上涨，因为AI服务器同样需要大量存储。

连锁反应：电脑价格也在涨

内存涨价的影响不止于装机。据集邦咨询预测，到2026年底，DDR5 RDIMM内存价格预计再涨纤45%，存储组件成本将占据笔记本电脑材料总成本的约23%。

这导致了一系列连锁反应：

用餐厅类比来理解：以前操作台（内存）的材料便宜，餐厅都配了大操作台。现在材料涨价了，因为一家新开的“AI工厂”把材料买光了，普通餐厅只能配小操作台，或者涨价。

这和你有什么关系？

如果你正好在2025-2026年买电脑，这就是你必须了解的背景：

  1. 内存价格可能会继续高位运行一段时间，考虑购买时要有心理预期
  2. 16GB内存在当前环境下是合理的选择，不必追求在这个价格下上32GB（除非确实需要）
  3. 理解内存和存储的区别，才能判断你真正需要多大容量
  4. AI不只是软件概念，它对硬件产业链有深远影响——这是理解现代计算机生态的重要视角

这个故事也揭示了一个更深层的道理：计算机硬件不是孤立存在的，它是一个巨大的产业生态系统的一部分。 从芯片设计、制造、到市场供需、到你手上的电脑价格，环环相扣。理解计算机原理，不只是理解技术，也是理解这个时代。

常见误区

❌ "内存涨价是厂商在割韭菜"

→ ✅ 这次涨价主要是供需失衡造成的。AI对HBM的需求挤占了DDR5/DDR4的产能，不是简单的"厂商恶意涨价"。当然，部分零售商确实存在趁火打劫的情况，但根本原因是供应链的结构性问题。

❌ "AI和我无关，我只是普通用户"

→ ✅ AI对硬件产业的影响是全局性的。即使你不用AI，你买电脑的价格、可选配置、产品更新速度都会受到影响。理解这些背景，才能做出更明智的购买决策。

🔧 动手试试

追踪内存价格和AI的关系：

  1. 打开京东（jd.com）或天猫，搜索"DDR5 16GB"——看看现在的价格是多少
  2. 再搜索"DDR5 16GB 2024年价格"，找一些2024年的价格截图或评测，对比价格变化
  3. 访问 Tom’s Hardware 的内存价格追踪页面（tomshardware.com，搜索"RAM price tracking"）看实时曲线
  4. 想一想：这个价格变化对你的购买计划有什么影响？

感受AI的计算规模：

打开浏览器，访问ChatGPT（chat.openai.com）或任何其他AI对话工具，问它一个问题，观察它是如何“逐字”生成回答的——这背后每一个字的生成，都涉及数万亿次计算。

本节要点

本章回顾与展望

我们聊了什么？

这一章是全书的"预告片"。我们通过五个日常困惑，初步认识了计算机的核心组件和它们的角色：

困惑 涉及的核心概念 对应章节
双击图标后发生了什么 CPU、内存、硬盘、GPU、操作系统的协作 第一章~第四章
同样16GB为什么不同 内存 vs 存储，硬件规格差异 第一章
参数表怎么看 CPU/GPU/内存/SSD/屏幕参数解读 第五章
为什么显卡影响游戏 GPU并行计算、渲染流水线 第二章
AI时代内存涨价 供应链、HBM、产能分配 第六章

最重要的是，我们建立了一个贯穿全书的餐厅类比：

【下章预告】

现在你对计算机的整体架构有了一个粗略的印象。但我们只是浅尝辄止——每个组件背后还有很多精彩的细节。

下一章，我们将从存储开始，深入探索这家餐厅的"仓库"。你将会理解：

准备好了吗？让我们翻开第一章。

扩展资源

视频推荐

⭐ 入门 | "How a CPU Works in 100 Seconds" — Fireship

⭐⭐ 进阶 | "What's inside a CPU?" — Branch Education

文章推荐

⭐ 入门 | "如何看懂电脑配置？新手小白的电脑硬件科普" — 少数派

⭐⭐ 进阶 | "Putting the "You" in CPU" — Lexi Mattick

⭐⭐⭐ 深入 | "What Every Programmer Should Know About Memory" — Ulrich Drepper