主题定位：一切算力的物理底座 ——CPU / GPU / NPU / FPGA 的原理、指标与互联。有关 GPU 芯片的知识详见 1_GPU学习.smm

# CPU 芯片

# 基础知识

云服务器的 CPU 与个人电脑存在定位差异。一般而言，云服务器的 CPU 单核性能（主频）低于个人游戏本，但胜在核心数多、负载稳、网络强。

对于线程：

个人电脑通常是单 CPU，一个物理核托 2 个线程。
云服务器里：1 个 vCPU = 1 个逻辑线程 = 半个物理核，而不是 1 个物理核。

在云服务器中：

内存大小与 vCPU 绑定，遵循固定的 CPU : 内存 配比，二者作为一个 "套餐" 打包出售。

系统盘与上述计算资源（CPU、内存）无关，其只决定硬盘存储空间，以及装的是什么操作系统（Windows / Linux）。

# 指令集架构

# 命名习惯

我们现在一般用 x86 代指 32 位架构，x64 代指 64 位架构；x64 是 x86 的 64 位升级版，向下兼容老的 32 位程序。

x86 本源最早是英特尔 8086、80386 这类 CPU 代号，后来统称：
- ✅ 传统 32 位桌面 / 服务器 CPU 架构（IA-32）
- ❌ 不是 "86 位"！纯历史命名
x64（也叫 AMD64 /x86-64） 是 AMD 在 2003 年于 x86 基础上扩展到 64 位：
- 民用 x64：AMD 发明，Intel 照搬（直接买授权、跟进兼容），全家通用。
- 当年纯原生 Intel 搞的 64 位 IA64（安腾）很失败，小众，基本绝迹。
- 支持更大内存（32 位最多只用 4G 内存，64 位理论海量），运算效率更高，是现在电脑 / 软件的主流标配。

# x86 家族树

	x86（指令集家族）
	├── IA-32（32位，俗称 "x86"）
	└── x86-64（64位，俗称 "x64" / "AMD64"）

现在用的电脑虽然是 64 位的，但本质上仍属 x86 家族。讨论虚拟化时说的 "x86"，指的是整个架构家族（含 x64）。因为 Ring 0-3 特权级机制、以及 "敏感但非特权" 指令问题，在 32 位和 64 位模式下都存在。具体含义详见文章 “虚拟化实例”

# 睿频机制

CPU 睿频（Turbo Boost） 本质是一项 "自动超频"技术：高负载时 CPU 自动将主频提升到高于" 基础频率 " 的数值以提供更强性能，任务结束进入待机 / 轻负载时又自动降频以节能降温。

命名注：Intel 称 Turbo Boost，AMD 称 Precision Boost，中文统称 "睿频" 或 "加速频率"。

睿频的维持时间取决于散热能力和主板 / BIOS 的功耗设置。默认情况下 CPU 无法长时间维持最高睿频，核心原因是三大限制：

① 功耗墙（PL1 / PL2）与时间限制（Tau）：

Intel 和 AMD 在设计 CPU 时，为了保证安全和主板供电的稳定，设定了不同的功耗状态（以 Intel 为例，最为典型）

PL2（短期功耗极限）： 当 CPU 突然遇到重负载任务时，它会瞬间爆发出巨大的能量，功耗飙升到 PL2 阶段。此时 CPU 会达到非常高的睿频。
Tau（真男人时间）： CPU 在 PL2 状态下运行的时间是有限制的（通常是几十秒到一两分钟，被称为 Tau）。
PL1（长期功耗极限）： 当 Tau 时间耗尽后，为了防止主板供电过热或 CPU 过载，系统会强制将 CPU 功耗降至 PL1（通常等于 CPU 的标称 TDP，比如 65W）。此时，CPU 的频率就会从最高睿频下降，稳定在一个较低的频率（但通常仍高于基础频率）。

结论：默认规则下，最高睿频只能维持几十秒（即所谓的 “真男人时间”）。

② 温度墙（Thermal Limit）：

即使你的主板供电再强，如果 CPU 的温度过高，也会触发降频。

睿频时发热量呈指数级上升。散热压不住、温度达到阈值（通常 95℃ 或 100℃）时，CPU 自我保护机制启动，强制降频降压来降温，称为温度撞墙（Thermal Throttling）。

结论：散热不行，睿频可能连几秒都维持不住。

③ 单核睿频 vs 全核睿频：

买 CPU 时，广告上写的 "最高睿频可达 5.5GHz"，通常指 "单核最高睿频"（仅 1-2 个核心达到）。

当你运行需要调用所有核心的任务（如 3D 渲染、视频导出）时，CPU 为了控制总功耗和发热，全核睿频的数值会远低于单核最高睿频。

（例如，一颗 CPU 标称最高睿频 5.5GHz，但在全核满载时，可能只能维持在 4.8GHz 左右。）。

若希望 CPU 能够长时间睿频，可以这样（通常在台式机上容易实现，笔记本受限于模具很难）：

BIOS 解锁功耗墙：将 PL1/PL2 调到极大（如 4096W），去掉 Tau 的时间限制。在很多中高端主板的 BIOS 中支持手动调值，相当于告诉 CPU“放开跑，不用管功耗”，打破了 Tau 限制。
升级散热系统：让 CPU 满载温度尽量压在 90℃ 以下，避免触发温度墙。这需要换用更高端的风冷或水冷散热器
保证主板供电：主板的 VRM （供电模块）能持续、稳定地输送大电流。这需要主板足够强悍。

# 异构加速芯片

异构计算 == CPU 搭配 GPU / NPU / FPGA，各干各擅长的活；主要面向人工智能（训练 / 推理）、科学计算、图形图像处理、云游戏。凡是需要强算力的，基本都靠它。

# GPU / GPGPU

GPU 或通用 GPU（GPGPU）当下比较火：

如 A、H、B 系列，NVIDIA 为其引入了 Tensor Core（张量核心）—— 这其实是在 GPU 内部集成了专门加速矩阵乘加的 NPU-like 专用电路单元。
型号谱系的产品定位（以 NVIDIA 当前最强的 Blackwell 架构为例）：
- RTX 5090 ：游戏用，32G 显存。
- RTX PRO 6000 ：工作站版，96G 显存，9 万一张，1.8T 显存带宽，适合小模型训练微调。
- B200：192G 显存，14 万一张，为多卡集群设计，大大节省卡间通信开销，8T 显存带宽。

# NPU

NPU 端云一体，特攻 AI，训练推理均可。
华为的昇腾就是这个路线的代表。

# FPGA

FPGA 可理解为能反复 "自定义" 成不同硬件电路、灵活地在硬件层面加速各种特定算法，是高速、低延迟领域的硬件可重构计算平台。

核心特征是 **"硬件可变，动态重构"，核心卖点是极致的灵活性和确定性的低延迟 **。核心需求场景：

超低延迟金融交易（金融机构）
有特殊协议或算法需加速的云计算（云厂商）
前沿算法原型验证与快速迭代（半导体与 AI 公司，用于新一代 AI 芯片的设计验证）
国防与航空航天（卫星、雷达信号处理等需要可重构、抗辐射且极低延迟的芯片）
通信设备商（在基站、交换机中做实时信号和协议处理）

# 芯片评价指标 & 卡间通信

# 算力指标

芯片总算力（TPP，Total Peak Performance），即理论峰值性能。芯片在理想情况下（不考虑散热、功耗、带宽等限制），单位时间内能完成的最多运算次数。常用 TOPS（每秒万亿次运算）或 TFLOPS（每秒万亿次浮点运算）表示。
算力密度（DP，Density of Performance），即单位面积算力。每平方毫米芯片面积能提供多少算力。DP 越高，有限空间内集成的计算能力越强 —— 对移动设备、数据中心（每片晶圆能切出更多有效芯片）很有意义。

# 卡间 / 机间互联

NVLink：本质是 GPU 内部显存总线的外部延伸。它提供动辄上百 GB/s 的 GPU 间直连带宽，是 PCIe 通道的上位替代。

NVLink 通过统一内存寻址，GPU A 可以像访问自己的显存一样，直接通过 Load/Store 指令读取 GPU B 的显存。它不需要网卡（NIC）参与，没有复杂的网络协议栈打包解包过程。其延迟极低，在纳秒级别。
RDMA：本质是网络通信 （如 InfiniBand 或 RoCEv2）。

RDMA 通过 GPUDirect RDMA 技术跳过了 CPU 和系统内存，实现了网卡直通显存，但数据依然需要经过 PCIe/内部总线 、 网卡 、 交换机 。基于完整的网络协议栈，其延迟在微秒级别。

美国至今对中国进行了两次芯片管制：

第一次限制互联

降低 NVLink 的互联带宽，如 H800 / A800

第二次削减算力

如 H20 降低算力为 H100 的 1/7，但 NVLink 恢复，显存 96G；
L20 相比 L40S 算力下降了约 2/3，但显存不变。

# 芯片产业宏观：摩尔定律

摩尔定律（Moore's Law）：每 2 年，芯片性能提升一倍，而成本下降一半。

1965 年，英特尔创始人戈登・摩尔提出：集成电路上可容纳的晶体管数量，大约每 18 到 24 个月翻一倍，芯片性能提升一倍、成本下降一半。

摩尔定律主导了半导体行业半个多世纪，但现在撞到了两堵无法逾越的墙：

物理墙：晶体管已做到几纳米（1 纳米约头发丝的十万分之一）。当晶体管小到只有几个原子大小时，会出现量子力学中的 **"量子隧穿效应"**—— 电子不受控制地乱跑，导致严重漏电和发热。也就是说，"工人" 不能无限变小了。
经济墙：制造这么小的晶体管需要极其昂贵的 EUV（极紫外）光刻机，一台造价高达数亿美元，建一座先进芯片厂需上百亿美元。研发成本呈指数级上升，"性能翻倍、成本减半" 的经济红利已经消失。

摩尔定律撞墙，与 AI 领域 Scaling Law 遭遇的算力 / 能源墙、边际收益递减在逻辑上呼应：硬件红利与模型堆料红利同时进入瓶颈期。

Maas 云计算硬件