3. 形态演进: 大型机 → PC → 单片机/ARM → 云 → Web → AI → XPU

TL;DR

计算机 90 年史, 物理形态大致经过 7 段 演化. 每一段新形态不是上一段的"放大版/缩小版", 而是新的契约 + 新的使用人群 + 新的工程师心智模型:

1. 大型机 (mainframe): 5 大单位共用 1 台机器, 分时.
2. 小型机 (minicomputer): 实验室级, 关键用户开放.
3. 个人计算机 (PC): 桌面 1 人 1 机.
4. 单片机 (MCU) / 嵌入式: 物联网之家家电、汽车、卡片电脑.
5. ARM / 移动: 口袋超算, RISC 一夜成反主流. 同时云计算也起飞.
6. Web / 云原生: 用户运行不再占设备, "数据在云上, 浏览器即终端".
7. AI / XPU: 数据中心向张量机倾斜, 在 N 年内 GPU / NPU + CPU 共生, 异构成为主流.

每段不仅硬件变, 软件 / 用户 / 商业模式也变. 我们把"形态学"这一节当作"硬件 + 软件 + 人的契约" 三联一起讲.

读完应能: 给一台新设备 (e.g. Groq LPU / Apple Vision / 某家国产 7nm 服务器芯片) 立刻判断它在哪一段 / 在异构谱系哪一端 / 它依赖上一段哪些遗产.

一、形态演进总图

1960.DataBindings
┌──────────────────────────────────────────────────────────────────┐
│ 1. Mainframe (IBM 360 / 370 / z)            单台 / 分时共享    │
│ 2. Mini (PDP-11 / VAX)                        实验室级          │
│ 3. PC (x86 / PC-clone)                     1 人 1 机, 平民化   │
│ 4. MCU / 嵌入式 (Arduino / Pi / 单片机)    几人franc块           │
│ 5. Mobile (ARM 手机 / 平板)                  口袋超算           │
│ 6. Cloud / Web (AWS / Azure / GCP)         1 服务 / N 用户      │
│ 7. AI / XPU (H100 / NPU / TPU / 量子预研)   分工化算力          │
└──────────────────────────────────────────────────────────────────┘

每一阶段, 单台算力 + 人数 + 软件范式 这三条线互相带火. 表三条线随时间:

二、阶段 1: 大型机 (1965-)

2.1 物理形态

• 一台 IBM S/360 = 几个机柜, 水冷, 卷磁带库, 集中管理. 当年 "data processing department".
• 操作系统 OS/360 (later MVS / VM / z/OS); 任务, JCL (Job Control Language).
• 编程范式: COBOL (商业), FORTRAN (科学), PL/I (混合), 后来 RPG, 汇编.

2.2 契约 / 不变式

• 批处理 + 分时 (TSO):
  • 批: 提脚本 → 等结果. 用 JCL 描述作业调度.
  • 分时: 写终端 (3270) 上 ISPF.
• 可靠为先: 7x24 不停. RAS (Reliability/Availability/Serviceability) 重于性能.

2.3 至今大型机仍在使用

• IBM z15 / z16 用 5nm 工艺, 跑 z/OS, 在银行 / 航空 / 政府仍主力. 其工作负载大多是 COBOL 老 transaction 处理系统; 据估计全球 200K+ COBOL 程序员仍在岗.

三、阶段 2: 小型机 (1965-1985)

3.1 PDP/VAX

• DEC PDP-8 (1965): 第一台 < $20K 的小型机 → 大学实验室都能买.
• PDP-11 (1970): 决定性影响, 给 Ken Thompson & Dennis Ritchie 写 Unix 用. C 语言在此诞生.
• VAX-11/780 (1977): 32 位, 单机虚拟内存, 标准 1 MIPS 性能基准.

3.2 关键遗产

• Unix 与 C 都在 PDP 上诞生 → 第一份与硬件解耦的 OS + 语言 (1973 C 重写 Unix kernel). → 后续 Linux / BSD / Solaris 全都站着.
• 分时系统 Unix 让程序员直接交互式开发, 不再写卡片等一天.

3.3 1980 后逐渐让位 PC

• minicomputer 因 PC 在性能上赶上 (80486 一代) 而 vax 都被 Sun / SGI 工作站替代 → 进一步 PC / Linux 替代.

四、阶段 3: 个人计算机 (1981-)

4.1 形态定义

• 单台桌上机, 价格 $1000-5000, 1 人 1 机.
• IBM PC 开放架构 (1981): IBM 只把 BIOS 留 copyright, 其它都让外面 chip 厂做; Compaq 等做 clean-room BIOS → PC clone 洪流 → x86 + DOS 标准.
• Wintel 联盟 (Windows + Intel): 1990s 主导.

4.2 操作系统迭代

• MS-DOS 1.0 (1981) → 6.22 (1994).
• Windows 1.0 (1985) → 3.x (1990-1993) → 95 / 98 (1995-1998) → NT / 2000 / XP / 7 / 10 / 11.
• 终于 Windows + Office 成为商业上标准应用.

4.3 关键软件革命

• VisiCalc (1979 Apple II) 第一代 killer app; Lotus 1-2-3 → Excel 接力.
• Internet 同期借助浏览器从科研拉到家里 (Mosaic → Navigator → IE → Firefox → Chrome).

4.4 形态不变但内部 XPU 化

• 至 2024-2026, 校园 / 办公 PC 大多内含 NPU (Apple Neural Engine / 骁龙 Hexagon / Intel / AMD NPU); 传统桌面任务在 CPU, 视频处理在 GPU / NPU 媒体引擎, AI 推理在 NPU. 用户的"键盘手"完全感受不到分工, 但芯片任务被分配得像 Viking 时代分工一样精细.

五、阶段 4: 单片机与嵌入式 (1976-)

5.1 8-bit 单片机史

• Intel 8048 (1976)、8051 (1980) — 集成 CPU + RAM + ROM + IO 在一片, 既家电控制也打印机控制.
• Microchip PIC, Atmel AVR — 90 年代起家电 / 工业占比大.
• 32-bit ARM Cortex-M (2004+) — 给嵌入式加上 MMU-less 32 位 → MCU 进入位数升级时代; 现代智能家居系列用 STM32 / nRF52 / ESP32.

5.2 关键契约与约束

• 8/16-bit 单片机典型几十 MHz, 几 KB SRAM, 几十 KB Flash; 低功耗 (< mA @ 3.3V) 比性能重要.
• 程序循环 + 中断驱动, 裸跑或 RTOS (FreeRTOS / Zephyr).
• 适配硬件 IO 与外设协议 (I2C / SPI / UART / CAN), 这是 [操作系统 + 编译原理] 的下边界实践.

5.3 树莓派 / 嵌入式 Linux 与新形态

• Raspberry Pi (2012 起) = ARM 单片机 + Linux; 普通人可以 35 美元跑完整 OS + python.
• BeagleBone Black / Jetson Nano / Coral Dev Board — 边缘 AI 推理板, AI 工业应用入门.

5.4 物联网 (IoT) 与 MICRO-CLOUD 端

• IoT 设备峰值数十亿台 ↔ 几十亿 IP; 6LoWPAN / MQTT / CoAP / OPC UA 等协议.
• 数据汇总到边缘网关 → 上云 / 流式 → ML 推理再下沉到端 (端 NPU) 的"edge ML" 链路成主流.

六、阶段 5: ARM + 移动 (2007-)

6.1 ARM 历史

• Acorn Archimedes + ARM1 (1985): Acorn Computers 设计的低功耗 32-bit RISC CPU.
• ARM (公司) 1990 独立, 商业模式 = ISA 授权 + 核授权: 谁都拿 ARM 设计 → Apple A 系列 / Snapdragon /Samsung Exynos / 联发科 Dimensity / 华为麒麟 / Google Tensor; 都按 ARM 几亿片付版税.
• ARM 在 2007 iPhone 起进入手机主流, 2010 iPad, 2020 Apple M1 桌面 / 笔记本, 2018 AWS Graviton 进数据中心, 2023 通 Microsoft Windows on ARM, 2024+ 自研车规级芯片 (Tesla / 高通 8295 / 联发科).

6.2 RISC 与 CISC 的胜负史

1980 x86 CISC 起 ← IBM PC 路线
1985 ARM1 RISC
1990 RISC 工作站死 (Sun/SGI 让位 PC)
2000 x86 由摩尔推往更快
2005 单核停 → x86 强向多核, 但功耗不行入手机
2007 iPhone ARM
2010 ARM Cortex-A 系打平 x86 性能/瓦
2020 Apple M1 在桌面都胜 x86
2024+ ARM 的 Neoverse V/N 与自研 (Graviton / XuanTie / 阿里 倚天)成型成为数据中心升

关键: RISC 并未在 1990 年工作站时代赢; 它是在 mobile / 功耗 / 集成 SoC 这一新形态上 2007+ 赢, 再逆向卷回桌面与数据中心.

6.3 形态新约: App + 触屏 + 推送

• 用户在触摸屏上手势/语音交互; 通知 / 推送代替弹窗; 后台 / 前台切换由 OS 自动; 电池结构作为合约 (energy budget per app).
• 操作系统 iOS / Android 主流, 沙箱 + 审核制 + 应用商店分发 与 PC 时代相比完全变了软件商业模式.
• API 重心从 Linux 系统调用移到 Apple SDK / Android SDK; JNI/Swift/Flutter/React Native 跨平台层多样.

6.4 ARM 在 2024-2026 的姿态

• ARMv9 + SVE2 与 CXL / 一致性 / page table 多机架化扩展 (CCIX → CXL 4.0) 进一步强化数据中心能力.
• Apple M5 / 骁龙 X2 Elite / Nvidia Grace — 桌面 / PC / 服务器 ARM 都路线成熟; x86 走异构 + chiplet + AI 加速的 binary compatibility.
• 中国: 阿里平头哥 倚天 / 华为 昇腾 CPU + 鲲鹏 / 飞腾 / 龙芯 / 海光 — 在政企 / 信创 / 金融大批量部署.

七、阶段 6: Web 与云计算 (1995-)

7.1 Web 1.0 → 2.0 → 3.x

• Web 1.0 (1991-2004): 静态 HTML + 链接 + 邮件; 浏览器看网页.
• Web 2.0 (2004-): AJAX + UGC (User Generated Content); Wikipedia / YouTube / Facebook / Twitter 起势; JavaScript + CSS + DOM 成熟框架 (jQuery → React → Vue / Angular).
• Web 3.0 (2014-): Blockchain + decentralized identity + 媒介原资产, 部分 industrial deployment 但仍是 experimental.
• Web 与 LLM 时代 (2023-): 浏览器内嵌 LLM (Edge Copilot / Brave Leo), Browser-LLM 协议 (MCP, etc).

7.2 云原生态

• AWS EC2 (2006) 起, 一切 on-demand; S3 对象存储; RDS 一键数据库. 资本支出从机房 → "API 一个 form".
• 容器化 (Docker 2013), Kubernetes (2014-2018), service mesh, GitOps, IaC (Terraform / Pulumi / Crossplane).
• "无服务器 (serverless)": Lambda / FaaS / EventBridge — 上层抽象更上一层, 工程师不接触实例.
• 2024+ 通 WebGPU / WebGPU compute API / WebAssembly 系统接口 (WASI) 让浏览器执行本地任务 (含 LLM 推理).

7.3 数据中心 "机房是社会"

云数据中心 (Google / AWS / Azure / 阿里 / meta / 字节 / 腾讯) 一般 10-100MW+, 需 50-100MW 风电 / 水电 / 核电配套. 在 2023+ AI 训练需求暴增, 单数据中心能力推到 1GW+ 接边; 核电 / SMR (small modular reactor) 直接进 Microsoft / Amazon 长约; 数据中心从"工程师资产"变"国家级能源政策", 是不可忽略的形态变化.

八、阶段 7: AI / XPU 异构时代 (2012-)

8.1 XPU 谱系

8.2 为什么 XPU 必然

• Dennard scaling 2005 止 → 单核不再提速 → 必须 SIMD / 多核 / 加速器.
• AI 训练 = 矩阵 × 矩阵 (GEMM) 大规模并发, CPU SIMD 的乱序调度远不如 GPU 的 SIMT.
• 推理 latency / 功耗关键, NPU 在 50-200 GOPS/W 比通用 CPU 5-10x 能效.
• 摩尔放缓 → 工程师换 vertical specialization: 每类算力做专门芯片 → 形成多 die + 互联 (NVLink 5/6 / CXL 3.x / UALink / Infinity Fabric).

8.3 互联 (interconnect) 与 memory hierarchy 重塑

• 关键事实: 2024-2026 大模型训练, 算力不卡 GPU 而卡 GPU 间带宽 + HBM 容量.
• HBM4 + CXL 3.x + NVLink 5/6 / Infinity Fabric 让"memory pool" 成为单数据中心级资源.
• 背景: 见 第八部分 / interconnects 与 memory-hierarchy.

8.4 XPU 上的"用户" 是谁

统一框架: MLIR / OpenXLA / TorchTitan / SDAA — 让你写一份 PyTorch 在哪一 XPU 上都跑, 内部 dispatcher 把算子路由到对应芯片.

九、形态演进对工程师的影响

9.1 工程师"脑模型" 演化

• 1960 大型机时代: 排队作业 / 数据表 / 作业流 / COBOL 主导.
• 1980 PC 时代: 单人作业 / 文件 / GUI 桌面 / C / VB.
• 2000 Web 时代: client-server / DB / HTTP / PHP / Java Servlet / Spring.
• 2010 移动时代: app / 推送 / 通知 / 离线 cache / Swift / Kotlin / Flutter.
• 2020 云时代: container / K8s / IaC / GitOps / observability / micro-service.
• 2025 AI/Agent 时代: prompt + tool use + MCP + sub-agent orchestrator + model registry.

9.2 形态与抽象层级的双重图

把 abstraction-layers 的 10 层叠加在这 7 段形态上, 每段形态都激活某些层:

形态              主要激活的抽象层级
─────────────────────────────────
Mainframe          1-7 (低层缺独立硬件锤)
Mini               3-7 (Unix 起来)
PC                 1-8 (高级语言运行时大众化)
MCU                1-5 (baremetal 与 ISA 露骨)
Mobile             1-9 (系统 → App → 触屏)
Cloud / Web        1-9 (容器 + 微服务 + 网络套接)
AI / XPU           1-10 (新增 LLM 层; 每层都革新)

→ 这就是为什么 AI 时代让人"压力大": 同时在 10 层里推 — 数学层 (第零部分) / 硬件层 (第八部分) / OS (第二部分) / 编译 (第五部分) / AI (第十二部分) 全被推.

9.3 工程师必备的"形态切换" 能力

1. 给我一段 CUDA kernel, 能定位它在第 3 (RTL) / 4 (microarch SM) / 5 (ISA) / 9 (PyTorch→ cuBLAS path).
2. 给我一段 Go 服务, 能告诉我它的 latency 受第 6 (kernel fork) / 第 7 (epoll) / 第 4 (cache miss) 哪层主导.
3. 给我一段 Transformer 训练脚本, 能告诉我它在 XPU 谱: CPU 做控制, GPU 做 GEMM, DPU/NIC 做梯度同步, HBM 做激活 cache.

十、未来 (2026+) 应看的形态信号

• NPU 进 PC / 移动成主流: Apple Intelligence / Windows Copilot+ / Android AI 主推.
• CXL pool 化内存: 数据中心级 "memory pool" 走出研究阶段, 进入商用 workload.
• 量子-经典混合协处理 (QPU-as-accelerator for crypto / material / optimization): 部分 HPC workload 上线.
• Chiplet + die-stacking: AMD 3D V-Cache / Intel Foveros / 台积电 CoWoS / chiplet 互联取代单大 die.
• 6G 与低轨卫星直连: 卫星互联网补齐地球 IP (Starlink 等).
• AI 编程范式入工程主体: Agent / MCP / multi-tool loop 成为默认开发栈, IDE 与 git 都换头脑.

十一、与后续各部分的接口

十二、结束 + 速查表

下一篇: 4. 主干纵贯: CPU/内存 → OS/Linux → 网络/Web → DB → 编译 → 分布式 → AI 的承接链.