从沙子到车辙（1.1）：什么是“计算”？

第一部分 计算的本质——从哲学到数学

1.1 什么是"计算"？

一间屋子，一叠白纸

你被困在一间屋子里。房间里有一张桌子、一把椅子、一叠白纸、一支铅笔。墙上有一扇小窗，偶尔会有人从窗口递进来一张纸条，上面写着一个数字。

你可以看一眼纸条，然后在白纸上写字、画图、撕掉、揉成一团。你也可以把一张写好的纸从窗口递出去。

问题是：你能否判断递进来的那些数字中，是否有两个是相同的？

你可能会说：这还不简单？把每一个递进来的数字都记下来，新的数字来了就翻看之前的记录，看看有没有重复。但等等——那叠白纸是有限的。假设只有 100 张，每张纸只能写 50 个数。窗口递进来的数字可能有几千个。

在有限的白纸——也就是有限的记忆空间——和有限的时间——也就是天黑之前必须给出答案——之下，你能否完成这个任务？

如果有无限的白纸、无限的时间，这个问题当然可解。但现实中，你总是在有限资源下工作。

这就是"计算"的本质问题。

在计算机科学里，这个问题叫做集合成员判定问题（set membership）。在内存和查找次数都小于数据流长度时，绝对的精确判定本质上不可能——这不是"困难"，而是原理上的天花板。现实的出路只有两条：要么放宽资源上限，要么接受近似解。一个没有计算机的人会怎么做？也许把数字从小到大排列在白纸上——新数字来了，折半查找。如果白纸快用完了，就只记录那些出现频率最高的数字。如果实在装不下，就放弃精确答案，用概率方法给出近似结果。

你逃不出资源的牢笼。一切计算策略，本质上都是"在限制下做最优选择"。

算法：白纸上的兵法

让我们把刚才那个"判断重复数字"的过程，用工程师的语言写下来。这不是某种特定编程语言，而是任何懂逻辑的人都能读懂的伪代码——它本身就是"计算的食谱"：

算法：在有界内存中判断重复数字

输入：一串数字流 D[1], D[2], D[3]... 从窗口递入
资源：N 张白纸，每张可写 M 个数字（总容量 C = N × M）
输出：发现重复时返回 true，纸用完时返回 unknown

步骤：
1.  维护一个有序列表 S，初始为空
2.  对于每一个递进来的数字 x：
    a.  在 S 中二分查找 x
        - 如果找到：输出 true（发现重复），终止
        - 如果未找到：继续
    b.  如果 S 的大小 < C：
        - 将 x 插入 S 中正确位置，保持有序
        - 继续处理下一个数字
    c.  如果 S 已满：
        - 输出 unknown（白纸耗尽，无法判定）
        - 终止

你看，这就是一个算法——确定的步骤、有限的资源、明确的终止条件。这里没有灵感、没有顿悟、没有"运气"。每一步都是机械的。

这个算法有什么问题？对——它可能输出 unknown。在资源有限的约束下，正确性不再是"百分百对"，而是"在能力范围内做到最好"。这就是现实世界的计算。你在 ECU 上跑的每一段代码，本质上都是这个算法的变体：你有 64KB 的栈空间，你有 10ms 的周期预算，你有 8 个优先级的抢占调度——你总是在约束下做最优决策。

现在我们退一步。这个白纸+铅笔+窗口的模型，到底抓住了计算的什么本质？是三个东西：输入、规则、输出。你拿到输入（纸条上的数字），按照确定的规则（二分查找 + 有序插入），产生确定的输出（true 或 unknown）。这套模式——输入、规则、输出——在人类的文明史上，早就有迹可循。而且演化了数千年。

算盘、骨头与齿轮：计算工具的前世

在讨论图灵之前，我们需要回到更早的起点——人类是从什么时候开始"计算"的？

算盘大约出现在公元前 500 年的中国。它本质上是一个手动操作的寄存器组——上面两珠子代表 5，下面五珠子代表 1，每列是一个十进制位。你拨珠子，就是在改变"存储单元"的值。算盘的巧妙之处在于：它是一种人机协作的计算模型。人负责提供"算法"（口诀），算盘负责提供"状态存储"和"机械操作"（进位）。它没有自动化的运算器，但它是人类第一次把"计算"从脑子里外包到一个物理工具上。

算盘在中国用了两千多年。但西方走了一条不同的路。

1614 年，苏格兰数学家约翰·纳皮尔（John Napier）发明了对数，并制造了纳皮尔骨筹（Napier's bones）——一组刻有乘法表的木棒。你把木棒排列起来，就能把乘法转化成加法。这本质上是一个"查表机器"——它不计算，它只是把预先算好的结果存储起来供你检索。纳皮尔骨筹很聪明，但它不能自动化。它还是一把"辅助尺"，不是一台"自动机"。

紧接而来的是计算尺（slide rule）。1622 年，威廉·奥特雷德（William Oughtred）把两根对数刻度的尺子放在一起，滑动它们来做乘除运算。计算尺的原理是纳皮尔对数的直接应用：log(a×b) = log(a) + log(b)。你滑动尺子，就是在"做加法"，而刻度告诉你"加法结果对应的真数"。计算尺不擅长加减法——它只擅长乘除法——但它在工程领域统治了三百多年。阿波罗 11 号的宇航员带着计算尺上了月球，以防那台只有 4KB RAM 的导航计算机失灵。把复杂运算映射到简单运算、把精确运算映射到近似运算——计算的思想，从一开始就带着"降维"的基因。

但这还不够。这些工具只"辅助"计算，不"自动"计算。真正的转折发生在 17 世纪。

帕斯卡和莱布尼茨：齿轮上的梦想

1642 年，19 岁的布莱兹·帕斯卡（Blaise Pascal）在法国鲁昂，看着他的税务官父亲每天跟成堆的账目搏斗。他决定造一台能自动做加减法的机器——帕斯卡加法机（Pascaline）。

这台机器的核心是一个黄铜齿轮组。每个齿轮有 10 个齿，代表 0 到 9。当你拨动齿轮做加法时，每转满 10 个齿就通过一个棘爪机构推动高位的齿轮前进一格——这就是进位。帕斯卡加法机是世界上第一台真正的机械计算器——虽然它只能做加减法（乘法可以通过反复加法实现，除法也可以通过反复减法实现，只是非常慢）。帕斯卡造了大约 50 台，现在仍有 9 台存世。

帕斯卡的机器很美，但有一个严重局限：它只能做加减。乘除需要人工把运算分解成多次加减，这实际上混淆了"计算"和"操作者"的界限。帕斯卡加法机没有解决"自动进行复杂计算"的问题。

三十年后的 1673 年，莱布尼茨在巴黎展出了一台更先进的机器——莱布尼茨阶梯鼓轮计算器（Stepped Reckoner）。莱布尼茨的天才之处在于他设计了一种"阶梯鼓轮"——一个圆柱体，上面刻有 9 条不同长度的齿条，使得不同位数的齿轮可以啮合不同的齿数。这使得他的机器能直接做乘法：你输入被乘数，转动曲柄，机器自动完成"累加"操作。它甚至能做除法。

但更重要的是，莱布尼茨不只是个工程师——他是第一个把计算和哲学等同起来的人。他在设计这台机器的同时，正在酝酿一个更宏大的想法：如果数字可以在齿轮上自动运算——那逻辑行不行？推理行不行？人类的全部知识，能不能也有一套"通用表意文字"（Characteristica Universalis），让所有争议都变成"算一算就清楚"的问题？

莱布尼茨的机器因为 17 世纪的精密加工水平达不到要求而频频卡齿——但他在哲学层面埋下的种子，长出了整个现代计算机科学的大树。冯·诺依曼说"计算机是逻辑的机器"时，他只是在回应莱布尼茨。

巴贝奇和艾达：超前了一个世纪的幻想

帕斯卡和莱布尼茨造的是"计算器"——它们能根据输入的数值算出结果。但真正接近"通用计算机"的狂想，来自 19 世纪的英国。

查尔斯·巴贝奇（Charles Babbage）是个脾气很坏的人。他讨厌伦敦街头的风琴手（说他们"污染了城市的声学环境"）、讨厌出版商、讨厌英国政府。但他有一项无与伦比的才华：他可以用机械零件——齿轮、杠杆、曲柄、滑块——构建极其复杂的逻辑系统。

1822 年，巴贝奇开始设计差分机（Difference Engine）。这台机器的目的是用"差分法"自动计算并打印数学表格（对数表、三角函数表等）。当时的数学表格完全靠人工手工计算，错误率极高——航海家靠着一张算错了的对数表漂到了不该去的地方，船毁人亡。巴贝奇受够了这种不可靠："如果有办法把错误的数学表格付之一炬或沉入海底，世界的良心会安宁得多。"

差分机的原理很漂亮。许多复杂的数学函数（如多项式、三角函数）可以用"有限差分"来表示。比如 f(x) = x² 的值是 1, 4, 9, 16, 25... 一阶差是 3, 5, 7, 9... 二阶差是 2, 2, 2... 看——二阶差是常数！所以如果你知道初始值和各阶差分，你只需要反复做加法就能生成整个表格。差分机就是一台"加法 + 进位 + 打印"的专用机。

英国政府给巴贝奇投了相当于今天的几百万英镑。但巴贝奇中途放弃了差分机，因为他脑子里已经有了一个更宏大的蓝图——分析机（Analytical Engine）。

分析机的设计已经惊人地接近现代计算机。它有存储器（Store，用于存放数字）、运算室（Mill，相当于 CPU 的 ALU）、穿孔卡片输入系统（从雅卡尔提花织机借来的灵感），以及条件跳转能力（可以根据计算结果选择不同的执行路径）。它是一台通用计算机——至少在设计图纸上是。

巴贝奇的设计如此复杂，19 世纪的精工水平根本造不出来。模具加工需要的公差（微米级）远超出了当时最好的机械水平。他花了几十年，烧掉了政府和个人自己的大笔财富，分析机始终是一堆图纸。

这里我想插入一段作为工程师的共鸣。我曾经在面板厂做过良率工程师。CVD（化学气相沉积）机台往玻璃基板上沉积氮化硅薄膜的时候，厚度的均匀性要控制在百分之几以内——也就是十几到几十个原子的堆叠精度。曝光机的对准精度要跑到亚微米级。在这样的精度下，一颗肉眼根本看不见的微尘落上去——只要落在关键图形上——就足以让那个面板单元的TFT电路短路，严重时这块片子直接报废。巴贝奇造不出他的分析机，本质上是因为他生活在一个物理精度还追不上逻辑想象的时代。计算不只是一个数学概念——它需要一个物理载体。载体如果不够完美，理论就是“空中楼阁”。这不仅仅是19世纪的问题——在21世纪的半导体工厂里，工程师们每天都在对抗同一个问题：物理世界永远在往逻辑世界里面掺沙子。

但话说回来。巴贝奇的分析机虽然没造成，它却间接促成了人类历史上最重要的编程事件。

艾达·洛夫莱斯（Ada Lovelace）是诗人拜伦的女儿，但她的母亲立志把她培养成数学家，以免她像父亲一样"感性泛滥"。艾达在 17 岁时认识了巴贝奇，成了他的崇拜者和合作者。1842-1843 年间，她翻译了一篇关于分析机的法语论文——但她写的附录（Note A 到 Note G）远比原文长，也比原文重要。在 Note G 中，她详细描述了如何用分析机计算伯努利数——这是人类历史上第一个公开发表的计算机程序。

艾达比巴贝奇看得更远。巴贝奇主要把分析机看成一台"超级计算器"——处理数字。但艾达在注释里写道："分析机可以处理任何能够用符号表示的对象……它可以谱写精密复杂的音乐作品"。她看到了计算机的本质不是算数，而是符号操作。 任何可以被符号化、被规则化处理的东西——数字、文字、音符、甚至逻辑命题——都在计算机的射程之内。这个洞见早了整整 100 年。

Note G 里的那个伯努利数算法，如果你用今天的伪代码写出来，包含循环、条件分支、变量赋值、嵌套迭代——和你在 ECU 上写的嵌入式 C 代码没有本质区别。1843 年，法拉第已发现电磁感应原理十余年，第一条电报线路即将在英国建成——但"电"在多数人眼中仍是一种神秘的自然力。第一个白炽灯泡还要等三十多年，计算机更是一个无人知晓的词汇。而艾达已经用鹅毛笔在纸上写出了一份可执行算法。

巴贝奇和艾达都没有活着看到分析机实现。巴贝奇死在贫困中，伦敦的科学界给了他一个寒酸的葬礼。但他们的图纸和笔记留下来了。1991 年，伦敦科学博物馆按照巴贝奇的原设计，用当时的公差水平，完整复刻了一台差分机 2 号——它工作了，精确到 31 位有效数字。不是设计错了——是时代还没到。

穿孔卡片：计算离开书桌

巴贝奇从雅卡尔提花织机借来了穿孔卡片的灵感，但真正把穿孔卡片变成大规模数据处理工具的人是赫尔曼·何勒内斯（Herman Hollerith）。

1880 年代，美国人口普查局面临一个危机。上一次手工普查花了 7 年才统计完——等报告出版的时候，数据已经老了 7 年。何勒内斯发明了一套机电制表系统：用穿孔卡片记录每个人的属性（性别、年龄、种族、职业等），然后把卡片塞进一台读卡机——读卡机里有一排弹簧针，针穿过卡片上的孔就会触碰到下方的汞杯，接通电路，推动计数器走一格。这就是"电"第一次正式介入计算——虽然还只是做统计，不是做逻辑。

1890 年普查用了何勒内斯的系统，只花了 6 周就算完了初步结果（完整统计用了 2.5 年）——为政府省了 500 万美元。何勒内斯从此发家，他的公司后来经过几轮合并，在 1924 年改名为——IBM。

穿孔卡片的哲学含义很深远：信息可以脱离"人脑"而存在在物理介质上，可以被机器"阅读"和"处理"。 莱布尼茨的"通用表意文字"，在穿孔卡片上找到了第一次工业化实践。

而 IBM 的那些制表机、排序机、卡片打孔机——它们虽然还不算"通用计算机"，但它们已经发展了输入/输出子系统、脉冲检测电路、继电器逻辑——这些后来都成了真正计算机的器官。

"计算"究竟是什么意思？

有了这些历史铺垫，我们可以回到最初的哲学问题。

从数学上，我们可以这样定义：

计算，是一组确定性的规则，作用于一组给定的输入，经过有限步骤，产生确定的输出。

这个定义里有三个关键词。

确定性：同样的输入，同样的规则，必须产生同样的输出。你今天算 1+1=2，明天算也得是 2。帕斯卡的齿轮每次转同样的角度，你做除法时的口诀每次念同样的字。确定性是计算的第一前提。

有限性：必须在有限步骤内完成。永远算不完，等于没算。巴贝奇的分析机设计了"条件跳转"，就是为了在满足某个条件时终止循环——否则齿轮会永远转下去。你的 ECU 的每个 task 必须在规定时间内完成——否则操作系统会触发 watchdog 超时、复位、进 safe state。

机械性：每一步操作都是简单机械的，不需要"灵感"或"顿悟"。理论上，一个傻子也能执行。算盘口诀、纳皮尔骨筹的查表、穿孔卡片的弹簧针——全部满足这个条件。

这个定义有一个极其重要的推论：如果一个问题存在机械性的求解步骤，那它就是"可计算的"。如果没有这样的步骤，它就是"不可计算的"。

从白纸到 ECU：资源约束下的计算

让我们把白纸实验和真实汽车电子场景做一个穿透式的映射。

ECU 资源：64KB SRAM, 512KB Flash, 112MHz Cortex-M4F。CAN 负载率 85%，每 10ms 一次 MAIN task，每 1ms 一次 fast ISR。

你不是在一间屋子里翻白纸。你是在一个比指甲还小的硅片上，以 112MHz 的频率做着同样的事。

你写的每一行 C 代码——while 循环、if 判断、数组访问——都在指挥这间"硅屋"：这块 Flash 页存这个数组、那个外设寄存器值和这个阈值对比、如果 CAN ID 匹配就拷贝到转发缓冲区。

你写代码时，可曾意识到：你的每一个 if 语句，都在消耗有限的计算资源——时钟周期、栈深度、分支预测表的条目？ 汽车电子不同于服务器。服务器加内存就好了。ECU 的 MCU 是焊死在 PCB 上的——128KB SRAM 不够用，你只能优化代码，不能换芯片。服务器没有实时性。ECU 的 Main Task 超时 1 毫秒也不行——因为碰撞传感器的信号如果在 5ms 内没有到达 ESP 控制器，系统会进入降级模式，刹车助力减弱。

有限资源 + 确定性规则 + 有限步骤 + 硬实时约束 → 这就是汽车嵌入式的"计算"。

物理基底的诅咒：为什么半导体工程师比理论家更焦虑

作为在半导体工厂工作过的人，我对"有限资源"有一种别人没有的切肤之痛。

理论家说“内存不够就加内存”——但在芯片行业，加内存意味着加 SRAM 面积。6T SRAM cell 在 40nm 工艺下大约占 0.3 μm²——要加 1KB 的 SRAM，就需要额外约 8192 个这样的 cell，相当于在 die 上多占 0.0025 mm²。对于一些 die 面积本身很小的芯片（比如几十 mm² 的），这已经是不可忽略的开销。而硅面积就是钱——每多占一点，晶圆厂的成本模型就要重算。

更微妙的是，加面积会降良率。缺陷密度（D0）是晶圆厂的命门——以 40nm 为例，典型 D0 在 0.5-1.0 defects/cm²。一颗 10 mm² 的 die，良率大约 90% 出头；如果设计改动让它增加到 12 mm²，良率就会掉到 88-89%。看似几个百分点的下降，乘以每月数万片的产能，损失就是数百万美元级别的。

所以当我看到巴贝奇的分析机因为 19 世纪机械加工精度不够而造不出来时，我完全理解那种感觉：不是想法错了——是物理基底不够好。 在无尘车间，我们 24 小时盯着 CVD 机台的气体流量、PVD 机台的溅射功率、光刻机的 focus/exposure 参数——表面上在做"生产"，实际上是在和物理世界的噪声、随机涨落、缺陷密度搏斗。

而你作为一个嵌入式工程师，可能没有进过无尘室。但你在 ECU 上用 MISRA C 约束语言、关掉数据缓存、锁定内存区——和我在面板厂里追踪一颗颗粒物的逻辑是完全一样的。所有工程师，无论上游还是下游，本质上都在和"基底的不完美"交手。

以有涯求无涯

当我们把"什么是计算"追问到底，会撞上一件奇妙的事：计算，其实是人类试图用有限的手段，去把握无限的世界的努力。

算盘用的是两颗上珠 + 五颗下珠。纳皮尔骨筹用的是牛骨上刻的数字。帕斯卡的齿轮用的是 17 世纪黄铜冶金和手工锉削。巴贝奇的设计——如果真能造出来——会是一个两吨重的黄铜巨兽，由蒸汽驱动。何勒内斯的制表机用的是弹簧针和汞杯。你的 S32K144，用的是 55nm 硅工艺、FinFET 晶体管、铜互连。

介质一直在变——但"输入、规则、输出"这个三元结构从来没变过。

复杂的汽车电子系统不过是这个结构的层层叠加：CAN 收发器的模拟比较器在做"输入"的差分阈值判定。FlexCAN 协议引擎在做 CRC 的"规则"运算。你的 ISR 在做"输出"——往发送缓冲写数据。外部 LED 亮起——最终输出。

庄子说："吾生也有涯，而知也无涯。以有涯随无涯，殆已。"他说的"殆"是"累死了"的意思。但工程人的回答是：正因为有涯，才更要追求无涯。每进一寸，世界就变大一分。

这条路，算盘工匠走过，纳皮尔走过，帕斯卡走过，莱布尼茨走过，巴贝奇走过，艾达·洛夫莱斯走过，何勒内斯走过。现在轮到你了。

莱布尼茨站在 17 世纪的书房里，望着窗外说："我们要造一台机器，把人类的知识都算出来。"

问题是：这可能吗？

本篇小结

今天我们做了一件事：重新思考"计算"到底是什么。

关键结论：

  1. 计算是输入、规则、输出的三元结构：从算盘到ECU，介质一直在变，但这三个要素从未改变。
  2. 一切计算都在有限资源下运行：巴贝奇的分析机败给了19世纪的机械精度，你的ECU在64KB SRAM和10ms周期下做最优决策——同一个故事。
  3. 计算的物理基底决定了它的上限：逻辑从来不缺想象力，缺的是能把想象力刻进硅片的工艺。

下一节，我们看莱布尼茨那个"把所有人类知识都算出来"的梦想——是怎么被击碎的。

【下集预告】

莱布尼茨的梦想太狂野了。他觉得人类的所有争论都可以"算"出来——不需要吵架，不需要打仗，坐下来算一算就知道谁对谁错。

200 年后的 1900 年，巴黎。一位德国数学家在第二届国际数学家大会上，把莱布尼茨的梦想升级成了 23 个具体问题。他说"我们必须知道——我们必将知道"。他相信答案一定是 YES。

他错了。而且错得如此壮烈——因为击碎这场梦的，是一个 24 岁瘦弱的奥地利年轻人，用一张纸、一支笔，和一句"这句话不可证"。

📚 本文内容摘自本人的开源书《从沙子到车辙 - 一个工程师的理解》

🔗 在线阅读/下载：from-sand-to-ruts

git clone https://github.com/Lularible/from-sand-to-ruts

⭐ 如果对您有帮助，欢迎 Star 支持，也欢迎通过 GitHub Issues 交流讨论。

posted @ 2026-05-19 07:14  lularible  阅读(1)  评论(0)    收藏  举报