人工智能通识课：数据处理的软硬件基础

拍摄一张照片，再让智能助手解释照片中的内容，手机和远端服务器分别做了什么？

摄像头采集图像，应用接收操作，操作系统协调资源与权限，处理器执行模型运算，存储系统保存程序和数据。若使用云端模型，照片还需要经过网络传到服务器，分析结果再返回设备。

人工智能功能建立在这些软硬件环节的协作之上。理解数据从哪里进入、在哪里处理、怎样保存和返回，有助于判断资料的访问范围，区分存储空间与运行内存，并理解为什么网络正常，智能助手却仍可能等待响应。

一、认识人工智能与计算系统

1.1 智能任务需要哪些计算环节

识别照片中的物体、预测商品需求、生成文字和辅助安排任务，都是人工智能（Artificial Intelligence，AI）的应用场景。这些任务可以采用不同的技术实现，并非所有自动化功能都属于人工智能。

任务虽然不同，都需要把输入转换成可处理的数据，执行计算，再输出结果。

拍照识别需要图像输入与模型运算，语音转写需要声音采集与文字输出。观察这些共同环节，能够把看似复杂的智能功能还原为具体的数据与计算过程。

1.2 模型、应用与设备的关系

在机器学习中，模型（Model）是从数据中学习规律后，用于预测、识别或生成等任务的计算模型。对于神经网络，模型通常由网络结构及其参数构成。

训练（Training）利用数据调整模型；推理（Inference）则利用训练后的模型处理输入并得到输出。日常调用智能助手主要是在使用模型进行推理，不等于每次提问都会重新训练模型。

在人工智能应用中，应用软件（Application Software）把模型、界面、资料和工具组织成用户可以操作的功能。

硬件（Hardware）则提供运算、存储、通信和感知能力。

同一个模型可以被不同应用调用，同一个应用也可以组合多个模型。

手机上的智能助手可能把一部分任务留在设备本地，把另一部分发往远端服务器。仅凭界面显示在手机上，无法判断全部计算都发生在手机内部。

1.3 沿数据流观察系统行为

打开一份文件并请求模型分析时，可以追踪三个问题：数据从哪里读入，计算在哪里执行，结果保存到哪里。

应用访问摄像头、麦克风和受保护的文件时，需要获得相应授权。将资料上传至远端服务，还涉及数据传输与服务端处理。

理解数据的访问范围和处理位置，有助于判断哪些资料适合提供，以及出现问题时应检查哪个环节。

沿数据流观察人工智能应用，还需要区分两个问题：系统处理了哪些数据，这些数据及其处理结果又能说明什么。

二、数据、信息与数据处理过程

2.1 数据怎样成为信息

数据（Data）是对对象、事件或状态的记录，可以表现为数字、文字、声音和图像。

信息（Information）强调数据在语境中表达的意义。它能够支持理解和判断。

同一组数据在不同语境中可能表达不同的信息。例如，“38”可以是年龄、气温或测验得分，需要结合单位和背景才能解释。

数据并不天然准确：人工记录可能出错，传感器也可能产生测量偏差。数据经过加工后仍然可以成为后续处理的输入，例如平均分可以用于进一步分析。文字、声音和图像进入数字计算系统后，都需要以二进制编码表示；人工智能模型还会按照任务要求，将这些数据转换为适合计算的表示形式。

2.2 输入、处理、输出和存储

IPOS（Input, Processing, Output, Storage，输入、处理、输出与存储）模型概括了计算机数据处理的四项基本功能。

输入（Input）把外部数据送入系统，例如键盘输入姓名、摄像头采集图像。

处理（Processing）按照程序进行计算、筛选、排序或识别。

输出（Output）把处理结果交给用户或其他系统，例如显示识别出的文字、播放合成语音，或将预测结果发送给另一个程序。

存储（Storage）贯穿整个过程，而不只是末尾的一步。编辑文档时，当前内容在内存中参与处理；保存文件时，内容写入外存；再次打开时，又从外存进入内存。

2.3 从采集到解释

以分析一次测验为例：先录入每位学生的得分和各题作答情况，再检查缺失与越界数据，随后计算人数、平均分及各题正确率，最后结合题目对应的知识点判断哪些内容需要复习。

计算机能够按给定规则快速处理，但规则错误、样本遗漏或单位混乱都会影响结论。人工智能应用还需要检查数据质量、模型适用范围，以及输出是否得到事实或原始记录的支持，不能将自动生成的解释直接视为可靠结论。

明确了数据处理的基本环节，就可以进一步认识承载这些环节的硬件：处理器怎样执行计算，存储器怎样供应数据，输入输出设备怎样连接外部世界。

三、冯·诺依曼模型与 PC 硬件

3.1 计算机的发展与理论基础

人工智能所依赖的计算系统，建立在计算理论和电子计算机长期发展的基础上。图灵的工作帮助人们认识哪些问题可以通过算法计算，存储程序计算机的发展则使同一套硬件能够通过运行不同程序完成不同任务。

3.1.1 图灵（A. Turing）

图灵于 1936 年提出后来被称为“图灵机”的抽象计算模型，用形式化方法描述算法执行过程，并揭示了可计算性的边界：有些问题不存在能够对所有输入都给出正确答案的通用算法。这些工作奠定了理论计算机科学的重要基础。

3.1.2 冯·诺依曼（J. von Neumann）

1945 年，冯·诺依曼在《EDVAC 报告初稿》中系统阐述了存储程序计算机的设计思路，对后来的计算机体系结构产生了重要影响。相关思想来自多个研究者和团队的共同探索。1948 年，曼彻斯特“Baby”计算机成功运行存储于电子存储器中的程序，是存储程序计算机发展中的重要里程碑。

3.1.3 早期计算机的演进

阿塔纳索夫–贝瑞计算机（Atanasoff–Berry Computer，ABC）：1939—1942 年研制，采用二进制和电子电路，主要用于求解线性方程组，是早期电子数字计算设备的重要探索，并非通用存储程序计算机。

ENIAC：1946 年公开亮相，是早期通用电子数字计算机的代表，采用大量电子管，最初主要通过接线和开关设置计算任务。

从主要电子器件看，计算机硬件大致经历了电子管、晶体管、集成电路，以及大规模和超大规模集成电路的发展过程。器件集成度的提高，使计算系统逐步向更小体积、更低成本和更强计算能力发展。

3.2 冯·诺依曼结构

冯·诺依曼结构（Von Neumann Architecture）的核心思想之一是“存储程序”。

在经典模型中，指令与数据保存在同一存储器中，处理器按照程序取出并执行指令。现代计算机在缓存、并行执行和专用加速器等方面进行了大量扩展，但存储程序思想仍然是理解其运行方式的重要基础。

其基本功能通常概括为五大部件：

•运算器：以算术逻辑单元（Arithmetic Logic Unit，ALU）等部件完成算术和逻辑运算。

•控制器（Control Unit，CU）：组织指令执行，发出控制信号，协调部件操作。

•存储器（Memory）：保存程序和数据。

•输入设备（Input Device）：把外部数据送入系统。

•输出设备（Output Device）：把处理结果传给用户或其他设备。

3.3个人电脑硬件

个人计算机（Personal Computer，PC）常见形式包括台式机和笔记本。其硬件系统通常包含主板、处理器、内存、外存、电源，以及显示和输入输出设备。

不同 PC 的集成程度不同：有的采用可更换的独立显卡和内存条，有的将多种功能集成在芯片或主板上。因此，PC 不能一概称为“分立式”结构。

运行本地人工智能模型时，需要综合考虑处理器及加速器的支持能力、内存或显存容量、数据传输带宽和存储性能，不能仅凭 CPU 型号或硬盘容量判断是否适用。

参考阅读：

四、以 CPU 为核心的 PC 硬件组织

4.1 用“1—2—3”认识典型 PC 平台

为便于记忆，本文用“1 个 CPU、2 大芯片、3 级结构”概括部分采用独立处理器与芯片组的 PC 平台。

•“1 个 CPU”：指承担通用程序执行任务的中央处理器。

•“2 大芯片”：在本口诀中，指 CPU 之外重点认识的两类辅助芯片——平台控制器集线器（PCH）和保存启动固件的闪存芯片。

•“3 级结构”：指从处理器、互连与控制器、外围接口与设备三个层次观察硬件连接。这是教学上的观察层次，不代表所有数据必须依次经过三层。

这一口诀只提供总体观察框架。实际平台包含直接连接处理器和经过 PCH 等不同的数据路径，具体关系见下文。

第 8 代 Intel Core i7 平台的硬件连接示意图

4.1.1 CPU：执行程序与协调任务

中央处理器（Central Processing Unit，CPU）负责执行通用程序指令，并参与系统任务协调。一个 CPU 芯片可以包含多个处理核心，每个核心中又有控制、运算、寄存器和缓存等部件。

简化模型中，处理器根据程序计数器（Program Counter，PC）指示的指令位置取出指令，经过译码后执行，并根据顺序执行或跳转等情况更新指令位置。

现代 CPU 还会采用流水线、乱序执行等技术提高效率。GPU 等加速器可以承担特定计算，设备也可以借助直接存储器访问（Direct Memory Access，DMA）机制传输数据，并非所有数据都必须由 CPU 逐项搬运和计算。

4.1.2 芯片组：连接部分外围设备

在部分 Intel PC 平台中，平台控制器集线器（Platform Controller Hub，PCH）负责连接 USB、SATA 等接口及部分 PCIe 设备，并与处理器通信。

内存通常直接连接处理器中的内存控制器，独立显卡或部分高速存储设备也可能通过处理器提供的 PCIe 通道连接。因此，并非所有外设数据都经过 PCH。

系统扩展能力还取决于处理器通道数、主板布线、接口规格及共享带宽等条件。

4.1.3 启动固件：初始化硬件并引导系统

固件（Firmware）是保存在非易失性存储器中的底层程序。传统 PC 使用基本输入输出系统（Basic Input/Output System，BIOS）；现代 PC 通常采用基于统一可扩展固件接口（Unified Extensible Firmware Interface，UEFI）的固件。

开机时，平台固件初始化必要硬件、执行相关检查，再按启动配置加载引导程序，进一步启动操作系统。

日常所说的“BIOS 芯片”，通常指保存启动固件的闪存芯片。本文口诀中的第二类辅助芯片指这一存储载体；BIOS 或 UEFI 固件是其中保存的程序，与负责外围连接的 PCH 作用不同。

4.2 多级存储

人工智能模型运行时，需要不断读取参数、输入数据和中间结果。即使处理器计算能力较强，数据供应不及时也会造成等待。因此，计算系统不仅需要运算部件，还需要按速度、容量和成本组织存储层次。

•寄存器位于处理器内部，保存指令执行所需的操作数、地址和状态等信息。

•高速缓存（Cache）保存部分指令和数据的副本，减少访问主存的等待。

•主存储器（Main Memory，简称主存）保存正在运行的程序和工作数据，通常采用易失性的动态随机存取存储器。日常所说的“运行内存”通常指这一类工作存储空间。

•外存储器（Secondary Storage，简称外存）用于长期保存程序和文件，常见设备包括固态硬盘（Solid-State Drive，SSD）和硬盘驱动器（Hard Disk Drive，HDD）。“外存”不表示设备一定放在机箱外部。

使用独立 GPU 运行人工智能模型时，还需要考虑显存（Video Memory）容量。模型参数和中间计算结果可能占用显存；采用共享或统一内存设计的平台，则可能由 CPU、GPU 等模块共享内存资源。因此，系统内存足够，并不一定表示独立 GPU 的显存也足够。

这一层次也解释了为什么“运行内存不足”和“磁盘空间不足”是不同的问题：前者影响程序工作数据的容纳，后者影响文件和程序的保存。

动态随机存取存储器（Dynamic Random Access Memory，DRAM）常用于主存，其存储单元需要周期性刷新，断电后通常不能保持数据。

静态随机存取存储器（Static Random Access Memory，SRAM）常用于处理器缓存，在正常供电条件下无需像 DRAM 那样周期性刷新，但仍属于易失性存储器。

双倍数据速率（Double Data Rate，DDR）表示在时钟信号的上升沿和下降沿都传输数据。PC 主存常采用双倍数据速率同步动态随机存取存储器（DDR SDRAM）。不同代际产品在数据传输速率、电气要求和兼容性等方面存在差异。

此外，电可擦可编程只读存储器（Electrically Erasable Programmable Read-Only Memory，EEPROM）是一类可通过电信号擦除和重新写入的非易失性存储器，可用于保存少量配置数据。

存取时间：描述一次访问所需的时间。

存取周期：描述连续两次存储器访问之间所需的最小时间间隔。

寻址（Addressing）是根据地址定位存储位置。按字节寻址的模型为每个字节单元分配地址，读操作取得其中的数据，写操作修改相应内容。

4.3 总线与接口

存储层次解决数据放在哪里的问题，总线与接口则决定各部件怎样交换数据。对人工智能应用而言，连接路径的带宽和访问延迟同样会影响整体性能。

4.3.1 串行与并行传输

串行传输（Serial Transmission）在一条通道上按顺序传送数据位；并行传输（Parallel Transmission）利用多条数据线同时传送多位。

4.3.2 总线

总线（Bus）及互连系统在部件之间传递数据和控制信息。

•数据总线（Data Bus，DB）：传输数据，也可传输指令编码。

•地址总线（Address Bus，AB）：标识要访问的存储位置或设备地址。

•控制总线（Control Bus，CB）：传递读写、中断等控制或状态信号。

现代互连不一定采用所有设备共享同一组导线的形式，点对点连接和分组传输也很常见。公共连线是理解总线职责的一种简化模型，并不代表所有设备的物理实现。

USB（Universal Serial Bus，通用串行总线）广泛用于外设。

SATA（Serial Advanced Technology Attachment，串行高级技术附件）用于连接存储设备。

PCI Express（PCIe）是一种高速串行互连技术，常用于连接独立显卡、固态硬盘和其他扩展设备。它采用点对点连接，可以组合多条通道传输数据。

NVMe（Non-Volatile Memory Express，非易失性存储器快速接口）是一种存储访问协议，常用于基于 PCIe 的固态硬盘。

PCIe 与 NVMe 分别涉及互连和存储访问，不能混为一谈。

4.3.3 接口

接口（Interface）既涉及物理连接，也涉及电气信号和协议。

USB-C（Universal Serial Bus Type-C，通用串行总线C型连接器）主要描述连接器形式，具体端口支持的数据速率、供电能力和显示输出需要分别核对。

HDMI（High-Definition Multimedia Interface，高清晰度多媒体接口）与 DisplayPort（显示端口）常用于音视频输出。

Thunderbolt（雷电）是一类高速连接技术。

日常所说的“RJ-45 网口”，通常指双绞线以太网使用的 8P8C 模块化接口。“RJ-45”是常见俗称，严格说并不等同于所有 8P8C 连接器。

音频输出、麦克风输入、显示输出和网络接口各有用途。

外形相近的插口不保证支持相同功能。被动转接器通常不能转换协议；主动转换器可以在受支持的协议之间转换，但能否使用仍取决于信号方向、设备能力和具体规格。

五、以 SoC 为核心的移动设备硬件

5.1 集成设计与系统组成

系统级芯片（System on Chip，SoC）将 CPU、内存控制器及多种系统功能集成到一颗芯片中，还可能包含图形、图像处理或 AI 加速模块。将多颗芯片组合在同一封装内，则属于封装层面的集成，不能与单芯片集成完全等同。

为了便于理解智能手机的组成，本文用“1—1—N”作为教学口诀：

•第一个“1”：指以一颗主要 SoC 为中心的计算与控制部分，其中可以包含 CPU、GPU、NPU 等功能模块。

•第二个“1”：作为一个整体认识的存储部分，包括运行内存与用于保存文件的闪存。“1”表示一组功能，不表示只有一颗存储芯片。

•“N”：指多种传感器与外围设备，例如摄像头、麦克风、显示屏、触控部件和通信相关器件。

与前面的“1—2—3”一样，这一口诀帮助我们认识系统组成，但不能代替具体产品的硬件框图。CPU 本身是 SoC 的组成部分，PC、服务器和移动设备也都可能采用不同程度的集成设计。

5.2 七类核心功能模块

以常见智能手机平台为例，可以从七类功能理解片上模块及外围部件的协作：

5.2.1 CPU

智能手机 CPU 通常采用Arm 指令集架构，负责通用计算、程序执行和任务协调。

许多移动处理器采用不同性能与能效特点的核心组合，Arm 的 big.LITTLE 是相关异构处理技术之一。

高性能核心适合计算需求较高的任务，能效核心有利于降低轻负载下的功耗。实际任务由调度系统根据负载、温度和功耗等条件分配，并不是固定地将某个应用交给某一类核心。

具体产品可能采用不同的核心数量和组合，也可能采用全大核设计。核心数量和最高频率都不能单独代表实际性能。

5.2.2 GPU

图形处理器（Graphics Processing Unit，GPU）主要承担图形渲染，也适合执行大量可并行的计算。在软件支持下，GPU 可以加速部分人工智能模型的运算。

手机中的 GPU 包括 Arm Mali、Qualcomm Adreno 和 Apple 自研 GPU 等不同厂商的产品系列或实现方案。

5.2.3NPU

神经网络处理器（Neural Processing Unit，NPU）是针对神经网络常见运算进行优化的专用加速器。在移动设备中，主要用于提高部分模型推理任务的能效。

NPU 可以帮助设备在本地运行语音识别、图像分析等模型，但本地 AI 并非必须依赖 NPU，CPU 和 GPU 也可以承担推理。能否离线完成某项任务，还取决于模型是否部署在设备上、内存是否足够，以及应用是否依赖云端服务。

5.2.4ISP

图像信号处理器（Image Signal Processor，ISP）处理摄像头采集的图像数据，常承担去马赛克、降噪、白平衡和色彩处理等任务，并可为自动曝光、自动对焦等功能提供统计信息或处理支持。

拍照质量由镜头、图像传感器、ISP、算法和拍摄条件共同决定。高动态范围（High Dynamic Range，HDR）合成等计算摄影任务，也可能由 ISP、CPU、GPU 和 NPU 协同完成。

5.2.5基带处理器

基带处理器负责蜂窝移动通信中的基带信号处理，例如调制解调、信道编解码和部分协议处理，并与射频收发器、天线等部件配合工作。

它可以集成在 SoC 中，也可以作为独立芯片配置。支持蜂窝通信的笔记本、平板和其他设备同样可能配备相关的模块。

5.2.6内存控制器

内存控制器管理各处理模块对运行内存的访问，协调读写请求及相关时序。

5.2.7安全处理器

部分平台设置具有隔离机制的安全子系统，用于保护密钥、处理敏感运算，并支持安全启动、生物识别验证等功能。具体职责和实现方式因平台而异，并非所有安全功能都由一个独立处理器完成。

SoC 内部模块通过片上互连系统交换数据。Arm 的高级微控制器总线架构（Advanced Microcontroller Bus Architecture，AMBA）是一组用于连接和管理 SoC 功能模块的开放规范，可用于构建相应的接口与互连系统。

以上七类只是便于教学的功能划分，并非完整清单，也不意味着每款 SoC 都将它们全部集成在芯片内部。

5.3 运行内存与闪存

从使用者最常接触的容量指标看，手机主要需要区分运行内存与闪存。模型文件通常保存在闪存中，运行时还需要占用内存，保存参数、输入数据和中间结果。

5.3.1 运行内存

低功耗双倍数据速率（Low Power Double Data Rate，LPDDR）存储器常用于手机运行内存，具有面向移动设备优化的功耗特性。

内存性能需要结合容量、数据传输速率、总线宽度和访问延迟理解。理论带宽可按“每引脚数据传输速率（bit/s）×参与传输的数据总线位宽（bit）÷8”估算，结果以字节每秒（B/s）表示。计算多通道总带宽时，应计入各通道的有效数据位宽；实际有效带宽通常低于理论值。

手机内存通常焊接在电路板上，并靠近 SoC；部分设计采用层叠封装（Package on Package，PoP），将内存封装堆叠在 SoC 封装上方。具体布置因设备而异。

5.3.2 闪存

手机通常采用基于 NAND 闪存的存储设备保存应用、照片和其他文件，常见方案包括通用闪存存储（Universal Flash Storage，UFS）和嵌入式多媒体卡（embedded MultiMediaCard，eMMC）。

这些方案涉及存储接口、控制器和闪存的配合，不能简单等同于裸闪存芯片。实际性能取决于产品规格、控制器、闪存配置、温度和读写负载，顺序读取速度也不等于应用启动或大量小文件访问速度。

闪存断电后仍能保持数据，但擦写寿命和数据保持时间受到使用条件影响。

5.4 N 个传感器与外设

智能手机通过不同接口连接传感器和外围设备，为环境感知、交互和人工智能应用提供输入输出能力。感知能力不仅取决于传感器数量，还取决于传感器质量、采样方式和软件处理。

低速控制或传感器通信可采用集成电路间总线（Inter-Integrated Circuit，I²C）、串行外设接口（Serial Peripheral Interface，SPI）等方式，也可使用通用异步收发器（Universal Asynchronous Receiver/Transmitter，UART）实现异步串行通信。摄像头和显示屏等需要较大带宽的设备，通常采用专门的高速接口。

5.5 显示与供电

液晶显示器（Liquid Crystal Display，LCD）通常利用背光和液晶控制显示。

有机发光二极管（Organic Light-Emitting Diode，OLED）像素可以自发光。

两者的实际观感还受面板、驱动、亮度和校准影响。

分辨率说明像素数量，PPI（Pixels per Inch，每英寸像素数）描述像素密度，刷新率说明屏幕每秒更新次数。峰值亮度往往带有面积、时长或工作模式条件，不能直接视为所有场景持续亮度。

电容式触控检测触摸引起的电容变化。电池容量需要结合电压、功耗和老化情况理解；标称快充功率也不等于整个充电过程始终维持该功率。

5.6 无线连接与移动设备身份

蜂窝通信连接移动网络，Wi-Fi是无线局域网技术的品牌名称，蓝牙适合耳机等短距离设备连接。它们的速度和覆盖受标准版本、设备、环境与网络条件影响。

NFC（Near Field Communication，近场通信）用于近距离交互。

UWB（Ultra-Wideband，超宽带）可用于精细测距等任务。

GNSS（Global Navigation Satellite System，全球卫星导航系统）包括北斗等卫星导航系统。

SIM（Subscriber Identity Module，用户身份模块）保存移动用户身份相关信息。

eSIM（embedded SIM，嵌入式用户身份模块）提供可管理的嵌入式身份方案，不能仅凭名称断定其一定集成在手机主 SoC 中。

六、软件与 App

6.1 计算机系统组成概览

计算机系统由硬件与软件共同组成。硬件提供物理上的运算、存储和通信能力，软件则组织这些能力，使系统能够完成具体任务。

系统通过不同层次把硬件能力组织成可使用的功能。

比如，可以从应用软件、操作系统、指令系统、系统结构、硬件电路和逻辑电路六个层次观察计算系统。这是一种便于理解的划分，并非唯一的层次模型。

分层有助于降低理解和设计的复杂性：高层关注功能与使用方式，低层关注具体实现，各层通过约定的接口衔接。用户向智能助手提交问题后，应用与模型运行框架组织任务，操作系统和驱动管理资源，硬件执行相应计算。

6.2 软件及其分类

软件（Software）包括程序、相关数据和文档等内容。程序可以表现为源代码、字节码或机器代码等形式。

系统软件为运行环境和资源管理提供支持，包含操作系统、驱动程序及相关支撑软件。

应用软件解决用户任务，例如编辑文档、浏览网页、处理图片和生成摘要。

驱动程序（Device Driver）使操作系统能够控制具体设备。编译器、解释器和程序库等支撑软件服务于程序开发或运行。

软件分类依据作用，某个大型产品也可能同时包含多个层次的组件。

基于大语言模型（Large Language Model，LLM）的应用可以根据上下文生成内容，并与检索、计算和其他工具结合。其功能由程序逻辑、模型能力、可用工具、数据和权限共同决定；生成内容是否流畅，与其中的事实是否准确，是需要分别判断的问题。

智能体（Agent）是能够感知环境，并为实现目标选择和执行行动的系统。在基于大语言模型的应用中，智能体通常围绕目标组织模型调用与工具使用，并根据执行结果继续处理。其自主程度因设计而异，执行操作仍受工具能力、访问权限和任务约束限制。

6.3 操作系统理论与实践

操作系统（Operating System，OS）负责管理处理器、内存、文件和设备等资源，并为应用提供运行环境。

智能手机、个人电脑和服务器通常都依赖操作系统运行，但某些简单嵌入式设备也可以直接运行固件，而不使用完整操作系统。

在人工智能应用中，操作系统负责提供资源管理和访问控制等基础支持，模型的具体计算则由应用、推理框架、运行库、驱动和硬件共同完成。

6.3.1 操作系统的六项主要功能

进程管理：管理进程和线程的创建、运行、同步及终止，并通过调度分配处理器运行机会。时间片轮转和优先级是常见的调度思路；多个核心也可以并行执行任务。并发强调一段时间内多个任务的推进，不要求它们每个时刻都同时运行。

内存管理：管理地址空间及其与物理内存的映射，分配和回收内存，并实施访问保护。进程隔离能够减少程序之间的相互干扰，但不能保证任何故障都绝不影响其他程序。

文件管理：组织文件、目录、权限与读写。

设备管理：通过驱动协调摄像头、存储和显示设备。

网络功能：组织数据的发送与接收。

用户界面：操作系统及其配套软件通常通过图形界面或命令行提供交互方式，使用户能够启动应用、管理文件和配置系统。

6.3.2 操作系统如何支持 AI 应用

AI 应用对计算资源、数据访问和模型运行提出了新的需求，但相关能力并非全部由操作系统独立提供。

（1）异构计算支持

操作系统与驱动、运行库配合，为应用使用 CPU、GPU 和 NPU 提供支持。模型的算子分配和执行优化通常还需要推理框架参与。

例如，Windows ML 可通过相应的执行提供程序支持 CPU、GPU 和 NPU 上的本地推理；具体模型能否获得加速，仍取决于设备、驱动、算子支持和模型兼容性。

（2）数据访问控制

文件权限、摄像头与麦克风授权、应用隔离等机制，可以限制 AI 应用访问数据的范围。这些是既有安全机制在 AI 场景中的应用和扩展，并非模型出现后才新增的职责。

（3）本地模型运行支持

系统可以提供模型运行所需的接口、资源管理和相关服务。能否运行某个模型，还取决于模型格式、软硬件兼容性、内存容量和应用实现。

（4）跨应用协作

智能助手可以在获得授权并具备相应接口时，调用其他应用或服务。例如，旅游助手可以整理行程、查询交通和住宿信息；是否能够进一步预订，取决于服务接入、账户权限和用户确认流程。

6.3.3 常见操作系统简介

操作系统可以按主要使用场景分为桌面、服务器、移动和嵌入式等类型。这些类别并不完全互斥，同一操作系统家族可以覆盖多种场景。

（1）桌面操作系统

面向个人桌面使用，例如 Windows、macOS，以及 Ubuntu、银河麒麟等 Linux 发行版。

严格说，Linux 是操作系统内核，日常所说的“Linux 操作系统”通常指基于该内核构建的发行版。

（2）服务器操作系统

面向服务器负载、资源管理和网络服务，例如 Windows Server，以及用于服务器的 Ubuntu Server、Red Hat Enterprise Linux 等 Linux 发行版。云端人工智能服务通常运行在由服务器操作系统管理的计算环境中。

（3）移动操作系统

面向智能手机等移动设备，例如 Android、iOS、鸿蒙（HarmonyOS）。

（4）嵌入式操作系统

支撑物联网和智能硬件，如 VxWorks、RT-Thread、FreeRTOS。

参考阅读：

6.4 应用软件

同一类应用可以提供桌面端、移动端和网页端，具体功能与使用方式因平台而异。

以 WPS Office 等办公软件为例，传统功能包括文字、表格和演示文稿处理；接入 AI 能力后，还可以提供辅助起草、摘要和内容分析等功能。使用者仍需检查数据来源、事实准确性与计算结果。

参考阅读：

七、网络通信与因特网服务

计算机网络连接设备和服务，使数据能够在本地系统与远端服务器之间传输。使用云端人工智能时，输入上传、服务器排队、模型计算和结果返回都会影响响应时间，因此“网络已连接”并不意味着模型会立即给出结果。

网络带宽通常表示链路的数据传输能力，实际吞吐量还受协议开销、网络拥塞和设备性能等因素影响；时延反映通信等待，丢包和连接稳定性也会影响体验。使用本地模型可以减少部分网络依赖，但更新模型、检索资料或调用在线工具时仍可能需要联网。

请参阅：

小结

人工智能应用依赖数据、模型与软硬件协同。沿输入、处理、输出和存储追踪数据，可以理解计算位置、性能限制与访问权限；判断结果是否可靠，还需核查数据质量、模型适用范围和事实依据。

“点赞有美意，赞赏是鼓励”