刚踏入大学校园，很多同学心里可能犯嘀咕：“我是来学写代码的，为什么导论课里要讲二进制、门电路这些硬件内容？这跟敲代码有关系吗？”

先说结论：如果你只想写个微信小程序，做个简单的网页，确实不用懂硬件。现在的高级语言和框架太成熟了，它们把底层硬件封装得干干净净，你只要敲代码，电脑就能帮你把结果算出来。

但是，软件专业只学写代码，那是远远不够的。导论课里的硬件内容，只是给你们种下一颗种子。将来你们还会陆续接触到计算机组成原理、操作系统、计算机网络等硬件相关的课程。如果你对未来四年的规划，不仅仅是“会写代码”，而是想成为一名优秀的软件工程师，那么，硬件知识就是你绕不过去的必修课。

我们来看几个场景。

场景一：开发系统软件

如果你未来想做操作系统、数据库、编译器、虚拟机这类底层系统软件，硬件知识就是你的“空气”。

数据库为什么要设计“B+树”作为索引？为什么不是二叉树？因为硬件底层的磁盘I/O读取是按“块”来的。不懂磁盘的物理结构，就设计不出最高效的数据结构。

操作系统里的“多线程”、“内存管理”、“缓存一致性”，每一个概念背后，都是硬件物理定律在逼着软件妥协。

不懂硬件，你看系统源码就像在看天书。

场景二：开发游戏

游戏开发是最典型的“吃硬件”行业。

做游戏，最怕什么？卡顿。为什么卡顿？因为CPU、GPU、内存之间的数据带宽和读写速度跟不上了。

如果你想做游戏引擎优化，你需要懂：为什么把游戏数据放在显卡显存里比放在内存里快？如何利用CPU的多级缓存来减少延迟？如何通过SIMD指令让CPU一次处理多个数据？

不懂硬件，你只能写“能跑”的游戏；懂了硬件，你才能写出“丝滑”的游戏。

场景三：服务器端开发

现在的互联网大厂，后台服务器动辄几万、几十万的并发量。

只懂代码的工程师，遇到性能瓶颈，第一反应是：“加服务器！加内存！”

而懂硬件的工程师，会去分析：“这个服务是CPU密集型还是IO密集型？”“是不是锁竞争导致了CPU缓存颠簸？”“网络包从网卡到应用层，拷贝了几次内存？”

真正的性能调优，最后拼的都是对硬件资源的极致利用。

场景四：AI / 大模型开发

很多人觉得AI就是写Python调库，跟硬件没关系。但现实恰恰相反。

训练一个大模型，动辄需要几千张GPU组成集群，跑几周甚至几个月。为什么用GPU而不是CPU？因为GPU有成千上万个核心，天生适合并行计算。

但光有GPU还不够。你还要懂：显存带宽够不够？多卡之间怎么通信？数据在CPU和GPU之间搬来搬去，瓶颈在哪？模型推理时，怎么量化、怎么裁剪，才能塞进手机或边缘设备？

AI的尽头，是算力。算力的尽头，是硬件。

写在最后

现在技术界有个很火的词，叫“软硬协同设计”。未来的顶尖软件工程师，一定是既懂上层业务逻辑，又懂底层硬件特性的复合型人才。

现在你可能觉得这些二进制、门电路离你很遥远。但当你未来在代码里遇到性能瓶颈、内存泄漏、并发死锁时，你会发现，那个能让你豁然开朗的钥匙，其实早就藏在你大一导论课上学过的那些硬件知识里。

别把导论课里的硬件内容当成“听听就过的科普”，也别把将来要学的硬件课程当成“应付考试的负担”。你们现在学的每一分硬件知识，都是在为未来的软件大厦打地基。

例：哪些软件开发方向需要硬件知识

资料引用：AI创作