1. 从信息论角度看计算
从信息论角度，可以把 计算 看成：对比特（0/1）序列进行有规则的转换与重排。
它包含几种基本操作：
- 逻辑运算：例如 AND、OR、NOT，通过对输入比特进行规则组合产生输出比特；
- 数据存储：在某个物理载体上（电容、电荷、磁性方向）稳定保持一个比特；
- 数据传输：将比特从一个位置复制-移动到另一个位置（例如总线、网络）。 所以：
- 从抽象层看，计算就是 对信息进行处理和变换；
- 从物理层看，计算就是 对物理状态（电压、电荷、磁化方向）的改变和控制。
所谓的信息技术，其核心目标是大幅度降低信息的表示、存储、复制（传输）的成本。
2. 计算机 - 图灵机的表达
图灵机模型把计算抽象成：
- 一个有限状态机；
- 一个无限长的纸带（读写单元）；
- 一个读写头按规则移动并修改纸带上的符号。 这个模型告诉我们：
- 计算的核心是 规则化的状态转换 和 读写操作；
- “算法”就是一套 系统化的状态转移规则（如果读到 A，处于状态 S，就写 B、移动一格并切换到状态 T）。
在现实世界：
- CPU + 内存 + I/O 等硬件，是图灵机在物理世界中的一种实现；
- 寄存器/内存单元 ↔ 纸带上的格子；
- 指令系统 ↔ 状态转移规则；
- 程序 ↔ 具体的状态变化序列。
图灵机、算法是抽象层面；CPU、晶体管是具体物理实现。
为何计算必然伴随能量消耗？-- 信息与能量的关系
信息与能量：直观理解
从物理角度看，“信息”不是空洞的概念，而是 物理系统可区分的状态模式：
- 一个比特（0 或 1）对应 两种可区分的物理状态；
- 在 CPU 中可能是：
- 电压高 / 低；
- 电容中有无电荷；
- 磁性方向等。 要 改变信息，其实就是 改变物理状态，这不能在现实世界中完全“无代价”发生：
- 必须对系统做功（提供能量）使其跨越势垒；
- 同时通常会有能量以热的形式散失到环境中。
朗道尔原理（Landauer’s Principle）
朗道尔原理指出： 在温度为 T 的环境中，每擦除 1 比特信息 至少要向环境散失的热量为： E = k T ln2 其中 k 是波尔兹曼常数。 关键点：
- 这是一条 理论下限，告诉我们 “不可逆的信息擦除” 必然伴随最小热量产生；
- “擦除”可以理解为：把一个比特不论原来是 0 还是 1，都强制重置为 0。
- 这个操作减少了系统的信息熵（不确定性），但增加了环境的熵（以热的形式），以保持总熵不减。
虽然现实中 CPU 的每个操作的能耗远高于这个理论极限，但它揭示了一个本质： 在物理世界中，计算“不可能完全免费”，尤其是不可逆的逻辑操作（如 AND、OR、RESET）必然消耗能量并产生热。
理论与现实之间的联系
理论层面：
- 任何以 不可逆逻辑 为基础的计算系统（大部分现有计算机）在执行时都必然：
- 擦除中间比特；
- 覆盖旧值；
- 引入熵减少，从而必须耗散能量。
现实工程层面：
- 我们并不会直接按照朗道尔极限设计 CPU，但它对我们有启示：
- 降低电压、减少开关次数、优化算法 确实可以减少能耗；
- 设计更“接近可逆”的计算方式在理论上有节能潜力（可逆计算、量子计算的一些思路就和这个有关）。
具体例子：
- 一个排序算法，如果设计不当，需要大量中间数据拷贝与覆盖，擦除/重写信息越多，理论上能量下界越高；
- 这在实际中体现为：更高的时间复杂度与空间复杂度往往也意味着更高的能耗（虽然中间还有硬件实现差异）。
计算从抽象上看是对信息的操作，从物理上看是对物理状态的控制和改变；而对物理状态的改变必然消耗能量并产生热。
