简介《计算机体系结构量化分析第六版课后答案》针对英文原版教材第一章提供完整习题与案例解答适合正在学习计算机体系结构、备考课程作业或研究生复试的本科生与研究生。解答逐题展开芯片制造成本核算、良品率与多核缺陷概率、芯片面积与单价的关系、电压与频率缩放下的能耗和功率变化、多核部分负载时的能效以及 Amdahl 定律对并行加速上限的约束等核心考点并列出每步计算公式与中间数值便于对照课本案例复盘推导过程、核对答案并理解建模思路。压缩包内只有 1 个 PDF 文件大小约 3.73MB按章节与 Case Study 顺序编排公式、组合数表格与结论汇总集中呈现可直接检索查阅。目前已有 3609 人学习适合用作课后自测与考前梳理的参考。1. 良品率那道反常的算术题为什么芯片越造越大反而越赚钱先把结论摆出来一颗芯片能不能卖不取决于它设计得多先进而取决于它在一片晶圆上被良品率筛选后还剩多少颗能活。这就是《计算机体系结构量化分析》第一章第一道案例题真正在教的东西。题目要求计算 Phoenix8 每片晶圆产出 724 颗、Red Dragon 产出 1234 颗在 4% 缺陷率下前者利润 $7384.80后者 $9601.71——小芯片赢得毫无悬念。可题目紧接着又让你算 Phoenix4良品率 57%Phoenix2 只有 0.11%Phoenix1 只剩 0.0004%。从 8 核切到 4 核良品率反而 回血这是很多人第一遍做题时最容易翻车的点。它背后是芯片成本模型里最反直觉的一条机制面积越大缺陷累积的概率呈指数级放大而你卖的每一颗大芯片都在替整片晶圆上的坏片买单。这道题值得挖到底因为它不是课后习题这么简单。良品率模型、面积-成本关系、Amdahl 定律、功耗-电压频率缩放这四个模型构成了量化分析体系的地基后面所有 cache、流水线、多核、DRAM 的取舍判断本质上都从这几个公式出发。所以这篇不带着你抄答案而是把每一道题背后的机制拆开——你会看到为什么公式长这样为什么答案是这个数为什么教科书要先用一个芯片厂的案例开场而不是直接讲 CPU 结构。2. 良品率模型为什么缺陷率乘上面积后会指数级吞噬利润2.1 从晶圆到裸片Die per Wafer 这个几何公式的来历任何一张晶圆成本表第一栏都是这片晶圆能切出多少颗裸片。教材给出的公式是Dies per wafer π × (wafer_diameter / 2)² / die_area - π × wafer_diameter / sqrt(2 × die_area)这个式子看着复杂其实就两件事用晶圆总面积除以单颗裸片面积得到理论最大颗数再减去边缘那一圈切不出完整方形的废料。第二项是圆边修正面积越小修正越少。我在第一次做 1.2 题时就吃过亏直接拿 π×45² 除以 (2×2) 算 Phoenix 的裸片数得到 1590跟答案 724 差了整整一倍。原因不是公式错了而是我把面积当成了边长——题目里 Phoenix 是 2cm×2cmdie_area 是 4而我在分母里用了 2。这类错误的典型症状是算出来数值特别漂亮但就是跟选项对不上血泪经验是先把所有尺寸统一成同一单位再代入公式。把 Phoenix 和 Red Dragon 的数字代进去芯片裸片尺寸每片晶圆裸片数缺陷率参数Phoenix2 cm × 2 cm7240.04 × 2Red Dragon1.2 cm × 1.2 cm12340.04 × 1.2注意表格最后一列缺陷率不是直接乘面积而是乘面积相对某基准的倍数。教材的约定是缺陷密度 0.04 每平方厘米per cm²而公式里出现的0.04 × die_area就是每颗芯片平均摊到几个缺陷的期望值。这个小细节是做 1.3 题的关键后面会用到。2.2 负二项分布与那个 14 次方良品率为什么不是线性衰减教材给的良品率公式是Yield 1 / (1 Defects_per_die / 2)^14这个 14 次方是很多学生的噩梦。它的来历不是拍脑袋而是负二项缺陷分布模型芯片制造中的缺陷不是均匀撒上去的而是成团聚集的聚集程度用参数 α 刻画14 对应 α≈4 的典型工艺值即每颗芯片平均缺陷数的分布形状。当 α 越大缺陷越均匀良品率越接近泊松模型的 e^(-D)α 越小聚集越严重良品率越低。代入 Phoenix0.04 × 2 0.081 / (1 0.08/2)^14 1 / 1.04^14 ≈ 0.34。这跟答案 b 给的 0.34 完全吻合。Red Dragon 是0.04 × 1.2 0.0481 / 1.024^14 ≈ 0.519。两者对比就能看出缺陷数从 0.08 降到 0.048良品率却从 0.34 跳到 0.52涨幅超过 50%远大于缺陷数下降 40% 的幅度。这就是指数项的威力——面积每缩小一点收益不是线性叠加而是被 14 次方放大。提示做题时最容易犯的错是把Defects_per_die误当成每片晶圆的缺陷数。公式里的分母是每颗裸片不是每片晶圆。如果题目给出的是整片晶圆的缺陷总数得先除以裸片数才能代入。2.3 利润公式每片晶圆赚多少钱到底该先切哪种芯片1.2 题最后问最赚钱的分配方案答案是 40 片 Red Dragon 晶圆 30 片 Phoenix 晶圆。这一步的计算逻辑值得单独拎出来Phoenix 每片晶圆利润 724 × 0.34 × $30 $7384.80 Red Dragon 每片晶圆利润 1234 × 0.519 × $15 $9601.71 Phoenix 需求 25000 颗 → 25000 / 724 ≈ 34.5 片 Red Dragon 需求 50000 颗 → 50000 / 1234 ≈ 40.5 片Red Dragon 单片利润更高需求也更大但总共只有 70 片晶圆的产能。先满足 Red Dragon 的 40.5 片取整 40 片余下产能给 Phoenix剩下的 30 片给 Phoenix。这里有个隐含约束题目暗示总产能 70 片而不是无限产能。关键洞察在于单片利润高不等于应该全切它。如果 Red Dragon 需求只有 5000 颗只需 4 片晶圆剩下 66 片全切 Phoenix 反而更划算。这道题真正训练的是线性规划思维——在需求约束、产能约束、单片利润三个变量下找最优解而不是简单比大小。3. 多核良品率为什么 8 核里坏一个核心反而可能救活整颗芯片3.1 单核良品率 87% 怎么来的从 8 核反推单核1.3 题给了一个很美妙的设定单核良品率 87%。这个数字来自1 / (1 0.04 × 0.25 / 2)^14其中 0.25 cm² 是单核面积8 核共 2 cm²。算出来约 0.865取 0.87。有了单核良品率就能算恰好 N 个核心无缺陷的概率P(N defect-free) C(8, N) × 0.87^N × 0.13^(8-N)代入 N4: C(8,4)7070 × 0.87⁴ × 0.13⁴ ≈ 0.21教材给的 0.21。N8: 0.87⁸ ≈ 0.33。所以至少 4 个核心完好的累计概率是 0.330.390.210.060.01 ≈ 0.57这就是 Phoenix4 的良品率。这里有个容易被忽略的建模假设核心缺陷是相互独立的。现实中同一片晶圆上相邻的核心可能受同一个缺陷影响相关性会让恰好坏一个的概率高于独立模型。教材用二项分布是为了简化计算但你要知道这个近似在真实工艺里偏乐观。3.2 卖 4 核不卖 2 核截断收益函数的拐点在哪教材的结论是只有 Phoenix4 值得卖Phoenix2 和 Phoenix1 概率太低不值得。为什么是 4 而不是 2看累计良品率Phoenix4 有 57% 的芯片能凑够 4 个核Phoenix2 只有 0.11%Phoenix1 只剩 0.0004%。假设每颗 Phoenix4 卖 $25、Phoenix2 卖 $10、Phoenix1 卖 $5那每片晶圆的期望收益是Phoenix4: 724 × 0.57 × $25 ≈ $10,317 Phoenix2: 724 × 0.0011 × $10 ≈ $8 Phoenix1: 724 × 0.000004 × $5 ≈ $0.014差距是三个数量级。拐点出现在累计概率 × 单价不足以覆盖额外测试、封装、分档成本的地方。教材隐含的判据是良品率低于千分之一时分档销售的管理成本已经吃掉全部利润。这就是量化分析的精髓——不是能不能卖而是卖它值不值。3.3 每颗 Phoenix8 成本 $73.25 的拆解面积-成本模型的反向用法1.3c 题问每颗 Phoenix8 成本 $73.25 是怎么来的这题很多人直接跳过其实它最考验对成本模型的理解Phoenix4 芯片数 / Phoenix8 芯片数 0.57 / 0.33 ≈ 1.73 每颗 Phoenix8 成本 $30晶圆摊销 1.73 × $25Phoenix4 的机会成本 $30 $43.25 $73.25逻辑是如果我把这颗 Phoenix8 改切成 4 颗 Phoenix4我损失了 1.73 倍的 Phoenix4 收益机会。这个 $73.25 是机会成本而非制造成本它是定价决策的底线——Phoenix8 卖不到 $73.25 就不如改切小芯片。这种用错失收益定义成本的思路在量化分析里反复出现是理解后续 cache 替换策略、分支预测器面积预算的共同语言。4. 功耗与 Amdahl 定律电压频率缩放为什么不是线性关系4.1 能量与功率的区别同样是降 1/8两者差三个数量级1.4 题的核心是分清 energy 和 power。教材给的数据电压降到 1/8能量降到原来的 15.6%功率不变频率降到 1/8能量降到 1.56%功率降到 0.00195。这组数字看着矛盾其实公式一摆就通了Energy ∝ Capacitance × Voltage² × (每次操作) Power ∝ Capacitance × Voltage² × Frequency电压降 1/8能量 ∝ (1/8)² 1/64 ≈ 0.0156即 15.6%。功率还要乘频率但题目 1.4b 里频率没变只降电压所以功率降幅跟能量一样是 15.6%不对——题目说的是Energy: 15.6%, Power: unchanged。这里的陷阱在于电压降低通常伴随着频率降低但 1.4a 和 1.4b 是两种独立假设。1.4a 只降电压不降频率功率不变是因为频率没变、V² 项被隐藏了再读题1.4a 说Energy: 1/8, Power: Unchanged意思应该是电压不变、频率降 1/8能量按频率比例降功率按频率比例降但题目标注 unchanged 指的是……这里教材的表述确实含糊我自己做的时候反复对了两遍才对上1.4a 是电压不变、频率减半类似场景能量降 1/8 对应的是每次操作能量。诚实的读法是把 1.4 四个小问当成四个独立的缩放假设逐个用E ∝ V²和P ∝ V²f套不要试图用一条叙事串起来。这也是做量化分析题的一般原则——教材的题干经常是假设 A 成立式的孤立场景强行串联反而会把自己绕进去。4.2 Amdahl 定律的三种写法为什么 80% 并行化只换来 2.5 倍加速1.5a 是标准 AmdahlSpeedup 1 / (Fraction_enhanced / Speedup_enhanced (1 - Fraction_enhanced)) 1 / (0.8/4 0.2) 1 / 0.4 2.520% 不可并行部分把上限死死压在 5 倍4 核只能拿到 2.5。这题的意义不在算数而在于让你看到串行部分是天花板。1.5b 更进一步4 核各降频到原来的 1/2.5电压同比例降能量变成 4 × (1/2.5)² 0.64功率 0.64 × (1/2.5) 0.256。这里的关键机制是降频降压的平方收益性能损失 2.5 倍但功率只付 0.256 倍能效比反而提升。这就是后来多核低频路线打败单核高频的理论依据。4.3 异构计算的功耗账TPU 加速比 41 倍为什么整体只快 1.67 倍1.6 题把 GPU、TPU 拉进来做三方对比数据很有意思平台Workload A 加速比Workload B 加速比功耗通用 CPU11159 WGPU2.462.76357 WTPU4121.2290 WTPU 在 A 上快 41 倍但因为 A 只占 40% 时间、B 占 10%、剩下 50% 是不加速的部分整体加速比只有1/(0.4/41 0.1/21.2 0.5/1)≈ 1.67。这个结果极其反直觉却是最真实的工程写照加速器再快也只能加速它能加速的那部分。功耗那栏更有意思——TPU 290 W 比 GPU 357 W 低但性能高得多能效比完胜而通用 CPU 功耗最低但性能最差。这组数据是整章量化分析的方法论缩影任何架构决策都是三维权衡性能、功耗、成本单看任何一维都会得出错误结论。后面 cache 章节的 set-associative 取舍、DRAM 章节的 bank 数量选择全部是同一套权衡框架的变体。5. 避坑指南做这套题时最常见的五个翻车点5.1 现象面积代入算出一倍误差原因把 die 的边长当成面积代入π × (D/2)² / die_area。2cm×2cm 的芯片die_area 是 4 不是 2。解决代入前统一单位把所有尺寸换算成 cm 或 mm 再算并在草稿上标清这是边长还是面积。5.2 现象良品率算出 0.08 而不是 0.34原因误把Defects_per_die直接当成良品率漏掉了1/(1x/2)^14的变换。解决记住缺陷数只是输入良品率一定要过一遍负二项公式且公式里的x是每颗裸片的期望缺陷数不是整片晶圆的。5.3 现象Phoenix2 该不该卖算出来跟答案反了原因只比较单价不看累计概率或者把恰好 N 核完好当成至少 N 核完好。解决先算单点概率C(8,N)·p^N·(1-p)^(8-N)再累加 4 到 8 的项才是 Phoenix4 的良品率判断卖不卖时用概率 × 单价 vs 分档成本。5.4 现象功耗题目里 energy 和 power 混用原因E ∝ V²、P ∝ V²f两个公式差一个频率因子题目又经常只给一个缩放比例。解决每道题先明确不变的是电压还是频率再选公式遇到题干含糊按最保守解读逐项验证量纲。5.5 现象Amdahl 定律套错分子分母原因把加速部分的占比和加速比位置写反或者忘记加上未加速部分。解决固定写成1 / (P/S (1-P))P 是并行比例、S 是加速比先算串行残差1-P作为下限检查。6. 从课后题到真实设计量化分析的框架比答案更值钱做完这一章你会发现所有题都指向同一个方法论先把系统抽象成一个可计算的成本/收益函数再在约束下求极值。良品率题是面积 vs 缺陷 vs 利润的约束优化Amdahl 是并行比例 vs 加速比的上界分析功耗题是电压/频率 vs 能效的缩放律。这套框架比任何一道题的具体答案都长寿——十年后工艺节点从 45nm 走到 3nm良品率参数变了公式结构没变十年后加速器从 GPU 换到专用芯片Amdahl 依然在那里卡着你。我个人的习惯是每做完一章把这一章用到的所有公式抄在一张纸上只写变量含义和量纲不写推导。下次遇到新题先对着公式表找这道题在考哪个模型而不是从头推。这个习惯帮我躲过了无数次思路对了但公式记混的翻车。比如 1.14 题那种多层加速叠加1/(0.7 0.2/2 0.1×3/2)里的0.1×3就很容易漏——它是被减速的部分不是加速。如果你手上有这套第六版课后答案的完整资源建议不要只看数字对错而是把每道题的错误答案为什么错也当资料读。教材配套答案最大的价值不在最终数值而在它展示的中间步骤——哪一步用哪个模型、哪个量纲怎么统一、哪个假设被悄悄用上了这些才是从会做题跨到会设计的桥。我见过太多人背下 2.5 倍这个数字却答不出如果串行部分降到 10%4 核加速比是多少——答案在1/(0.9/4 0.1) ≈ 2.1比 2.5 还接近理论极限这个变化趋势比固定数字有用得多。从那以后我每次复盘架构决策都会强制走一遍量化三问哪部分能被加速、加速比多少、剩下那部分的天花板在哪。希望这份答案资源能帮到正在啃这一章的你。本文还有配套的精品资源点击获取