用户代码 (M语言，解释执行)
    ↓ JIT编译 (Just-In-Time)
中间表示 (IR，优化层)
    ↓ 多线程BLAS/MKL调用
底层库 (Intel MKL, CUDA, OpenBLAS)
    ↓ SIMD指令 (AVX-512等)
硬件 (CPU/GPU)

% 场景A：小矩阵乘法（数据传输主导） A = rand(1000, 1000); % 8MB数据 B = rand(1000, 1000); % 8MB数据 % CPU端：直接计算 C = A * B; % 计算时间：2ms % GPU端：搬运+计算+搬回 A_gpu = gpuArray(A); % PCIe H2D: 2ms (16MB/8GB/s) B_gpu = gpuArray(B); % PCIe H2D: 2ms C_gpu = A_gpu * B_gpu; % GPU计算: 0.1ms C = gather(C_gpu); % PCIe D2H: 2ms % 总时间：6.1ms，比CPU慢3倍！

% 场景B：迭代算法（数据驻留GPU） A = rand(10000, 10000, 'gpuArray'); % 一次传输 for i = 1:1000 A = A * 0.999 + rand(10000, 10000, 'gpuArray'); % 全在GPU end B = gather(A); % 仅最后传输 % 此时GPU比CPU快20-50倍

CPU: Intel Core i7-14700K 或 AMD Ryzen 9 7900X
     - 优先高主频（5.0GHz+），MATLAB解释器响应快
     - 16核24线程，足够并行池使用

内存: 64GB DDR5-5600 (2×32GB)
     - 双通道即可，容量优先于频率
     - MATLAB内存密集型，64GB可处理百万级矩阵

存储: 1TB NVMe Gen4 (Samsung 980 Pro或同级)
     - MATLAB启动快，大文件加载快

显卡: 集成显卡 或 RTX 4060 Ti 16GB
     - 基础可视化无需独显
     - 如需深度学习入门，16GB显存可跑中小模型

系统: Windows 11 Pro 或 Ubuntu 22.04 LTS
     - Linux下MATLAB性能通常比Windows高5-10%

CPU: AMD Ryzen Threadripper 7970X (32核) 或 Intel Core i9-14900KS
     - 7970X：64MB L3缓存，大矩阵友好
     - 14900KS：6.0GHz睿频，单线程解释器快

内存: 128GB DDR5-5200 (4×32GB)
     - 四通道（TRX50平台）或双通道（Core平台）
     - 容量优先：128GB可驻留10k×10k双精度矩阵100个

GPU: NVIDIA RTX 4090 24GB 或 RTX 6000 Ada 48GB
     - 选择依据：是否需要单精度大规模加速
     - 注意：如果主要用双精度，GPU投资回报率低，建议省下来升级CPU到TR PRO

存储: 2TB NVMe Gen4 (系统) + 4TB NVMe Gen4 (数据)
     - 大容量本地存储，避免网络延迟

关键优化:
- 安装Parallel Computing Toolbox
- 配置`parpool('local', 28)`（留4核给系统）
- 大矩阵运算前检查`feature('numCores')`

CPU: AMD Threadripper PRO 7975WX (32核) 或 7995WX (96核)
     - 大内存支持（512GB-2TB）
     - 数据预处理CPU并行强

GPU: NVIDIA RTX A6000 Ada 48GB ×2 或 RTX 4090 ×2
     - 多GPU支持：MATLAB支持`multiGPU`训练
     - 显存优先：大batch size需要大显存
     - 注意：避免RTX 3090/4090的NVLink缺失（多卡效率低）

内存: 256GB DDR5-4800 ECC
     - 加载大型数据集（图像库、信号库）
     - ECC防止长时间训练因内存错误崩溃

存储: 4TB NVMe Gen5 (Samsung 990 Pro)
     - 快速读取训练数据（避免GPU等待）
     - 考虑RAID0提升顺序读速

网络: 10GbE（如果需要从服务器加载数据）

关键配置:
- CUDA Toolkit 12.x兼容
- cuDNN优化
- `trainNetwork`自动选择GPU
- 多GPU时`trainingOptions('ExecutionEnvironment','multi-gpu')`

本地工作站:
  CPU: Threadripper PRO 7995WX (96核)
  内存: 512GB
  GPU: RTX A4000（本地可视化）
  角色: 前处理、小任务调试、结果可视化

计算集群（3-5节点）:
  每节点: 2× AMD EPYC 9354 (32核) 或 Intel Xeon Gold 6448Y
  内存: 512GB/节点
  网络: 10GbE或InfiniBand（如果MPI通信多）
  角色: MATLAB Parallel Server（MDCS）

存储: 共享并行文件系统（BeeGFS/Lustre）

% 循环版本：解释器开销巨大，无法向量化 for i = 1:n for j = 1:n C(i,j) = A(i,j) + B(i,j); end end

% 向量化版本：调用BLAS，自动AVX-512 C = A + B; % 或显式向量化函数 C = arrayfun(@plus, A, B);

% 坏：频繁数据传输 for i = 1:1000 A_gpu = gpuArray(A(:,:,i)); % 每次传输 B_gpu = fun(A_gpu); B(:,:,i) = gather(B_gpu); % 每次传回 end % 好：数据驻留GPU A_gpu = gpuArray(A); % 一次传输（如果内存够） B_gpu = arrayfun(@fun, A_gpu); % 全在GPU B = gather(B_gpu); % 一次传回

% 坏：索引触发gather A_gpu = gpuArray(rand(10000)); x = A_gpu(1:100); % 触发D2H传输，如果后续在CPU用x % 好：显式控制 x_gpu = A_gpu(1:100); % 仍在GPU

% 如果算法允许（如深度学习） A = gpuArray(rand(10000, 'single')); % 速度提升2-10倍（消费级GPU）

% 坏：动态扩容，内存碎片 for i = 1:10000 A = [A, new_data]; % O(n^2)复杂度 end % 好：预分配 A = zeros(10000, 1); % 连续内存，CPU缓存友好，GPU传输高效 for i = 1:10000 A(i) = new_data; end

% 数据太大无法装入内存 m = memmapfile('hugefile.dat', 'Format', {'double', [10000 10000], 'data'}); % 按需加载，CPU/GPU均可部分读取

开始
│
├─ 主要使用Simulink/控制系统？
│  └─ 选择：高频CPU（i9-14900KS），无需GPU
│
├─ 主要使用Deep Learning Toolbox？
│  └─ 选择：大显存GPU（RTX 4090/A6000），CPU中等即可
│
├─ 大规模矩阵运算（>10000维）？
│  ├─ 双精度必需？
│  │   └─ 选择：AVX-512 CPU（Xeon W-3400），跳过GPU
│  └─ 单精度可接受？
│      └─ 选择：高端GPU（RTX 4090），CPU够用即可
│
├─ 蒙特卡洛/统计模拟？
│  └─ 选择：多核CPU（TR 7995WX 96核），GPU可选（如果可向量化为矩阵运算）
│
└─ 图像/信号处理？
    ├─ 数据可装入GPU显存（<24GB）？
    │   └─ 选择：中高端GPU（RTX 4070 Ti+）
    └─ 数据太大？
        └─ 选择：大内存CPU（512GB+），CPU并行处理