从四位数、UTF-8文字和灰度像素出发，说明有限状态怎样通过编码组合成数字媒体，以及位串为什么不能自己说明含义。
两种状态很少，组合却可以很多
一个开关只有开和关；四个独立开关却有16种组合。计算机把两种可区分状态抽象为0和1，称为一个比特（bit）。n个比特有2的n次方种位串：这是组合数量，不是每个位置都藏着丰富内容。
物理上不必是“完全没电”和“有电”。电路使用允许范围内可区分的电平等状态，并处理噪声、时序和可靠性。二进制是一种适合构造稳定数字逻辑的表示，不意味着现实世界本来只有两种事物。
要让位串表示数字、文字或图像，需要编码规则。表示能力来自组合和约定；理解含义则还依赖格式、上下文与解释程序。
先让位串表示一个整数
约定四位无符号二进制从左到右权重为8、4、2、1，那么1101表示8+4+0+1=13。全部四位位串可以表示0到15，总共16个值。若想表示16，必须扩展位数，或更换编码。
同样的1111，在四位无符号解释下是15，在四位二进制补码解释下是-1。这不是电路同时看见了两个数，而是解释规则不同。位宽、符号规则与字节顺序等，都是数据格式的一部分。
因此，“计算机里全是0和1，所以类型不重要”恰好说反了：正因为底层位串可以有多种解释，类型和协议才帮助我们排除错误解释。这里的补码只是反例，负数的完整运算规则留待后续。
文字不是把字形直接塞进一个数
Unicode为字符分配码点；UTF-8再把码点编码为一个或多个字节。字符A的码点为U+0041，UTF-8字节是十六进制41；“中”为U+4E2D，UTF-8字节是E4 B8 AD。[1] 十六进制只是紧凑的记数方式，每一位十六进制数对应四个比特。
这个字节序列可以手算。U+4E2D 写成 16 位二进制是 0100 1110 0010 1101；它处于 UTF-8 的三字节编码范围，采用 1110xxxx 10xxxxxx 10xxxxxx 的形式。把码点有效位分成 0100、111000、101101，填入三个位置，得到 11100100、10111000、10101101，也就是 E4 B8 AD。[4] 这里示范的是 U+4E2D，不能省略 UTF-8 对代理项、范围和最短形式的合法性约束，再把所有 16 位整数都当字符编码。
一字节通常为8位，但“一个字等于一个字节”不成立。字符、码点、编码单元以及屏幕上看到的字形并非一一对应；组合附加符号和表情序列尤其能显示这种区别。
收到E4 B8 AD之后，软件还需要知道按UTF-8解码，再由字体和排版系统绘制字形。若拿错误编码读取，位串没变，屏幕却可能乱码。Unicode的编码规则支持信息交换，不替我们决定一句话是否正确或有意义。
图像和声音怎样进入同一套表示
构造一张2×2的8位灰度图，约定按行保存四个像素，数值为0、85、170、255。像素负载是4×8=32比特，即4字节；0最暗、255最亮。真实文件还要描述尺寸、排列、颜色空间等，不能把4字节负载当作完整文件大小。
照片先经过空间采样与数值量化，保留有限个位置与有限精度。声音也可以在一系列时刻记录量化后的振幅。下面只作未压缩双声道PCM的负载算例：每秒48000次采样、每个声道每次16位，负载为48000×16×2=1536000比特/秒，即192000字节/秒。
这个算例不含容器头、元数据与压缩，也不保证采样后的声音与原始连续信号完全相同。编码能保存我们选择保留的信息，不能让有限数据无损覆盖任意连续细节。
压缩和加密改变的是什么
如果图像有大量重复或可预测结构，无损压缩可能用更少的位保存它；解压后恢复原位串。有损压缩允许丢掉某些信息，以换取更小体积。加密则依据密钥改变可读取的形式，目标也不同。
不可能让所有固定长度位串都无损压得更短：短位串的总数量不足以给每个输入分配不同输出。压缩方法利用输入的结构和分布，不会推翻这个计数事实。Shannon在1948年的论文中区分了通信工程问题与消息的语义问题。[2] 这一区分有助于避免把“信息量”直接等同于思想深度。
所以，0和1能共同承载数字媒体，并不表示所有东西都能被有限、精确地表示，也不表示机器理解了内容。真正可用的数字世界建立在位串之上的多层契约：编码、格式、程序、设备和使用语境。
一张像素图，需要的不只是四个亮度值
继续使用0、85、170、255四个字节。若约定宽2、高2、逐行存储，就形成左上最暗、右下最亮的2×2灰度图。若约定宽4、高1，同样负载变成一行；若把相同字节解释为颜色通道，又会得到别的对象。
因此，一个可交换的格式至少要交代尺寸、通道、数值精度、顺序与解释方法。像素数据像一串没有标点的数字，格式负责说明如何分组。头部或外部协议并非无用开销，而是让另一端能恢复对象的必要条件。
还要区分像素值与显示亮度。8位灰度数值只是编码，显示器的响应、色彩管理和观察环境会影响看到的光。数值128也不必自动等于人眼感觉上的“一半亮”。本例只说明编码容量，不用数值表冒充视觉质量实验。
如果把每个像素从8位减为1位，每个位置只剩两种取值，四个位置总负载降到4比特；原来的85和170就无法原样保留。体积变小来自表示空间变小，必须决定如何近似，而不是认为二进制可以无代价保留所有细节。
声音的采样率和位深，分别限制什么
采样率描述每秒取多少个样本，位深描述每个样本用多少位表示。增加采样率主要改变时间轴上的离散程度；增加位深主要改变幅值量化的等级。它们是不同维度，不能用其中一个数字代替全部音质。
前面的48kHz、16位、双声道PCM，每秒有96000个声道样本，每个2字节，因此是192000字节/秒。持续60秒，原始负载为11520000字节；按十进制MB约11.52MB，按2的20次方字节为1MiB计算，约10.99MiB。文件容器与元数据还要另外计算。
这是容量推导，不是“某音乐文件一定这么大”。压缩编码可以改变文件大小，静音也可能被不同方式表示；编码器的质量、失真目标和音源本身都相关。把码率、采样率和响度混为一谈，会误解每个数字能够支持的判断。
一个连续变化的物理波形，只有在适当信号条件、采样过程与重建条件下，才能讨论如何由离散样本恢复。这里不展开采样定理的证明，但必须保留条件；不能仅凭“比特足够多”宣称任何声音都能被有限数据精确保存。
比特翻转、压缩和意义，不能混用同一标准
若00000001中的最高位因错误变成1，按8位无符号数读取就成129；若它处在文件头，影响又可能大得多。相同数量的比特错误，对不同格式的后果并不相同。可靠传输需要检错或纠错等机制，编码能表示内容并不保证传输没有损坏。
再看压缩的计数限制：一共有256种8位输入，而长度至多7位的位串总共只有1+2+4+…+128=255种，其中还计入空串。若要求每个8位输入都能无损恢复，就无法把它们全部映射成互不相同的更短串。
现实压缩能工作，是因为某些输入更常见，或输入具有可利用的重复结构；方法可以让常见内容缩短，同时允许别的内容不缩短甚至变长。它与“任何文件都能反复压小”不是一回事。
最后，65是一个数，A是按规则读出的字符，某段文字是否有意义又是另一层。信息论中的量化对象、编码后的对象和人理解的内容，应在各自问题中使用。位串是共同的承载形式，语义来自更完整的解释关系。
一个屏幕上的“字”，为什么不一定是一个码点
字节计数、码点计数和用户看到的字符数，可能不同。例如某些带附加符号的文字既可用预组合码点表示，也可用基础字符加组合符号表示。视觉上相近，不保证底层码点序列逐字相同。
Unicode文本分割规范用扩展字素簇等规则处理用户可感知的文本边界。[3] 这不等于每一种语言和应用都只需一个字符计数函数；光标移动、字符串长度、截断与存储限制可能采用不同单位，必须明确接口。
如果把UTF-8字节数组截在一个多字节序列中间，可能得到非法编码；即使保留完整码点，也可能截断一个组合序列。正确解码、正确分割与正确显示是相连但不同的工作。
对程序接口，这些区别会直接影响字段长度与校验。要求“最多10个字符”应先解释10个字节、10个码点还是10个字素簇。把含糊需求变成具体编码契约，才让“0和1可以表示文字”成为可靠的数据交换机制。
自己检验一次解释规则
把01000001按8位无符号数读，是65；按ASCII兼容的UTF-8字节读，是A；按单通道像素强度读，是一个灰度值。同一串比特没有自己携带唯一用途。
阅读文件或接口时，先问“位宽多少、用什么编码、怎样划分边界、由谁解释”，通常比只问“里面是不是二进制”更有帮助。本篇算例是编码与计数推导，不是图像质量、音频质量或电路可靠性的实测。
来源、证据与阅读路线
- Unicode FAQ：UTF-8、UTF-16、UTF-32与编码单位；U+0041、U+4E2D为本文编码例子
- C. E. Shannon，A Mathematical Theory of Communication，1948，Introduction；大学托管原论文
- Unicode Standard Annex #29：Unicode Text Segmentation，扩展字素簇；浮动规范以文中概念说明为限
- Unicode Standard 18.0.0，Chapter 3，3.9 Unicode Encoding Forms；Table 3-6 与 3-7 的 UTF-8 位分布及合法序列
证据范围：字符编码、像素与PCM容量、有限串计数按明确假设核对；这些算例不等于显示设备、音频链路或压缩实现的实测。