如题所述
首先明确我们说的错误，主要指程序崩溃，或者是程序的运算结果出错。后者SDC（silent data corruption）通常更严重，比如说计算机结果不对但程序没有崩溃，错误结果最终也许会导致更严重后果。电路晶体管出现错误并不少见，不过从整个计算机系统来看，统计讲到某个特定的使用者，出现错误，并且能被体验到并不会很频繁。即使硬件出现错误，并不会都传递到最上层的软件，比方说，只有5%的错误会影响到处理器的状态，最终用户观察到的比如程序崩溃，计算结果出错实际上会很少。通常我们说的硬件错误有两种，一种是soft error；另一种是hard error。soft error，不是软件错误，是指因为背景辐射（alpha射线、高能辐射）造成的随机翻转，0变成1或者1变成0。这种错误是瞬时发生的，很难复现。hard error或者permanent faults就是题主说的电路损坏或者失效。先讲soft error，大部分soft error并不会影响结果，比如说某个晶体管临时的位翻转，但是逻辑门的输出不依赖这个晶体管的状态；或者出错的时候时钟正好不在那个状态去用那个值；或者说出现在一个位置，很快被新的值覆盖；或者说那个错误的值不影响软件执行结果。因为种种原因，只有很少的错误会传到到最终用户可见的程度。在处理器架构设计中，还会针对关键电路采用容错机制，检测或者纠正错误，常见的，比如奇偶校验、ECC等。hard error，是永久性的电路失效，表现形式就是部分电路的输出不变，永远是1或者0。有的器件，会有备份电路，有检测手段可以测试并用备份电路替代坏掉的。另外在实际情况中，损坏的电路并不会每次都被用到，比方说，芯片上有个buffer，其中坏了一个bit，但因为我的实际应用不会把这个buffer用完，也不会用到坏掉的那个bit，于是不会受那个坏掉的bit影响。硬件也会提供机制向软件报告错误。软件（操作系统）也会有容错机制去处理硬件报告的异常。比如说重试，很可能就不会再出错。出现无法恢复的错误就是变成我们常见的程序崩溃了、kernel panic、死机之类的。
实际上，很多错误并不会影响用户体验，比如某个后台程序报一个错，或者崩溃了；再比如屏幕上某个像素值有一瞬间不对；玩游戏的时候某个NPC走位不对；或者点了下按钮第一下没动，这些我们都不会直接想到是某个晶体管工作不正常。有意思的是，统计结果表明，大部分的系统错误或者崩溃是软件bug造成的。
Intel从奔腾4开始的CPU中增加了一种机制，称为MCA——Machine Check Architecture，它用来检测硬件（这里的Machine表示的就是硬件）错误，比如系统总线错误、ECC错误等等。这套系统通过一定数量的MSR（Model Specific Register）来实现，这些MSR分为两个部分，一部分用来进行设置，另一部分用来描述发生的硬件错误。当CPU检测到不可纠正的MCE（Machine Check Error）时，就会触发#MC（Machine Check Exception），通常操作系统会来处理#MC，它通过读取MSR来收集MCE的错误信息，并产生上面第一个蓝屏。当然由于发生的MCE可能是非常致命的，CPU直接重启了，没有办法完成MCE处理函数；甚至有可能在MCE处理函数中又触发了不可纠正的MCE，也会导致系统直接重启。
当然CPU还会检测到可纠正的MCE，当可纠正的MCE数量超过一定的阈值时，会触发CMCI（Corrected Machine Check Error Interrupt），此时软件可以捕捉到该中断并进行相应的处理。CMCI是在MCA之后才加入的，算是对MCA的一个增强，在此之前软件只能通过轮询可纠正MCE相关的MSR才能实现相关的操作。
CPU会出错，而且一旦出错以后，会越来越频繁出错。出错还不是最可怕的，怕的是出错了你都不知道出错了，因为CPU里面有自动校正错误的机制。我们先脑洞一个场景：某天，你坐在电脑前，与游戏中的怪物奋战时，一个神秘的宇宙射线到达地球。它逃过臭氧层的阻隔，穿过你的身体，击中电脑的内存条。你因为吸收了宇宙射线的能量变成了奥特曼，你的游戏人物属性也因为内存某个bit的翻转实力爆表，一刀把大Boss斩于马下。怎么样，就问你刺激不刺激。也许变身只存在于好梦中，但硬件错误却时时刻刻在发生：一个电源的浪涌，电磁干扰和辐射等等都可能让电脑中的某些部分发生错误，而我们却很少看到这个错误。
本回答被网友采纳