混合计算是什么？把不同类型的计算资源组合起来用

混合计算（Hybrid Computing）是指把不同类型的计算方式或计算资源组合在一起，让它们各自发挥所长、协同完成任务的做法。这个词在不同的时代和语境中有不同的具体含义，但核心的思想是一致的：没有一种计算方式能够在所有的任务上都是最好的，把它们合理地组合起来，往往能取得更好的效果。

历史上的混合计算机

在计算机发展的早期，有两类计算机：模拟计算机用连续变化的电压等物理量来表示数值，通过电路直接模拟物理过程，求解微分方程的速度非常快，但精度有限、不够灵活；数字计算机用离散的 0 和 1 来表示数值，精度高、编程灵活，但在当时求解复杂的微分方程速度较慢。20 世纪 50 到 70 年代，人们把两者结合起来，制造了混合计算机：用模拟部分快速地进行连续的计算，用数字部分进行控制、存储和精确的逻辑运算。它们被用于航空航天、核反应堆模拟、飞行模拟等领域。随着数字计算机速度的飞速提升，混合计算机逐渐被取代。近年来，为了降低 AI 计算的能耗，模拟计算和存内计算又重新受到了关注。

异构计算：CPU 与加速芯片的结合

在今天，混合计算最常见的形式是异构计算：在同一个系统中，组合使用不同类型的处理器。CPU 擅长处理复杂的逻辑判断和多种多样的通用任务；GPU 拥有成千上万个计算核心，擅长大规模的并行计算，比如图形渲染和神经网络中的矩阵运算；此外还有 TPU、NPU 等专门为 AI 设计的芯片，以及可以重新编程的 FPGA。在一个典型的 AI 训练系统中，CPU 负责数据的读取、预处理和整体的调度，GPU 负责繁重的神经网络计算，两者紧密配合。现代的手机芯片中也集成了 CPU、GPU、NPU 等多种计算单元，根据任务的类型分配给最合适的单元来完成。

混合云和端云协同

在云计算领域，混合云是指把企业自己的本地数据中心或私有云，与公共云服务结合起来使用：敏感的数据和核心的业务放在本地，满足安全和合规的要求；需要大量计算资源的任务，或者需求有高峰低谷的业务，则利用公共云弹性地扩展。在 AI 应用中，端云协同也越来越常见：一些简单的、对隐私要求高或对实时性要求高的任务，比如语音唤醒、拍照优化、简单的文字处理，由手机或电脑本地的小模型来完成；复杂的任务则交给云端更强大的大模型。这样既保护了用户的隐私、降低了延迟，又能在需要时获得强大的能力。

混合量子-经典计算

在量子计算领域，当前的量子计算机量子比特数量有限、容易出错，难以单独完成复杂的计算。因此，研究者普遍采用混合量子-经典的方式：把问题中适合量子计算的部分交给量子计算机，其余的部分，比如参数的优化、数据的处理，由经典计算机来完成，两者反复地交换信息、协同迭代。变分量子本征求解器、量子近似优化算法、量子神经网络等都属于这一类。很多机构也在推动把量子计算机与传统的超级计算机集成在一起使用。

其他含义

“混合”的思想在 AI 中也很常见：比如把基于规则的方法和机器学习结合起来的混合智能系统，把符号推理与神经网络结合起来的神经符号方法，以及把人的判断与 AI 结合起来的人机协作。2016 年 DeepMind 在《自然》上发表的“可微分神经计算机”，论文标题中也使用了“混合计算”这一说法，指的是把神经网络与外部记忆结合起来的计算系统。