声明： 离散与连续的计算统一并非本文首次提出。从1930年代的模拟计算机到今天的量子计算，无数先驱已经从不同角度逼近了这个目标。本文只是将这些散落在不同领域、不同年代的努力放在同一张桌子上，指出它们在追求同一件事。本文也是笔者"离散与连续"系列思考的延续——此前的文章讨论了离散化在几何内核中造成的工程裂缝，以及物理学中离散与连续的对偶关系。本文从那些讨论的终点出发，追问一个工程性的问题：我们能不能造一台不再只有一半的计算机？

---

第一章　为什么我们需要另一半

1936年图灵定义了图灵机，1945年冯·诺依曼提出了存储程序架构。此后八十年，所有数字计算机都是这个架构的后代。这个架构的根基是离散性：存储是比特，运算是逻辑门，时间是时钟周期，数据是有限位浮点数。从诞生之日起，数字计算机就只拥有世界的一半——离散的那一半。另一半——连续性——被翻译成浮点数塞进了离散的格子里。

离散计算机处理离散对象时是完美的——整数运算精确无损，逻辑推理完备可判定，符号操作干净利落。但当它被要求处理连续对象时，裂缝立刻出现：浮点数只能表示有限个离散的值，$0.1+0.2\ne 0.3$ 不是bug而是必然；"这个数是不是零"没有绝对答案，只有容差下的近似判定，一个数学事实退化成了工程决策；每步浮点运算的微小舍入误差在迭代中可能指数级放大；微分方程必须变差分方程，积分必须变求和，曲线必须变折线，每一次离散化都引入截断误差和数值耗散。

这些裂缝不是某个芯片的缺陷，不是某个算法的局限，而是离散计算范式本身的结构性限制——用有限的、离散的符号去表示无限的、连续的实在时，不可避免的信息损失。

必须说清楚：离散不是bug。 离散计算机在它擅长的领域无可替代。没有任何模拟电路能像数字电路一样可靠地执行条件判断，没有任何连续系统能像离散系统一样精确地存储和复制一段文本。本文的论点不是"离散是错的"，而是"只有离散是不够的"。我们需要的不是替代，是补全。

那么连续计算是一个从未被尝试过的全新方向吗？不是。它不但被尝试过，而且曾经是主流。

---

第二章　连续计算从未缺席

2.1　曾经的现实

1931年，Bush在MIT建造了微分分析器——一台机械式模拟计算机。转盘的角位移代表积分值，连续的物理量直接执行连续的数学运算。不需要浮点数，不需要时间步长，微分方程的解由物理过程直接"流"出来。

1940至1960年代是电子模拟计算机的巅峰期。电压代表变量，运算放大器电路代表方程。NASA用模拟计算机做阿波罗飞行模拟，军方用它做导弹制导仿真。速度优势是压倒性的：所有变量同时、并行、连续地演化，没有逐步迭代的概念。

1960年代，混合计算机出现——数字部分做逻辑控制和参数存储，模拟部分做微分方程求解，通过模数和数模转换器通信。这是人类第一次尝试将离散与连续合为一体。

2.2　为什么输了

模拟计算机在1970年代之后迅速衰落，不是因为它在数学上不对，而是因为它在五个工程维度上全面落败。

第一，摩尔定律只属于数字。数字芯片的晶体管密度每十八个月翻一倍，模拟电路没有等价的指数增长定律。数字计算机以指数速度变快变便宜，模拟计算机的进步是线性的。第二，可编程性。数字计算机改变程序就能解决不同问题，模拟计算机每个新问题需要重新配置电路。一台通用数字机可以取代成千上万台专用模拟机。第三，可存储可复制。数字信号可以无损存储和无损复制，模拟信号每次复制都引入噪声退化。第四，精度可扩展。数字计算想要更高精度只需增加位数，从32位到64位到任意精度；模拟计算受物理噪声限制，精度卡在万分之一到十万分之一，无法通过简单地加硬件来提升。第五，工业生态。整个软件产业、编程语言、互联网都建立在离散基础之上，模拟计算不是被击败的，而是被整个生态系统抛弃的。

2.3　正在回来

这五个原因中，第一个正在松动。数字芯片逼近物理极限，摩尔定律显著放缓，连续计算的相对劣势在缩小。但其余四个问题——可编程性、可存储性、精度、生态——仍然不同程度地存在。正在回来的连续计算不是上一次的重复，它没有试图重新成为通用计算平台，而是以领域专用的方式绕开了通用性的要求，在特定任务上发挥连续计算的天然优势。

这些新路径依赖的"连续性"性质截然不同，必须分为两类来理解。

第一类是经典连续——连续且可读。 计算过程使用连续的经典物理量，计算结果直接可观测，不需要统计解读。神经形态计算属于这一类：Intel的Loihi芯片模仿生物神经元，膜电位连续变化，达到阈值时发射离散脉冲，天然的离散加连续合体。Carver Mead在1990年就指出，用数字电路模拟本质上是模拟过程的神经系统，是极其低效的。光子计算也属于这一类：光的干涉天然执行矩阵乘法，一次光传播等于一次矩阵运算，连续的物理过程直接执行连续的数学运算。模拟AI芯片同样属于这一类：忆阻器的电导是连续的物理量，代表神经网络的权重，输入电压乘以电导产生电流，欧姆定律直接执行乘法，存储和计算发生在同一个地方，没有冯·诺依曼瓶颈。

第二类是量子连续——连续但不可读。 计算过程在连续的量子态空间中演化，但量子态本身不可直接观测，测量会导致坍缩，只能获得离散的统计结果。量子计算是这一类的代表：量子态是连续的复数振幅叠加，量子门是连续的酉变换，但测量结果是离散的零或一。连续性隐藏在不可观测的振幅中，只通过大量重复测量的统计分布间接显现。费曼在1982年就说过，用离散的经典计算机模拟量子系统需要指数级资源，只有量子计算机能高效模拟量子物理。

还有一条路径不完全属于以上两类。可逆计算利用连续的绝热电压变化来执行逻辑运算——Landauer证明了每擦除一比特至少产生 $k_{B}T\ln 2$ 的热量，Bennett证明了可逆计算原则上不产生热量。可逆计算在计算模型层面仍然是离散的——操作的是离散的比特，输出的是离散的结果——但它的物理实现依赖连续的动力学过程，而正是这种连续性带来了能量效率上的根本优势。这提醒我们：连续性即使在离散计算的内部，也能发挥不可替代的作用。

这两类连续——经典连续受噪声限制但结果可直接读取，量子连续不受经典噪声限制但结果需要统计解读——性质不同，面临的工程挑战也不同。但退后一步看，它们在做同一件事的不同侧面：将离散计算无法原生处理的运算交给物理过程本身，从而扩展计算机的能力边界。

五条路径目前互不相干。做神经形态的人不跟做光子的人开会，做量子的人不跟做忆阻器的人合作。但如果退后一步看全景，方向是收敛的。方向清楚，不等于路途平坦。连续计算重新回到舞台，首先需要面对它上一次退场时就未曾解决的老问题，以及这一次新出现的新问题。

---

第三章　连续计算真正落地的难处

3.1　噪声：经典连续的根本瓶颈

离散信号有天然的噪声容忍度：0和1之间有巨大的间隔，噪声不够大就翻不了，信号可以无损地复制十亿次。连续信号没有这个保护：电压3.1415926V和3.1415927V是不同的值，任何物理噪声——热噪声、散粒噪声、器件漂移——都会污染低位。

这带来一个必须正视的事实：当前经典连续硬件的精度约为万分之一到十万分之一，远低于双精度浮点数的约十五位有效数字。而且量子力学保证了最低噪声底限，无法消除，只能抑制。

这是否意味着连续计算注定比离散计算更差？不一定，因为两者的精度瓶颈性质不同。离散计算的精度瓶颈是位数——可以通过增加位数来提升，但每增加一倍精度就需要翻倍的存储和计算量，而且无论多少位，仍然只能表示有限个离散的点，永远无法表示"所有实数"。经典连续计算的精度瓶颈是物理噪声——可以通过更好的屏蔽、更低的温度、差分设计来抑制，但存在物理极限，无法通过简单地加更多硬件来突破。量子连续的精度瓶颈是退相干和测量的统计性——可以通过量子纠错来应对，但代价是巨大的物理资源开销。

这意味着连续计算的潜在优势不在精度，而在其他维度：速度、并行性、功耗、以及对连续数学的原生表达能力。这个区别至关重要，它直接影响后面对"什么会改变"的判断。

3.2　可编程性：通用性为什么这么难

图灵机的伟大在于通用性——改变程序就能解决任何可计算的问题。这种通用性的来源是离散符号操作的一个关键特性：一条指令可以根据数据的值选择不同的执行路径，而选择本身也可以被编码为数据。程序就是数据，数据就是程序——这是图灵机通用性的根基。

连续计算系统很难做到这一点。一个模拟电路的计算能力由它的物理拓扑决定——电阻、电容、运放的连接方式。改变计算就意味着改变电路拓扑，而电路拓扑是物理结构，不是可以随意重写的数据。光子干涉仪可以通过调节相位来"编程"，但只能编程矩阵乘法这一类运算——你不能通过调相位让它执行排序算法。忆阻器阵列可以通过改变电导来"编程"，但只能编程向量矩阵乘——你不能用它实现数据库查询。

量子计算机是目前最接近通用的连续计算方案——量子门序列可以像经典指令序列一样组合——但它的通用性来自离散的门序列结构，连续性只在单个门的内部。而且量子算法的设计极其困难，目前只有少数问题（因式分解、无序搜索、量子模拟）有已知的量子加速方案。

结论是：现有的连续计算方案都是领域专用的。你不能用光子干涉仪写文本编辑器，不能用忆阻器实现编译器。通用的连续计算如何实现，甚至是否可能实现，仍然是一个开放问题。

3.3　纠错：保护连续量的代价

数字纠错是成熟的技术——ECC内存、CRC校验、纠错码——都建立在离散代数的基础上。离散值只有有限种可能，错了就知道错了，而且常常能纠正回来。

连续量的纠错困难得多。一个电压值偏离了预期，你怎么判断它是"正确的3.14159"还是"被噪声污染后的3.14160"？你没有"正确码字"的参考，因为连续值的可能性是无穷的。

量子纠错提供了一个部分解决方案，利用纠缠和冗余来保护连续的量子信息。但代价是巨大的：当前的量子纠错方案需要大约一千个物理量子比特来保护一个逻辑量子比特。这意味着一台拥有一百万个物理量子比特的量子计算机，其有效的逻辑量子比特可能只有一千个左右。纠错的物理开销是量子计算走向实用的最大障碍之一。

对于经典连续计算，系统性的纠错方案几乎不存在。工程上的做法是尽量降低噪声（屏蔽、制冷、差分设计），而不是在噪声发生后纠正它。这限制了经典连续计算能达到的最终精度。

3.4　软件生态：最大的鸿沟

也许最大的障碍不在硬件。八十年来人类建立的整个软件栈——操作系统、编程语言、编译器、库、框架、应用程序——全部为离散计算设计。全世界数千万程序员被训练使用离散工具思考问题。连续计算的软件栈几乎每一层都是空白：没有成熟的连续编程语言，没有连续计算的操作系统，没有标准化的连续指令集。即使明天造出了完美的连续硬件，也没有人知道怎么给它写程序。

3.5　经济性：谁来买单

技术上可行不等于经济上可行。数字芯片在六十年的摩尔定律推动下，制造成本持续下降，一块通用处理器可以运行无穷多种程序。连续计算硬件缺乏这种规模效应：光子芯片需要新的制造工艺，忆阻器的良率和一致性尚未达到量产标准，超导量子计算机需要毫开尔文级别的制冷系统，一台量子计算机的辅助设备占据整个房间。

在可预见的未来，连续计算硬件的单位成本将远高于数字芯片。只有在连续计算的性能优势足以抵消成本劣势的特定领域——高性能AI推理、量子化学模拟、特定的优化问题——经济账才算得过来。通用的连续计算在经济上取代通用的数字计算，在可预见的未来不会发生。

这些落地难题——噪声、可编程性、纠错、软件生态、经济性——每一个都是严峻的，但它们讨论的仍然是连续计算本身的困难。还有一层更深的困难尚未触及：即使连续计算独立地成熟了，把它和离散计算真正合为一体，涉及的挑战是完全不同量级的。

---

第四章　合体的难处

把离散和连续简单地接在一起，1960年代的混合计算机就做过了。真正的合体比"接在一起"难得多。

4.1　接口瓶颈

离散部分和连续部分之间的通信需要模数转换和数模转换，每次转换引入延迟和精度损失。如果两部分需要频繁通信，转换的开销可能抵消连续计算的速度优势。1960年代混合计算机的实践已经证明了这一点：转换器是整个系统最薄弱的环节。

真正的合体需要离散和连续在同一个物理基底上融合，而不是通过转换器桥接。但目前没有已知的物理基底能同时原生支持离散逻辑和连续动力学。最接近的候选是量子系统——连续的态演化加上离散的测量——但量子计算本身尚未成熟。

4.2　计算模型缺失：最根本的障碍

这是合体计算面临的最深层困难。

离散计算有图灵机作为语义基础。它精确定义了什么是一步计算、什么是程序、什么是停机。所有编程语言、编译器、操作系统，最终都建立在图灵机的概念之上。连续计算有BSS模型作为语义基础——1989年Blum、Shub和Smale建立的实数上的计算理论，定义了实数上的运算、分支、迭代，有自己的复杂性类和不可判定问题。

但合体计算的语义基础是什么？

一个合体程序的一部分使用离散逻辑，另一部分使用连续动力学。离散的条件分支和连续的微分方程演化如何在同一个程序中共存？当连续部分的演化触发了一个离散的状态跳转，而这个跳转又改变了连续部分的方程，这种交互的语义该如何定义？程序的正确性如何保证？

混合系统理论是目前最接近的尝试。1995年Alur等人提出的混合自动机定义了连续流加离散跳转的形式化模型。但混合自动机主要用于控制系统的安全验证，不是通用计算模型——它没有图灵机的通用性，也没有BSS模型的数学深度。

这个空白意味着我们甚至还没有一种语言来精确描述"合体程序"是什么。没有语义基础，就没有正确性的定义；没有正确性的定义，就没有编译器、没有调试器、没有验证工具。

正如微积分的发明为连续物理提供了语言，布尔代数的发明为离散计算提供了语言，合体计算可能需要一种全新的数学语言。这种语言必须能自然地表达离散和连续的交互，就像微积分自然地表达变化、布尔代数自然地表达逻辑一样。它也许已经存在于数学的某个角落——非交换几何、范畴论、导出代数几何——但尚未被发现可以用于计算理论。在这种语言被发明之前，合体计算将停留在工程拼接的阶段，无法进入理论成熟的阶段。

4.3　类型系统与验证框架的缺失

计算模型的空白向上传导，造成了一系列具体的缺失。现有编程语言的类型系统完全是离散的——整数、浮点数、布尔值、字符串。合体计算需要能表达真正的实数、连续时间信号、连续场的类型，而且如果经典连续类型和量子连续类型的性质不同——一个可读一个不可读——类型系统还必须反映这种区别。这些类型之间的转换规则和运算规则，目前没有人定义过。

验证框架同样缺失。离散程序的正确性可以用模型检查和定理证明来验证，连续系统的稳定性可以用李雅普诺夫理论来分析。但合体程序需要统一两套数学框架，目前的混合系统验证技术只能处理极简单的系统——几个连续变量加上几个离散模式。

这些不是工程困难，而是概念缺失。但概念缺失不等于原则不可能。历史上，微积分在被发明之前也是一个概念空白——人们能感觉到需要一种描述连续变化的语言，但这种语言不存在，直到牛顿和莱布尼茨独立地发明了它。合体计算可能正处于类似的历史阶段。

尽管真正的合体面临如此深层的困难，仍然值得诚实地评估：如果这些困难最终被克服，世界会发生什么变化？这个评估必须谨慎，因为第三章已经揭示了连续计算自身的局限——特别是噪声问题——这意味着合体计算机不会是一台魔法机器。

---

第五章　什么会改变

假设合体计算机最终实现了——无论以何种物理形式。以下判断需要区分两个层面：连续计算作为原生能力带来的结构性改变，和受限于连续硬件自身局限的部分改变。

这里有必要先澄清"原生"的含义。本文所说的原生连续计算，指硬件直接使用连续的物理量进行运算，不经过离散编码。这不等于精确计算——经典连续硬件有物理噪声，量子连续硬件有退相干——但它消除了离散编码这个中间层所引入的特定类型的误差，即舍入误差。舍入误差和物理噪声是两种不同性质的误差，后面的讨论将反复依赖这个区分。

5.1　结构性改变：离散编码引入的偶然困难大幅缓解

当前工程中大量的困难不是来自问题本身，而是来自"用离散方式编码连续对象"这一翻译过程。如果这个翻译层被消除，以下困难的性质将发生根本变化。

首先是代数恒等关系的维护。在离散计算中，两个理论上相等的值经过不同的浮点运算路径后，会因为不同的舍入序列而产生不同的结果。这意味着 $a\times (b+c)$ 和 $a\times b+a\times c$ 在浮点运算中可能不相等，分配律在浮点世界里不成立。这个问题的根源不是精度不够，而是离散舍入破坏了代数结构。在理想的连续计算模型中（如BSS模型），代数恒等关系由运算结构保证，不依赖容差判断。在实际的连续硬件中，物理噪声仍然会引入误差，但噪声误差的统计特性（通常是随机的、对称的）与舍入误差的系统特性（确定性的、路径依赖的）不同，可能允许不同的、在某些场景下更有效的应对策略。

其次是网格作为计算必需品的地位改变。当前求解偏微分方程必须先将连续域离散化为网格，方程的解在网格节点上求值，网格的质量直接影响解的质量。如果连续场可以被原生表示和运算，计算阶段不再需要网格。但必须指出，结果要显示在屏幕上需要离散像素，要加工成零件需要离散的刀路，要存储和传输需要某种有限表示。消失的不是网格本身，而是网格作为计算前提的必要性，网格从计算的核心退到了输出的边缘。

第三是数值算法的设计空间扩展。当前的数值算法花费大量精力维护数值稳定性——选择不会放大舍入误差的计算路径，避免灾难性抵消，控制条件数。如果基础运算不再有舍入误差，算法设计可以更多地关注数学本质——收敛速度、逼近质量、问题结构的利用——而不是被迫绕开浮点陷阱。

5.2　部分改变：受连续硬件自身局限的约束

精度问题不会完全消失，而是改变性质。当前的精度困难来自离散舍入。合体计算机中，如果使用经典连续硬件，精度困难将来自物理噪声；如果使用量子硬件，精度困难将来自退相干和有限的测量统计。只有在理想的无噪声连续计算模型中，精度困难才完全消失。现实中的合体计算机将在两种误差来源之间寻找最优分工：把对舍入误差敏感的运算交给连续硬件，把需要高精度逻辑判断的运算留给离散硬件。

脚手架大面积缩减，但不会完全消失。与离散逼近直接相关的工程技巧——容差管理、网格生成、数值稳定性技巧——将大幅缩减。但与连续硬件噪声相关的新型工程技巧可能出现：噪声建模、信噪比管理、模拟结果与数字结果的交叉校验。旧的脚手架倒了，新的脚手架可能长出来，只是数量会少得多，因为噪声管理比离散逼近的复杂度低一个层级。

5.3　概念层面的改变

即使精度困难只是部分消失，工程师花在对抗离散化上的精力也将大幅释放。更多的注意力可以投向问题本身——物理建模、算法设计、概念架构。这是一个比任何具体技术进步都更深远的变化：它改变的不是计算的能力，而是人的注意力分配。

数学分支的重要性也将重新洗牌。微分几何、泛函分析、测度论——这些在离散计算机上被边缘化的数学——在合体计算机上可能重新成为核心工具，因为连续量终于可以被原生处理了。反过来，当前数值分析中大量关于离散化误差控制的技术，其重要性将下降。

变化是显著的，但不是无限的。合体计算机有清晰的能力边界，许多根本性的困难不在这个边界之内。

---

第六章　什么不会改变

不可判定性不会消失。停机问题在图灵机上成立，在BSS模型上成立，在量子计算机上成立，在任何物理上可实现的计算模型上都成立。合体计算机不会改变这一点。

NP-hard问题不会变容易。组合爆炸来自离散结构本身的性质，不是计算机架构的限制。量子计算在某些问题上有加速，但目前没有证据表明任何物理上可实现的计算模型能在多项式时间内解决NP-hard问题。

混沌系统的长期预测仍然不可能。计算精确了，但初始条件从物理测量来，测量有有限精度，测量误差仍然会被混沌动力学指数放大。精确的计算加上不精确的测量等于精确的垃圾。天气预报的两周上限不会因为计算机架构的改变而突破。

物理模型的正确性不会改善。合体计算机能精确求解你给它的方程，但不能告诉你方程是否正确地描述了物理。湍流模型是近似的，材料本构关系是近似的，气候参数化方案是近似的。精确求解一个不够准确的方程，等于精确的偏差。

人的理解力不会自动跟上。合体计算机可能精确求解一个复杂方程，给出一个高维连续函数作为答案。精确的答案不等于可理解的答案。计算能力的提升不等于理解力的提升。这已经在深度学习中初现端倪：模型做出了正确的预测，但没有人能完整地解释为什么。合体计算机可能把这种困境推向更极端的形式。

会改变的（偶然困难缓解）：              不会改变的（本质困难完好无损）：

  ✅ 离散舍入误差 → 大幅缓解             ❌ 不可判定性 → 不变
  ✅ 网格作为计算前提 → 不再必需          ❌ NP-hard → 大概率不变
  ✅ 代数恒等关系的破坏 → 结构性改善      ❌ 混沌的长期预测 → 不变
  ✅ 数值稳定性的额外负担 → 大幅减轻      ❌ 模型的正确性 → 不变
  ⚠️ 精度问题 → 改变性质但不完全消失     ❌ 信息的物理极限 → 不变
  ⚠️ 脚手架 → 大幅缩减但可能出现新型     ❌ 人的理解力 → 不变

合体计算机消灭的是离散编码带来的偶然困难，留下的是数学和物理的本质困难。脚手架可以大面积拆除，但骨骼永远在那里。

还需要正视一个更深的问题。如果物理学对世界底层结构的探索最终表明，实在既不是纯离散的也不是纯连续的，而是超越这一对立的某种更深结构——正如量子力学教会我们光既不是纯粹的波也不是纯粹的粒子——那么离散加连续的合体仍然不是终极答案。它只是比"只有离散"更接近实在的结构。但更接近，就已经值得追求了。

认清了什么会改变、什么不会改变之后，剩下的问题是实际的：从今天到合体计算机之间，路径是什么？

---

第七章　从理想到路径：可能的过渡方案

完美的合体计算机也许要很久之后才能实现。但在那之前，有三个层次的事情可以逐步去做。

近期可以做的是领域专用的混合加速。在传统数字计算机旁边，为特定领域添加连续计算加速器——就像GPU之于图形计算、TPU之于神经网络。CPU仍然负责离散的通用计算，光子加速器处理矩阵运算，模拟AI芯片处理神经网络推理，量子协处理器处理特定优化问题。主程序仍然运行在CPU上，特定的计算内核卸载到连续加速器上。这不是真正的合体，而是同盟——各自独立，通过接口协作。效率受接口瓶颈限制，但它是立刻可以做的事，不需要等待任何理论突破。

中期可以做的是异构集成与统一编程模型。将数字电路、光子电路、模拟电路甚至量子电路集成在同一个芯片封装中，开发统一的编程模型，让程序员可以在同一个程序中声明哪些运算由离散硬件执行、哪些由连续硬件执行，编译器负责路由和接口管理。这一阶段的核心挑战不在硬件集成——异构封装技术正在快速进步——而在第四章讨论的计算模型问题。没有统一的语义框架，编译器就不知道如何安全地在离散和连续之间分配计算。

远期才可能实现的是真正的合体——一种从根本上统一了离散和连续的计算基质，不再需要接口转换，因为离散运算和连续运算发生在同一个物理基底上。这需要新的物理基底、新的计算模型、新的编程范式。物理学允许它的存在——量子力学本身就是离散与连续的合体，连续的态演化产生离散的测量结果。如果大自然可以用量子力学同时处理离散和连续，那么原则上，我们也可以建造一台利用这种能力的机器。但从"原则上可以"到"工程上做到"的距离是巨大的。

---

第八章　结语

五条路径——神经形态、光子、模拟AI芯片、量子、可逆计算——正在从不同方向把连续性还给计算机。它们还没有汇合，各自面临严峻的挑战。更关键的是，真正的合体所需要的计算模型——那个统一离散语义和连续语义的数学框架——甚至尚未被发明。

这不会是终点。即使离散与连续都被统一，不可计算性、不可判定性、实在的终极结构——这些更深的问题仍然等在那里。

但总比没有强。