平静以待 的讨论

你从网上摘抄一些FP64的定义，并不能改变你不懂计算机技术的事实，所以不要妄下结论，说FP64在深度学习中不常用。我虽然不是AI领域的，但起码知道计算精度对于结果是非常重要的，OpenAI的技术路线就是大力出奇迹，是靠算力堆出来的，没说要节约内存和计算资源。现在奥特曼正在寻求融资7万亿美元，就是要堆算力。省内存，节约成本，这是其他红海芯片市场的做法，但不是现在AI芯片的需求，谁让你省内存减算力的？技术路线是完全不同的。当然除非你能搞出更牛的算法出来，那就不需要这么大的算力了，这个贡献能载入史册。
回到FP64对于AI的重要性，引用一下专业人士的话：“资深芯片专家、千芯科技董事长陈巍告诉记者，从上述流传产品图看，英伟达这一版芯片主要在算力方面进行阉割。但他也提到，英伟达为了正常供应按理说会阉割FP64算力，但H20芯片却没有。”。看了这段话，你觉得AI训练需不需要FP64?

在AI的产业机遇下，FP64的技术和产品卖不掉？是强着要吧？
小米没有发布过任何有较强技术含量的产品，包括小米的供应商，都是销售渠道那一套。

深度学习场景下只要FP32就可以确保训练收敛，甚至目前还会进一步“退化”到FP16+FP32混合精度以提高效率，而推理FP16，INT88、INT4就可以了。FP64不是用在AI上的，用途是科学计算，用在超算上。在景嘉微之前有FP64的只有海光深算，因为超算要用。
国产AI芯片没有FP64不是因为它难到别人搞不定，而是芯片面积有限，放了FP64单元，其他单元就会减少，而这些芯片都是AI芯片FP64几乎用不上。景嘉微为什么放FP64，因为军方爸爸需要啊，不记得它今年得向爸爸交货了吗？
美国禁FP64芯片到中国，也不是因为AI特别厉害，是禁我们的超算。

你没必要跟我胡搅蛮缠。我引用别人的话是加“”的，而且能给出出处网页链接。而你没有经过学术训练，引用别人的话，不加引号，很可能自己添油加醋，也很可能无法给出出处。

你既然自己知道不专业，还要下这样的判断，你的依据是从哪来的？

为什么AI不需要FP64，运算精度高不好吗？有没有依据，不要自己拍脑门，你也不是这个专业的。

如果AI不需要FP64，英伟达也就没必要支持了。运算精度对AI的训练效果肯定重要，这个毫无疑问。

老兄你是会断章取义，春秋笔法的。
人家原文是这这样的。芯片专家陈巍指出，通过流传的产品图可以看出，英伟达在这一版芯片主要进行了算力的阉割。阉割的对象主要包括FP64（双精度浮点运算），通常用于科学和工程领域的高精度计算。然而，令人意外的是，H20芯片并没有阉割FP64算力。此外，他表示，为了正常供应，英伟达通常会阉割FP64算力，但在这次的产品中并未采取这一。
很明确的说了FP64用于科学和工程领域的高精度计算，引申意思美国禁止我国获取用于超算的芯片，但英伟达没有阉割FP64。但是从哪里看出他说FP64对于AI的意义？

FP64（双精度浮点数）：用64位二进制表示，其中1位用于sign，11位用于exponent，52位用于fraction。它的数值范围大约是2.23e-308到1.80e308，精度大约是15到17位有效数字。它通常用于科学计算中对精度要求较高的场合，但在深度学习中不常用，因为它占用的内存和计算资源较多。
FP32（单精度浮点数）：用32位二进制表示，其中1位用于sign，8位用于exponent，23位用于fraction。它的数值范围大约是1.18e-38到3.40e38，精度大约是6到9位有效数字。它是深度学习中长期使用的标准格式，因为它能平衡数值范围和精度
这不是我说的，请问说的有错吗，错在哪里？

我确实不专业，但是AI和科学计算数据类型不一样，AI用FP32就够了，科学计算得用FP64。AI用FP64开销太大划不来。又不是数字越大算得越快，64存储空间需求比32大多了，还多占用带宽。这就是为什么算法迭代的尽量时候考虑降低精度呢，原本FP32才能干的活，FP16就能干了，它快啊。要不然为什么推理喜欢用FP16，INT8，INT4，按照你的逻辑用FP32不香吗？