FP8技術破局：大模型算力革命背後，誰在搶佔AI底層生態？

當 DeepSeek V3.1 版本悄然升級，用戶發現多了 “深度思考” 模式切換按鈕時，一場關於大模型算力效率的暗戰，正通過一項名爲FP8的技術悄然改寫規則。

解碼 FP8：大模型的 “算力平衡術”

在 AI 大模型的世界裡，“精度” 與 “效率” 本是一對冤家：追求更高精度（如 FP32、FP16），會讓算力能耗呈指數級飆升；降低精度（如 INT8），又可能導致模型訓練 “失真”。而 FP8 的出現，恰似給這場博弈找到了平衡點。

簡單來說，FP8 是一種量化計算格式—— 通過 “細粒度量化策略” 壓縮數據規模，再用 “高精度累加算法” 修復誤差，讓大模型在訓練和推理時，算力消耗降低 50% 以上，效率卻能提升數倍（如佳都科技基於 FP8 的大模型訓練效率，較 2024 年初提升超 150%）。

以 DeepSeek 的突破爲例：其團隊攻克 FP8 訓練的 “量化誤差難題” 後，模型訓練的穩定性和效率大幅躍升—— 這意味着，同樣的算力成本，能支撐更大規模的模型訓練，或讓推理響應速度更快。對於正陷入 “算力軍備競賽” 的 AI 行業而言，FP8 堪稱突破算力瓶頸的 “鑰匙”。

產業鏈圖譜：誰在佈局 FP8 生態？

FP8 的爆發，絕非單一公司的狂歡，而是芯片、硬件、模型、終端全產業鏈協同的結果。透過公開信息，我們能清晰看到一場 “技術卡位戰”：

1. 芯片底層：寒武紀、芯原的 “指令集革命”

寒武紀早在 2022 年定增時就埋下伏筆：其 “先進工藝平臺芯片項目” 明確提出，要擴展對 FP8 等數據類型的支持 —— 這意味着，從芯片指令集層面，爲 FP8 算力鋪路。

2. 模型落地：佳都科技的 “場景攻堅戰”

作爲 DeepSeek 的深度合作者，佳都科技把 FP8 用到了 “刀刃上”：旗下 “佳都知行大模型” 全面接入 DeepSeek，從城軌大模型一體機到警務大模型，FP8 混合精度訓練讓效率暴增 150%；更關鍵的是，其已在國產千卡 GPU 集羣完成訓練方法驗證 —— 這不僅是技術突破，更是 “國產算力 + FP8” 的生態閉環嘗試。

3. 終端滲透：智微智能的 “硬件突圍”

當大模型向消費端下沉，智微智能已拿出 “硬貨”：基於 AMD FP8 平臺開發的 Mini AI PC，內置 50 Tops AI 算力，直接把 FP8 算力裝進 “巴掌大的主機”—— 這意味着，FP8 不再侷限於數據中心，而是開始向普通 PC、智能終端滲透，爲 AI 普及埋下伏筆。

市場邏輯與未來暗線：效率革命纔剛開始

FP8 爲何在此時爆發？本質是AI 產業從 “拼參數” 轉向 “拼效率” 的必然：

技術成熟度：DeepSeek 等公司攻克 FP8 訓練誤差難題，證明技術可落地；

算力焦慮：大模型參數逼近 “天花板”，繼續堆算力成本陡增，FP8 成爲 “降本增效” 的最優解；

國產替代：寒武紀、佳都科技在國產 GPU 集羣的驗證，凸顯 “自主算力 + FP8” 的戰略價值 —— 擺脫對海外算力的依賴，同時提升效率。

未來，FP8 的故事遠未結束：

技術迭代：是否會出現更高效的量化格式（如 FP4）？精度與效率的平衡將持續突破；

場景落地：除了大模型訓練，FP8 在自動駕駛、醫療 AI 等領域的推理場景，或將釋放更大潛力；

生態博弈：誰能打通 “芯片 - 模型 - 硬件 - 終端” 的 FP8 閉環（如佳都 + DeepSeek + 國產 GPU），誰就掌握生態話語權。

這場由 FP8 引發的算力革命，本質是AI 產業向 “精細化競爭” 的進化。當市場還在追逐大模型 “參數神話” 時，聰明的玩家已開始在底層技術裡 “摳效率”—— 畢竟，真正的 AI 產業化，拼的不僅是 “能做多大”，更是 “能做多省、多快”。

FP8 的爆發，或許只是一個開始。在這場看不見的算力戰爭裡，每個技術突破的背後，都是對未來 AI 生態的一次重新定義。

本文源自：金融界

作者：靈犀投研