导读
“UE8M0 FP8是针对即将发布的下一代国产芯片设计。”在DeepSeek-V3.1发布文章的置顶评论中，这句简短的技术说明迅速在AI圈引发热议。
这不仅仅是一次模型升级，更是中国AI算力自主化道路上的重要里程碑。DeepSeek此次的技术选择，首次从软件层面反向定义国产芯片标准，为摆脱对外部算力的依赖提供了关键支撑。
如果把AI产业比作一条高速公路，过去三十年我们擅长把路修宽（扩大算力规模），却一直在用别国设计的“车道宽度”（FP32/FP16/BF16 等国际标准）。DeepSeek这一次把车道缩到8bit，却通过UE8M0把动态范围放大32倍，等于在原有路基上凭空多修了两条应急车道——不增加制造成本，却让国产芯片第一次能把大模型“开”得又快又稳。
文字编辑｜宋雨涵
1
技术破局：
FP8不再是英伟达的独角戏
在AI计算领域，数据精度格式长期被国际巨头主导。FP8（8位浮点数）作为较新的数据格式，能够显著降低显存占用和计算资源需求，同时保持较高的计算精度。
传统FP8存在两种主流格式：E4M3（4位指数+3位尾数）和E5M2（5位指数+2位尾数），均由英伟达等国际巨头主导制定。
DeepSeek采用的UE8M0格式则完全不同：无符号、8位指数、0位尾数，这种格式只能表示2的n次方，特别适合作为缩放因子在矩阵运算中使用。
UE8M0最初来源于NVIDIA PTX指令集，但DeepSeek通过DeepGEMM开源库实现了工程化突破，为整个生态的落地提供了可能。
UE8M0 FP8详细解读
FP8：FP代表浮点数（小数），8代表数据用8bit（8位0、1）表示。计算机里的小数都是用科学计数法表示的，只不过与通常的科学计数法不同，不是10的次方，而是2的次方，例如3.14可以表示为1.57*2^1，0.618可以表示为1.236*2^（-1）。
U：Unsigned，无符号，与有符号（Signed）相对应，也就是数字不带正负号，这种数据格式无法表示负数，但是可以用同样的数据长度表示更多正数。
E：Exponent，指数，科学计数法的“次方”。
M：Mantissa，尾数，科学计数法的“头”或“有效数字”。
UE8M0：无符号（只能取0或正数），用8位数字表达指数，用0位数字表达尾数（此时尾数默认为1），也就是说这种数字格式只能表示2的n次方，从2的0次方到2的255次方。
UE8M0与常规FP8的区别：常规FP8通常是“（S1）E5M2”或者“（S1）E4M3”，对数据的表示范围有所不同。
与英伟达主导的E4M3/E5M2 FP8标准相比，UE8M0的无符号设计和全指数编码更贴合国产芯片的架构特性。例如，摩尔线程MTT S5000 GPU、芯原VIP9000 NPU等新一代国产芯片已原生支持UE8M0格式，并与DeepSeek等15家厂商完成联合验证。这种软硬协同的设计，使国产芯片在同等硬件条件下可运行更大规模模型，“性价比” 竞争力显著提升。
2
为什么是UE8M0？
国产算力的巧妙取舍
相比传统浮点格式（如FP32、FP16或BF16），UE8M0 FP8的优势包括：
1、内存和带宽节省：FP8能减少50%-75%的内存占用，而UE8M0进一步简化结构（无符号、无尾数），在相同硬件下可降低显存需求高达75%，允许更大模型在有限资源上运行；
2、计算效率提升：通过将浮点乘法转换为指数加法，利用整数计算单元，应对算力不足的问题。在训练速度上，可提高整体效率，减少硬件依赖（如手机芯片阵列）；相比标准FP8，UE8M0更适合微缩放场景，减少量化误差，并在国产芯片上提供更高兼容性；
3、成本降低：更低的内存和计算需求意味着数据中心的运营成本下降；而且，相比FP4（更低精度但精度损失更大），UE8M0平衡了效率和可用性，避免过度牺牲模型性能。
举例来说，2^m * 2^n = 2^(m+n)，只需要一次加法运算即可完成。在硬件层面，加法器电路面积远小于乘法器，运算速度也快数倍，这可大幅提升计算效率并降低芯片面积。
对国产芯片而言，这一特性意义重大。通过在有限制程下塞入更多整形计算单元，国产芯片可以在硬件性能暂时落后的情况下，通过算法优化实现综合竞争力的提升。
UE8M0格式的采用，体现了DeepSeek在工程优化上的创新思维：以算法创新弥补硬件不足，为国产算力找到了一条差异化发展路径。
三、挑战与机遇并存：国产算力的黄金时代
尽管UE8M0 FP8带来了新的机遇，国产算力仍面临多重挑战。
硬件基础上，国产芯片在制程工艺、内存带宽、互联技术等方面与国际顶尖水平存在差距。
软件生态的成熟非一日之功，需要芯片厂商、算法公司、应用开发者共同长期投入。 UE8M0 FP8要真正发挥作用，需要国产芯片在算子层面原生支持E4M3/E5M2格式，并支持UE8M0缩放标准。
国际市场政策环境的不确定性，也可能影响相关技术的全球推广与合作。 国产算力需要在国内市场率先形成闭环应用，才能具备国际竞争力。
建议与思考，国产算力的发展路径
对芯片厂商而言，应加快FP8技术的硬件支持，同时积极参与软件生态建设，降低开发者使用门槛。
对模型开发商而言，应继续深化与芯片厂商的合作，通过算法创新弥补硬件不足，实现软硬件协同优化。
对政府部门而言，应保持政策连续性，同时加强标准制定和产业引导，避免重复建设和资源浪费。
对行业用户而言，应给予国产算力更多试错机会，通过实际应用反馈促进技术迭代，共同构建国产算力生态。
结语：
FP8的本质是通过一定精度的牺牲，来取得更大的算力综合性能。DeepSeek作为领先的AI模型开发商，其技术选型对行业具有强示范效应，成功应用FP8证明了这一技术路径的可行性，为整个产业提供了重要参考。
随着国产芯片对FP8的全面支持和完善，中国有望在AI算力领域形成硬件、软件、应用协同发展的良性生态。这不仅将支撑中国AI产业的创新发展，更将在全球算力格局中塑造新的竞争态势。
