12月14日消息，已成這兩年AI爆發，核心它不僅影響了AI產業，表態實際上還在改變了芯片發展的放棄方向，但是位計這個方向對HPC、科學計算來說可不一定是已成好事。

這是核心因為NVIDIA近年來已經把AI性能作為一切的核心，計算精度實際上是表態不斷降低的，以前大家比較GPU性能可能還會計算有FP64、放棄FP32這兩個核心指標，位計如今AI時代，已成FP16、核心FP8及FP4才是表態重點。

我們之前提到過，放棄NVIDIA新一代顯卡會轉向FP4標準，位計從Blackwell開始雖然也支持FP4、MXFP4這兩種標準，但重點推的是NVFP4，它跟E2M1 FP4結構差不多，但精度幾乎沒有多少損失。

GB300在支持FP4后性能提升了50%，精度比FP8幾乎沒有損失，內存占用大幅減少2-3倍，能效則是50倍提升。

但是在FP64上面，這幾年的顯卡，尤其是頂級產品不僅沒提升，還在倒退，HPCWire做了這幾代顯卡的對比，如下所示：

A100時代FP64性能還有9.7TFLOPS，H100及H200是34TFLOPS，B100、B200是30、37TFLOPS，B300則是大幅降低到了1.2TFLOPS。

這已經引起了學術圈的抱怨，SC25大會期間，TOP500的發起人、田納西大學教授Jack Dongarra就表示NVIDIA在從Hopper架構轉向Blackwell時沒有實質性提升FP64性能。

AI性能雖然重要，但在科學計算上，比如材料科學、氣候建模、流體力學模擬等研究中，FP64性能是無可替代的。

對于這些質疑，NVIDIA負責HPC、AI超大規?；A設施解決方案的高級總監Dion Harris強調他們并沒有放棄64位計算，它依然是核心。

他提到10月份推出的cuBLAS，這是一個CUDA-X數學庫，可以在矢量核心上模擬FP64計算，使用這個庫可以讓FP64性能提升1.8倍。

至于專業人士期待的FP64性能提升，Dion Harris提到NVIDIA未來的GPU會在核心底層上提升FP64計算，但具體信息暫時不能說。

明年3月份會有GTC大會上，NVIDIA應該會公布下一代GPU架構了，或許會在這方面有所變化。