12月14日快讯，过去两年ai迎来爆发式增长，其影响远不止于ai产业本身，更深层地重塑了芯片技术演进路径。然而，这一转向对高性能计算（hpc）与科学计算领域而言，未必是利好。
原因在于，NVIDIA近年来将AI算力作为产品设计的绝对重心，导致计算精度持续下探。以往评估GPU性能时，FP64（双精度）与FP32（单精度）仍是关键标尺；而进入AI时代后，FP16、FP8乃至FP4已成为研发与推广的核心焦点。
此前我们曾指出，NVIDIA新一代GPU已明确向FP4精度标准迁移。Blackwell架构虽已支持FP4及MXFP4两种格式，但主推的是NVFP4——其结构与E2M1 FP4相近，却几乎未牺牲数值精度。
以GB300为例，在启用FP4后，整体性能跃升50%，精度相较FP8几无衰减，内存占用压缩至原来的1/2–1/3，能效则实现高达50倍的提升。
但反观FP64性能，近年旗舰显卡不仅未见进步，甚至出现明显滑坡。HPCWire对多代GPU进行了横向对比，结果如下：
A100时代的FP64算力尚有9.7 TFLOPS，H100与H200分别达34 TFLOPS；B100、B200小幅上探至30、37 TFLOPS；而最新B300却骤降至仅1.2 TFLOPS。
该趋势已在学术界引发广泛质疑。在SC25大会期间，TOP500榜单联合创始人、田纳西大学教授Jack Dongarra直言：NVIDIA自Hopper架构过渡至Blackwell过程中，FP64性能并未获得实质性增强。
诚然，AI算力至关重要，但在材料模拟、气候建模、流体力学等基础科研场景中，FP64精度仍具不可替代性。
针对上述争议，NVIDIA负责HPC与AI超大规模基础设施解决方案的高级总监Dion Harris回应称，公司从未放弃对64位浮点计算的支持，FP64依然是技术战略中的核心一环。
他特别提到，今年10月发布的cuBLAS库（属于CUDA-X数学工具集），可在矢量计算单元上高效模拟FP64运算，实测可使FP64性能提升1.8倍。
至于业界翘首以盼的硬件级FP64性能升级，Dion Harris表示，未来GPU将在底层计算核心层面强化FP64能力，但具体细节目前尚不便透露。
明年3月举办的GTC大会，预计将揭晓下一代GPU架构，FP64性能能否迎来转折，值得密切关注。
