DeepSeekV3.1 提到的 UE8M0 FP8 Scale 是什么？下一代国产芯片设计？

今天官方终于发布了对应的模型，并且在DeepSeek文章提到了一个“UE8M0 FP8 Scale”

相信大家都会有些小好奇吧，带大家一起了解一下，这...究竟是什么

是谁的啊？好难猜哦~

UE8M0 是 DeepSeekV3.1 中提到的，在 FP8 训练中采用的一种参数精度配置：

E和M分别代表指数（Exponent）和尾数（Mantissa）的位数。

•U：表示无符号（Unsigned），可能针对激活值的非负特性优化。•E8M0：8位指数 + 0位尾数（需结合上下文推测具体实现，可能为特殊量化策略）。•FP8 Scale：指量化过程中用于缩放数值的因子（Scale），确保数值在 FP8 的表示范围内。

UE8M0的M=0并非字面意义的“0位尾数”，而是指动态尾数策略：

• 通过隐式归一化（如IEEE 754的隐藏位）或动态调整尾数精度（如Block-wise量化）实现灵活性。

• 实际实现中可能采用动态尾数分配（如根据指数范围动态调整尾数有效位）

  
  

不直白一点是什么？

根据IEEE754标准，浮点数在存储时分为三部分，符号位（通常1位）、指数位和尾数位。这样一来，浮点数的计算为 $(-1)^S *2^(E-127) *M$（下面的图）。打个比方，浮点数3.1就可以表示为01000000010001100110011001100110。
所以对于UE8M0（论文https://arxiv.org/pdf/2506.08027 有提到(下方图中)），U 代表 unsigned 表示无符号位，E8 表示用8位表示指数位，M0 表示不存储尾数。
那么他的表示范围是多少呢？
我们来根据上面的式子计算。符号位S不存在，为0。指数位有8位，范围是0到255。尾数不存在，默认1。
这样一来UE8M0 的表示范围为 2^{-127} to2^{127}（但只能表示2的指数幂）。

太直白，太生硬了，留给专业的人看吧，我们看的更直观一点的信息。

UE8M0 的核心优势主要是计算效率提升，减低部署成本。

FP8 相比 FP16/FP32 减少 50%-75% 的显存占用，支持更大 batch size 或更长上下文（128K tokens）

在 NVIDIA H800 GPU 上，FP8 矩阵乘法速度比 FP16 快 2-3 倍

但与 OAI 开源的 gpt-oss 采用的FP4 还是有些差距。

希望在国产GPU上能拉进距离。

补充一些信息：

3.1做了外扩训练，增加了840B 的tokens。