AI晶片廠盼FP8格式標準化
https://bit.ly/3z1uhWX
2022年3月，輝達（NVIDIA）推出了第一款基於全新Hopper架構的GPU—GH100，其目標市
場是高效能運算（HPC）和AI工作負載。對AI工作負載更重要的是，GH100支持8位元浮點
處理格式（FP8）。兩個月後，競爭對手英特爾也推出了採用FP8格式的第二代AI訓練晶片
Gaudi2。
FP8格式之所以重要的原因有很多，其中最重要的是，AI推理之間存在一種分裂，在整數
格式（通常為INT8，但有時為INT4）以低精確度完成，在AI訓練以FP16、FP32或FP64精確
度完成，在HPC以FP32或FP64精確度完成。輝達和英特爾都認為FP8不僅可以用於推理，在
某些情況下還可以用於AI訓練，從而從根本上提高加速器的有效吞吐量。
這真的很重要，因為在浮點和整數格式之間來回切換是一件令人頭疼的事情，如果能讓所
有內容都停留在浮點中變得容易很多。此外，在未來的某個時候，如果推理轉移到8位FP8
甚至可能是4位FP4格式，這意味著致力於整數處理器的有價值晶片資產可以被釋放並用於
其他用途。
2022年6月，Graphcore研究發展低精確度浮點格式卓越性能，以及其能降低AI訓練中功耗
的長期好處。低精確度數字格式可能是大型機器學習模型的關鍵組成部分，其不僅提供了
最先進的準確性，同時減少了對環境的影響。特別是，通過使用FP8算術之能量效率比起
FP16提高多達4倍，比FP32提高多達16倍。
如今Graphcore正在鼓吹IEEE針對AI設計採用FP8格式，並成為所有廠商都可以使用的標準
。
超微和高通也支持Graphcore的計劃，高通認為FP8格式，不僅可為推理和運算提供了顯著
的性能和效率提升，還可以幫助降低雲端和邊緣之訓練和推理成本。超微預計將在即將推
出的Instinct MI300A APU中支持FP8格式。至於SambaNova、Cerebras和Groq等AI晶片製
造商也將因為這一趨勢而受益。
換言之，FP8可讓AI產業有機會接受“AI-native”標準，以及跨系統的推理和訓練互操作
性。在 IEEE正式製定標準之前，Graphcore將向業內其他人提供其規範。
總之，隨著深度學習應用程式複雜性的不斷增加，機器學習系統的可擴展性也變得不可或
缺，大型分散式模型的訓練帶來了許多挑戰。在這種情況下，使用有效的FP8數位格式至
關重要，因為在處理器之間交換資料時，它可以提高運算效率和通訊效率，進而提高功率
效率。