这两年AI爆发，它不仅影响了AI产业，实际上还在改变了芯片发展的方向，但是这个方向对HPC、科学计算来说可不一定是好事。这是因为NVIDIA近年来已经把AI性能作为一切的核心，计算精度实际上是不断降低的，以前大家比较GPU性能可能还会计算有FP64、FP32这两个核心指标，如今AI时代，FP16、FP8及FP4才是重点。

我们之前提到过，NVIDIA新一代显卡会转向FP4标准，从Blackwell开始虽然也支持FP4、MXFP4这两种标准，但重点推的是NVFP4，它跟E2M1 FP4结构差不多，但精度几乎没有多少损失。

GB300在支持FP4后性能提升了50%，精度比FP8几乎没有损失，内存占用大幅减少2-3倍，能效则是50倍提升。

但是在FP64上面，这几年的显卡，尤其是顶级产品不仅没提升，还在倒退，HPCWire做了这几代显卡的对比，如下所示：

A100时代FP64性能还有9.7TFLOPS，H100及H200是34TFLOPS，B100、B200是30、37TFLOPS，B300则是大幅降低到了1.2TFLOPS。

这已经引起了学术圈的抱怨，SC25大会期间，TOP500的发起人、田纳西大学教授Jack Dongarra就表示NVIDIA在从Hopper架构转向Blackwell时没有实质性提升FP64性能。

AI性能虽然重要，但在科学计算上，比如材料科学、气候建模、流体力学模拟等研究中，FP64性能是无可替代的。

对于这些质疑，NVIDIA负责HPC、AI超大规模基础设施解决方案的高级总监Dion Harris强调他们并没有放弃64位计算，它依然是核心。

他提到10月份推出的cuBLAS，这是一个CUDA-X数学库，可以在矢量核心上模拟FP64计算，使用这个库可以让FP64性能提升1.8倍。

至于专业人士期待的FP64性能提升，Dion Harris提到NVIDIA未来的GPU会在核心底层上提升FP64计算，但具体信息暂时不能说。

明年3月份会有GTC大会上，NVIDIA应该会公布下一代GPU架构了，或许会在这方面有所变化。