国产大模型企业DeepSeek“点燃”资本市场。
近日，DeepSeek宣布其新一代模型DeepSeek-V3.1采用了UE8M0 FP8 Scale参数精度，并明确指出该精度标准是针对即将发布的下一代国产芯片设计。这一消息迅速在资本市场引发强烈反应，寒武纪等芯片类上市企业股价集体拉升。
不过，在近两日举办的2025算力大会上，据《科创板日报》的现场采访和观察来看，
在AI训练与推理过程中，为提升计算效率，数值精度的降低是一个常见的技术路径。
摩尔线程AI Infra总监陈志向《科创板日报》称，。
“FP8最直接的优势是算力效率翻倍，另一个好处是降低降低训练和推理过程中网络带宽的通信量。”陈志称，比如原本传输一个FP32数值需4字节，现在仅需FP8仅需要1字节，虽然网络物理带宽本身未必扩大，但单位时间内可传输信息是增加的，同时也让存储要求降低。这意味着在相同功耗下，AI芯片可训练更大的模型或缩短训练时间。
不过，FP8也不是万能的。
在2025算力大会现场，另一名不愿具名的国产芯片厂商从业人员告诉《科创板日报》，
DeepSeek-V3.1使用UE8M0 FP8 Scale 的参数精度，被视为国产AI芯片即将迈入新阶段的信号。受此刺激，寒武纪等芯片类上市公司股价大幅上涨，但产业界人士态度更为审慎。
在业内看来，
在陈志看来，大模型对精度的容忍度越来越高，从FP32到FP16，再到FP8，是整个行业逐步验证过的路径。DeepSeek这次验证了FP8在大规模模型上的可行性，未来在FP8这一标准乃至更高精度上去做研究或者做训练也是一个很重要的方向。
当然，这一趋势也意味着，国产算力生态需要同步升级，包括芯片、框架、算力平台到应用层的闭环适配。
陈志表示，精度标准一旦变化，上下游厂商也需要联动优化。摩尔线研究，既是技术储备，也是为了在生态调整中占据主动。
他进一步说到，大模型训练推理的核心瓶颈不仅是算力规模，还包括能耗、稳定性和集群利用，“。
