新点积算法：量化权重下乘法次数降至 n/2^k
原文标题：Decode Late, Multiply Once: Rethinking the Dot Product for Quantized Weights
重要度 3/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。
论文提出一种针对低位权重的点积重构方法：把每个 k 位权重码直接当作地址偏移选择 2^k 个累加器之一，激活值累加进去，最后只做一次融合的解码与乘法。该方法对整数运算精确，乘法次数下降 n/2^k，并给出可替换 MAC 单元的 scatter-accumulate 处理单元 SA-PE，FPGA 综合结果显示共享乘法器时可节省面积与权重存储。
深读 · 结论先行AI 生成展开看要点与影响 ↓
新点积重构把 k 位权重码当累加器地址，乘法次数降 n/2^k，仅末尾做一次解码乘法。
- •长度 n、k 位权重的点积只需 n+2^k 次加法、至多 2^k 次解码与 2^k 次乘法
- •每个激活值累加进由权重码选中的累加器，解码后的权重向量从不实际生成
- •对整数运算精确，兼容整数或浮点操作数及任意（含非线性）解码器，可扩展到分组尺度与矩阵张量积
- •提出 scatter-accumulate 处理单元 SA-PE 替换权重驻留脉动阵列中的 MAC，小乘法器每 tile 只用 2^k 次
- •因不存解码权重，本地权重内存最多缩小 w_d/k；FPGA 综合显示不共享的 SA-PE 比 MAC PE 更大
为什么重要：1–4 比特权重部署已成常态，这条给出的是算术层面的重构而非再训练，对推理芯片与加速器设计有直接参考价值。
以上深读由 AI 依据标题/摘要/正文节选生成，仅供参考；事实以原文为准。
AI 处理过程展开/收起
相关推荐
OpenAI 据悉计划采购谷歌 TPU 芯片，降低对英伟达依赖
AI 摘要据报道，OpenAI 正计划采购谷歌自研的张量处理单元（TPU），以扩大算力规模并实现芯片供应多元化，双方尚未敲定最终条款。OpenAI 同时在推进与博通合作、代号 Jalapeno 的自研 AI 芯片。若交易落地，将直接冲击英伟达在 AI 加速芯片市场的主导地位，并重塑云厂商与大模型公司的算力供应格局。
阿联酋因伊朗袭击调整 5GW AI 数据中心计划
AI 摘要据路透社报道，在遭受伊朗袭击后，阿联酋修订了其 5GW AI 数据中心建设计划。该事件凸显地缘政治冲突对中东地区大规模 AI 基础设施投资的直接冲击，可能影响全球算力布局与供应链。
英伟达预计单季营收达1080亿美元
AI 摘要英伟达预测未来几个月内营收将达到1080亿美元，有望成为继亚马逊、苹果和Alphabet之后又一家季度营收超千亿美元的公司。其数据中心营收同比增长一倍以上，利润也大幅增长。
英伟达公布 OOI 共封装光学技术，原型样品已到位
AI 摘要英伟达在 SEMICON West 2026 上展示下一代共封装光学方案 OOI（Optics-on-Interposer），用大面积硅中介层取代有机封装基板，把光引擎直接集成到承载 GPU 的中介层上。该方案旨在为超大规模 AI 集群提供更高带宽互联，目前仍处研究阶段，无商业化时间表。