MXCode 提出 MX 原生码本量化，权重压缩至约 2 比特
原文标题：MXCode: Vector Quantization for MX-Native Inference at Scale
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 MXCode 框架，将超低比特向量量化与 MX 原生 FP4 计算结合，给出 PostScale、PreScale、PreScale+ 三种策略。在 Qwen3 235B、DeepSeek-R1 671B、GLM-5.2 753B 上验证，GB300 硬件上模型加载内存比原生 FP4 降低约 50%，吞吐接近原生 FP4，前缀复用场景 P90 首字延迟最高改善 94.5%。
深读 · 结论先行AI 生成展开看要点与影响 ↓
MXCode 将权重压至约 2 比特，GB300 加载内存比原生 FP4 降约 50%
- •结合超低比特向量量化与 MX 原生 FP4 计算，提出 PostScale、PreScale、PreScale+ 三种策略
- •在 Qwen3 235B、DeepSeek-R1 671B、GLM-5.2 753B 上验证，质量依工作负载而定
- •GB300 上 Qwen3 235B 模型加载内存比原生 FP4 低约 50%，吞吐接近原生 FP4
- •内存受限的前缀复用场景下，P90 首字延迟最高改善 94.5%
- •所有策略直接重建 MX 原生 W4A4 操作数，不物化中间高精度权重
为什么重要：在现有 FP4 硬件上以软件方式逼近 2 比特存储，对显存与带宽受限的大模型推理部署有直接价值。
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。
整数精确微缩放：在 INT8 矩阵单元上跑 MXFP4 模型
AI 摘要论文证明当 MXFP4 权重行的块指数跨度不超过 3 时，线性层可化为单次 INT8 GEMM 加一次重缩放，七个模型中 97.9%–99.97% 的行天然满足。在苹果 M5 神经加速器上实现 W4A8 系统，输出与量化参考逐位一致，预填充比 MLX 快 1.10–1.74 倍，Qwen3.8-Flash-Next 上 GSM8K 准确率 94.8% 对 91.0%。