我唔知你最新嗰代,即係rail rubin晶片係去到FP幾啫,係咪先?我唔知,因為gradebackwell其實已經去到去到FP8㗎嘛,如果冇記錯,咁你rail rubin係咪已經去到FP4啫,係唔係先？
我唔知，
即係佢支唔支援FP幾呀？
咁佢下一代費曼家又支持FP幾，
即係你原理上去到FP2你就冇得再升㗎啦嘛，
再升就大鑊㗎啦嘛

係，你記得嘅大方向啱，但有一個好重要嘅修正：Blackwell 唔係「只去到 FP8」；Rubin 亦唔係「由 FP8 升到 FP4」咁簡單。 其實 Blackwell 已經原生支援 NVFP4，而 Rubin 係將 NVFP4 再進一步強化。(NVIDIA Developer)

直接講答案

NVIDIA 世代	低精度 AI	重點
Hopper	FP8	FP8 成為主流低精度 Tensor Core 計算
Blackwell	FP8 + FP4 / NVFP4	已經跨入 4-bit
Rubin	FP8 + NVFP4	進一步把 4-bit 做成主要高效能路線
下一代	未公開確定	FP2 未有可靠官方規格

NVIDIA 官方對 Rubin GPU 嘅資料非常清楚：Rubin 有 50 PFLOPS NVFP4 inference、35 PFLOPS NVFP4 training，同時 Tensor Core 亦針對 NVFP4 和 FP8 優化。(NVIDIA Developer)

所以如果你問：

「Rubin 支唔支持 FP4？」

答案係：

支持，而且係核心賣點之一。

甚至 NVIDIA 2026 年已經公開講到，NVFP4 可以用於 Blackwell 同 Rubin 嘅大模型 pre-training。(NVIDIA Developer)

---

咁你話「FP2 就到盡頭」——呢個直覺有一半啱

如果你講嘅係：

單純把 floating-point bit-width 一路由 FP8 → FP4 → FP2 → FP1 咁降低。

咁係。

FP2 已經非常非常極端。

FP4 本身已經只有非常有限嘅離散值；NVIDIA 自己解釋 NVFP4 之所以仍然可用，關鍵唔係「4-bit 本身神奇」，而係佢用：

16 個元素一組嘅 micro-block scaling + FP8 scale + FP32 tensor-level scale

去補返 FP4 本身極低 dynamic range 嘅問題。(NVIDIA Docs)

即係你可以理解成：

FP4 個尺本身好短

但我可以不停幫你：

「重新調校把尺嘅比例。」

所以先至可以實際用。

---

但最重要嘅係：FP2 唔等於 AI 計算嘅終極天花板

呢度我反而要糾正你之前個「FP2 再落就大鑊」嘅講法。

因為 NVIDIA 現時其實已經示範緊一件非常重要嘅事：

下一輪 scaling 唔一定係繼續將所有數字由 FP4 壓到 FP2。

而係：

FP4

↓
更精細 scaling

↓
更好的 quantization

↓
sparsity

↓
MoE

↓
只計真正重要嘅參數

↓
更高 memory bandwidth

↓
更大 cluster

↓
更有效 interconnect

呢啲全部都可以帶來 effective compute scaling。

---

而 Rubin 最值得你留意嘅，其實唔係「FP4」

而係：

Rubin 已經開始由「一粒 GPU 有幾多 FLOPS」轉向「整個 AI factory 可以產生幾多 tokens / intelligence」。

例如 Rubin 官方資料講：

• HBM4：22 TB/s
• NVLink：3.6 TB/s / GPU
• 336 billion transistors
• 50 PFLOPS NVFP4 inference
• 35 PFLOPS NVFP4 training

(NVIDIA Developer)

而 NVIDIA 對 Vera Rubin 嘅定位亦已經係：

pre-training → post-training → test-time scaling → agentic inference

全部放入同一個 AI factory。(NVIDIA 投資人網站)

呢個其實同你頭先講嘅「scaling 仲有好多路」非常吻合。

---

所以我會將你個「三分之一」比喻修正成：

你唔可以話：

「FP4 → FP2 → FP1，所以仲有三分之二。」

因為冇辦法咁計。

但你可以話：

「AI 加速器嘅 scaling space，絕對唔係淨係剩低 precision scaling。」

呢句我完全同意。

因為 NVIDIA 而家自己已經將 scaling 拆成好多條軸：

Precision

× Compute density

× Memory bandwidth

× Interconnect

× Sparsity

× Architecture

× Cluster size

× Cooling / power

× Software

× Test-time compute

× Agentic inference

所以即使有一日：

FP4 真係已經接近 numerical floor

都唔代表：

AI compute scaling 完咗。

---

其實你個「大象 → 藍鯨」比喻，放喺呢度就好準

你原本以為係：

大象 → 更大隻大象 → 更大隻大象 → 頂。

但真正 NVIDIA 做緊嘅可能係：

大象 → 換咗生活環境 → 海洋 → 藍鯨

即係唔再只係：

「一粒 GPU 再大 20%。」

而係：

GPU → rack → NVL72 → POD → AI factory → million-GPU scale

NVIDIA 甚至已經公開講緊 million-GPU AI factories 同 optical networking。(NVIDIA Newsroom)

所以真正值得留意嘅係：

FP4 可能係 precision scaling 嘅一個重要低點，但唔係 AI scaling 嘅終點。

而且目前我搵唔到 NVIDIA 官方確認下一代所謂 「Feynman」一定係 FP2；所以呢部分我唔會當成已公布規格。截至目前公開資料，Rubin 明確係 NVFP4 + FP8；FP2/Feynman 就仍然唔應該當成已確認事實。