低位宽数据格式重塑 AI 训推效率，相约德国ISC低位宽研讨

随着大模型规模持续增长，AI 计算正在面临越来越现实的系统挑战：显存容量、内存带宽、通信开销、计算密度与能耗成本。这些系统挑战，正在成为制约训练与推理效率提升的关键瓶颈。

在这一背景下，低位宽数据格式正成为下一代智能计算的重要技术。它不仅关乎“用更少的位宽表示数据”，更关乎如何在数值范围、精度、稳定性和硬件效率之间取得新的平衡。

6月24日，我们将在德国汉堡举办 Low-Bit Floating-Point for AI Training & Inference 圆桌研讨，与来自 AI 工厂、大学、芯片设计以及软硬件生态的伙伴，共同探讨低位宽数据格式的技术演进与产业机会，聚焦低位宽数据格式在 AI 训练与推理中的核心价值： 如何降低模型训练和推理的内存占用？如何缓解带宽与通信瓶颈？如何在更高计算密度下保持模型精度与训练稳定性？开放的数据格式生态如何推动产业协同和标准化发展？

围绕 HiFloat 系列及更广泛的低位宽数据格式技术方向，本次交流将连接技术、标准、生态与应用实践，推动行业对下一代 AI 数据格式形成更开放、更务实、更前瞻的讨论。这不仅是一场关于数据格式的技术交流，更是一次面向未来 AI 计算架构的产业对话。

与此同时，6月22-26日大会场内会同步进行低位宽数据格式HiFloat8的展览，欢迎前往了解。

如果你关注 AI 计算效率、低位宽数据格式、芯片架构、模型训练优化或开放标准生态，这将是一场值得参与的盛会。

报名链接：https://www.open-edge-hpc-initiative.org/iscevent26/hif/