待验证50% 置信事实精确时间

当权重仅为-1、0、+1时，矩阵乘法可完全用加减法代替，理论上可将神经网络推理功耗降低5-10倍

1

来源数

50%

置信度

长期有效

时效性

2026/7/17

首次发现

来源

苹果洽购PrismML：极端量化能让AI真正跑在iPhone上吗

相关事实

待验证相比标准INT8量化，三值量化可将模型体积进一步缩小约4倍，并将矩阵乘法退化为纯加减运算71% 相似已验证INT4量化将神经网络权重从FP32压缩为4位整数表示，模型体积缩减约8倍71% 相似待验证未优化网格的 ACMR 可能高达 1.5 以上，经 meshoptimizer 的 Forsyth 变体算法优化后可降至接近理论下限 0.568% 相似待验证MIT最新论文显示通过剪枝技术可以把神经网络缩小90%，推理成本直接降低10倍67% 相似待验证对于稀疏度达到90%的投影矩阵，理论上可将推理计算量压缩至原始的十分之一67% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/538893

API

curl https://kongchang.com/api/v1/knowledge/claims/538893

MCP

get_claim(id=538893)