IEEE 754 浮点数：从比特到数值

解码 IEEE 754 binary32 与 binary64：符号、偏置指数、尾随有效数字段、特殊值、舍入，以及非结合算术。

Denny

2026年5月7日阅读约需 9 分钟

Chalkboard feature illustration for “IEEE 754 浮点数：从比特到数值”

**要点速览：**对于普通二进制数值，IEEE 754 使用 $(-1)^s(1+f)2^{e-bias}$ ：一个符号位、偏置指数，以及带隐含前导 1 的尾随有效数字段。保留的指数模式编码带符号零、次正规数、无穷大与 NaN。由于大多数精确实数结果都必须舍入到有限格式，浮点加法与乘法通常不满足结合律。

当范围与缩放比例已知时，定点二进制很好用；当一次计算必须覆盖相差许多个数量级的数值时，它就会变得不方便。例如，带 16 个小数位的有符号 32 位定点数，步长为 $2^{-16}$ ，范围大约是 $-32{,}768$ 到 $32{,}767.99998$ 。

浮点表示把部分比特分配给指数，让基数点随数值大小移动。IEEE 754 于 1985 年首次发布，当前有效修订版为 IEEE 754-2019。标准定义了二进制与十进制格式、运算、舍入、异常及交换行为。实现可以采用硬件、软件或两者结合，因此符合标准并不表示每颗 CPU 都在硅片中实现每一种格式。

为什么需要浮点数？

科学记数法在纸上解决同一问题： $6.674 \times 10^{-11}$ 把较小的有效数字与较大的指数分开。IEEE 754 就是具有严格规则的二进制科学记数法，规定每个部分获得多少比特，以及如何编码。

格式由两项设计压力塑造：

**规定的编码与运算。**数学数值与位模式并非一一对应：零有两个符号，NaN 则有许多载荷编码。标准规定运算与比较如何处理它们。
**可实现的算术。**指数比较与有效数字对齐必须映射到有限的硬件或软件算法，并具有明确的舍入与异常行为。

为同时满足两者而作出的权衡——偏置指数、隐含前导位、特殊用途指数码——赋予 IEEE 754 独特的形状。

单精度布局（32 位）

| 31 | 30 ............ 23 | 22 ........................... 0 |
|  s |       e (8 bits)   |          m (23 bits)             |
| 1  |                    |                                  |

符号位 $s$ ：1 位。0 表示非负，1 表示负。
指数 $e$ ：8 位，以无符号整数形式存储，偏置为 127。
尾随有效数字段 $m$ ：23 位。对于正规数，它存储隐含前导 1 之后的小数部分。

对于规格化数（最常见情况），数值为：

$v = (-1)^s \cdot \left(1 + \frac{m}{2^{23}}\right) \cdot 2^{e - 127}$

有效数字中的“ $1.$ ”是隐含的——每一个规格化二进制数都能通过选择指数写成前导位为 1 的形式，因此格式可以省下一位。

双精度布局（64 位）

结构相同，但字段更宽：

| 63 | 62 ........... 52 | 51 ............................. 0 |
|  s |     e (11 bits)   |          m (52 bits)              |

符号位 $s$ ：1 位。
指数 $e$ ：11 位，偏置为 1023。
尾随有效数字段 $m$ ：52 位。

数值（规格化）：

$v = (-1)^s \cdot \left(1 + \frac{m}{2^{52}}\right) \cdot 2^{e - 1023}$

范围约为 $\pm 1.8 \times 10^{308}$ ，并具有约 15–17 位有效十进制数字。

为什么指数要加偏置？

把指数存为 $e - bias$ 而不是二进制补码，有一项微妙但重要的好处：浮点比较可以归约为对位模式进行整数比较（并翻转符号位）。如果把两个非负浮点数视作 32 位无符号整数，较大的浮点数也对应较大的整数。二进制补码指数会在正负指数边界上破坏这种单调关系。

全零指数段保留给零与次正规数，全 1 指数段保留给无穷大与 NaN。对于 binary32，普通指数段 1 到 254 对应无偏指数 $-126$ 到 $+127$ 。

特殊情况

指数位	尾随有效数字位	含义
全零	全零	$\pm 0$ （由符号位决定）
全零	非零	次正规数
中间任意值	任意值	规格化数
全 1	全零	$\pm \infty$
全 1	非零	NaN（非数）

零有两种编码（ $+0$ 与 $-0$ ）。在 IEEE 比较中两者相等，但某些运算会产生不同的带符号结果，例如 $1 / +0 = +\infty$ 、 $1 / -0 = -\infty$ 。

次正规数（历史上也称非规格化数）填补零与最小正规数之间的空隙。隐含前导 1 变为 0，binary32 使用有效指数 $-126$ 。这实现渐进下溢：次正规范围内的绝对间距保持恒定，而相对精度在接近零时逐渐下降。

无穷大来自溢出或除以零。它按直观方式在算术中传播： $\infty + 1 = \infty$ ， $\infty \times 0 = \text{NaN}$ 。

NaN表示无效运算： $\sqrt{-1}$ 、 $0 / 0$ 、 $\infty - \infty$ 。NaN 具有传染性——任何包含 NaN 的算术都得到 NaN。关键是，在 IEEE 754 比较中 $\text{NaN} \neq \text{NaN}$ ，所以测试套件使用 isnan()，而不是 ==。

解码示例：0x40490FDB

这是一个著名的 32 位常数。写成二进制：

0x40490FDB = 0100 0000 0100 1001 0000 1111 1101 1011

分割字段：

符号：0——正数
指数：1000 0000 = $128_{10}$ ——实际指数 $128 - 127 = 1$
尾随有效数字：100 1001 0000 1111 1101 1011

有效数字为 $1.\text{(trailing bits)}_2$ ，即：

$1.10010010000111111011011_2$

计算存储的小数部分：

$m_{frac} = \frac{0b10010010000111111011011}{2^{23}} = \frac{4{,}788{,}187}{8{,}388{,}608} \approx 0.5707963$

因此有效数字为 $1.5707963$ ，乘以 $2^1$ ：

$v \approx 3.1415927$

这就是单精度下的 $\pi$ 。常数 0x40490FDB 是 $\pi$ 的经典 IEEE 754 单精度编码，广泛出现在数值库、GPU 着色器与世界各地的考试题中。

编码示例：5.75

把 $5.75$ 转换为单精度 IEEE 754。

第 1 步：转换为二进制。 $5 = 101_2$ 。 $0.75 = 0.5 + 0.25 = 0.11_2$ 。合在一起： $5.75 = 101.11_2$ 。

**第 2 步：规格化。**把二进制点向左移动，直到左侧恰好只剩一位：

$101.11_2 = 1.0111_2 \times 2^2$

因此实际指数为 $2$ 。

第 3 步：编码各字段。

符号：正数，所以 $s = 0$ 。
指数：实际值 $2$ 加偏置 $127$ 得 $129$ ，也就是 1000 0001。
尾随有效数字：删除前导 1，存储接下来的 23 位：0111 后跟 19 个零，即 01110000 00000000 0000000。

第 4 步：组装。

0 | 10000001 | 01110000000000000000000

十六进制为 0x40B80000。反向执行解码过程，可以验证该模式准确恢复 5.75。

注意，5.75 具有精确二进制表示——其小数部分是二的负幂之和（ $2^{-1} + 2^{-2}$ ）。大多数十进制小数并非如此。单精度下， $0.1$ 是 0x3DCCCCCD，解码回来约为 $0.1000000014901...$ ，误差约为 $10^{-9}$ 。这个微小误差就是初学者每次遇到“ $0.1 + 0.2 \neq 0.3$ ”惊讶的根源。

舍入方向

IEEE 754-2019 规定五种舍入方向属性：

舍入到最近值，中间值取偶数（默认）。选择较接近的可表示值；恰好位于中间时，选择有效数字最低位为 0 的值。
**舍入到最近值，中间值远离零。**该属性尤其与十进制算术相关，并非每个二进制浮点环境都会暴露它。
向零舍入（截断）。
向 $+\infty$ 舍入（上取整）。
向 $-\infty$ 舍入（下取整）。

默认模式可以减小统计偏差——直接“逢半向上”会在累积大量数值时引入轻微向上偏差，而逢半取偶能够将其平均掉。

应用能够选择哪些方向，取决于语言、运行时、编译器与硬件环境。可复现性还取决于求值顺序、中间精度、融合运算、库函数与次正规数处理，而不仅是选定的舍入方向。

浮点算术为什么不满足结合律

考虑三个 IEEE 754 单精度值： $a = 10^{20}, b = -10^{20}, c = 1$ 。

$(a + b) + c$ ：先算 $a + b = 0$ ，结果精确（抵消干净）；再算 $0 + c = 1$ 。最终结果为 $1$ 。

$a + (b + c)$ ：先算 $b + c$ 。 $b$ 的指数约为 67， $c$ 的指数为 0。对齐有效数字会把 $c$ 移到远超 binary32 精度的位置。舍入后 $b+c=b$ ，随后 $a+b=0$ 。

两种加括号方式产生不同答案，因此浮点加法不满足结合律。编译器是否可以重新结合表达式，取决于语言规则、实现、优化标志与浮点环境。对可复现性敏感的代码应记录这些选择并测试实际工具链，而不是把某一个编译器标志当成通用保证。

同样的性质也适用于减法（抵消情况）、乘法（极小乘积可能下溢到零）与除法（除以极小数可能溢出为无穷大）。

硬件：FPU

硬件浮点加法器通常执行如下阶段；没有 FPU 的处理器可以用软件实现相同语义：

解码两个操作数的字段。
比较指数；把指数较小的有效数字按差值右移，并保留保护位、舍入位与粘滞位用于舍入。
对齐后执行有效数字加减（使用宽超前进位风格加法器）。
左移结果直到出现前导 1，完成规格化，并相应调整指数。
按当前舍入模式舍入。
把结果编码为 IEEE 754 格式。

数据通路需要指数比较、有效数字对齐、加/减逻辑、前导零检测、规格化、舍入、特殊情况处理与异常报告。RISC-V 的 F 扩展定义 binary32 指令，D 则增加 binary64；两者都是可选扩展，说明标准格式与强制硬件之间存在区别。

有效数字路径会复用二进制算术技术，但 FPU 不只是加了额外管线的整数 ALU：舍入、渐进下溢、NaN、无穷大、带符号零与异常都是其体系结构行为的一部分。

更宽格式

除单精度与双精度外，IEEE 754 还定义：

半精度（binary16）：1 位符号 + 5 位指数 + 10 位尾随有效数字。用于图形与降低精度的数值工作负载。
四倍精度（128 位）：1 + 15 + 112。较少使用，主要用于数值分析与某些金融计算。
bfloat16（不是 IEEE 754 基本交换格式）：1 + 8 + 7。它保留类似 binary32 的指数范围，但精度低得多，广泛用于机器学习。

每种变体都针对目标工作负载，在范围与精度之间作出权衡。

常见陷阱

**没有错误模型就使用 ==。**对某些不变量与离散值，精确比较完全正确；近似结果则需要领域相关的绝对/相对容差或末位单位策略。
**忘记 NaN != NaN。**使用 isnan() 检测 NaN。
**假定结合律成立。**重新排列求和会改变答案。编译器标志可能允许不安全的重新结合，使用前必须理解其含义。
混淆十进制与二进制直觉。 $0.1$ 没有有限的精确二进制表示。对于十进制业务规则，可考虑缩放整数、十进制浮点或 BCD，并仍需定义每一个必要边界上的舍入。
**假定次正规数性能。**有些处理器可以全速处理次正规数，另一些会有性能损失或支持刷新为零模式。应测量目标系统，并在正确性需要时保留渐进下溢。

连接到更广的 CPU 架构

寄存器组织取决于 ISA。有些架构使用分离的整数与浮点寄存器文件，另一些则让部分状态重叠或统一。加载、存储、转换、移动与调用约定共同定义边界。

对于更宽的算术，整数侧依赖与 8 位加法器相关的结构，并按目标规模与优化；浮点侧则加入对齐、规格化、舍入、异常与特殊值处理。

下一步

继续阅读二进制补码详解，理解定宽有符号整数；随后阅读 BCD：二进制编码十进制基础，理解面向数字位的十进制编码。

要在位级进行实验，可使用 ALU 风格的数据通路完成有效数字算术，再把对齐、规格化、保护/舍入/粘滞位与特殊情况分别建模为独立阶段。

规范性参考是当前有效的 IEEE 754-2019 浮点算术标准。