每个写代码的人，几乎都会经历同一个"信仰崩塌时刻"。你打开浏览器控制台，或者随便一个编程语言的 REPL，自信地敲下 0.1 + 0.2，按下回车，然后盯着屏幕愣住——返回的不是 0.3，而是一串让人怀疑人生的 0.30000000000000004。
这不是 bug，不是哪个语言偷懒，也不是你的电脑坏了。地球上每一台计算机，只要你用浮点数算这道题，都会给出同一个"错"答案。 它们达成了人类历史上最整齐的共识——只是这个共识恰好不等于 0.3。
Computerphile 这支《Floating Point Numbers》（浮点数）是解释这一现象最经典、被引用最多的入门视频之一。它没有甩一堆公式，而是用一个朴素到惊人的类比把这件事讲透了：浮点数根本不是什么神秘玩意儿，它就是我们中学学的科学记数法，只不过换成了二进制。 一旦你看穿这层窗户纸，0.1 + 0.2 ≠ 0.3 就从"玄学"变成"显然如此"。更关键的是——它还能救命。本文在拆解视频核心论证的同时，会补上视频没展开的 IEEE 754 精确结构、以及一个因为"二进制装不下 0.1"而付出 28 条人命的真实惨剧。
| 项目 | 内容 |
|---|---|
| 视频标题 | Floating Point Numbers |
| 频道 | Computerphile（布拉迪·哈兰 Brady Haran 出品的计算机科普频道，订阅约 270 万） |
| 发布日期 | 2014 年 1 月 22 日 |
| 时长 | 约 9–10 分钟 |
| 播放量 | 累计百万级（计算机基础概念长尾爆款，常年被课程引用） |
| 核心主题 | 为什么浮点数算不准 0.3——它的本质是二进制科学记数法 |
视频一开场就点破了那种普遍的错觉。主讲人说得很直白：人是被计算器惯大的。 你从小按计算器，输入什么就精确给出什么，于是你理所当然地以为"计算机 = 绝对精确"。直到某一天，你在学编程时手贱敲了 0.1 + 0.2，电脑却甩给你一个 0.300000000...1（视频里这么口语化描述）。
主讲人把这一刻形容为"开始揪头发"（tear their hair out）的时刻——这几乎是每一个程序员的成人礼。视频的高明之处在于，它没有立刻教你"怎么解决"，而是先承认：你的惊讶是合理的，但这种惊讶本身，恰恰暴露了你对"计算机怎么存数字"的根本误解。 真正的解药不是某个技巧，而是换个角度看浮点数到底是什么。
接下来是全片最关键的一句定性："Floating point numbers are essentially scientific notation."（浮点数本质上就是科学记数法。）视频用一个天体物理学的例子展开：你想用光速（约 3×10⁸，一个巨大的数）去乘一个极小的距离（0.00000015，即 1.5×10⁻⁷）。如果老老实实把所有零都写出来相乘，那是噩梦；但用科学记数法，你只需要 4.5 × 10¹ = 45——系数相乘，指数相加，搞定。
浮点数干的就是这件事，只不过它把"底数 10"换成了"底数 2"。一个浮点数 = 一段固定长度的数字（尾数/有效位） × 2 的若干次方（指数），再加上一个正负号。 所谓"floating point"（浮动的小数点），正是因为小数点的位置由那个指数决定，可以左右"浮动"，从而用有限的存储位表达从原子尺度到宇宙尺度的数。视频反复强调：一旦你接受"浮点 = 二进制科学记数法"，后面所有怪现象都有了着落。
既然不精确，为什么不全用精确的整数或十进制小数？视频给出两个理由：速度（speed）和效率（efficiency）。
速度上，经过几十年硬件迭代，CPU 对浮点运算（FPU）已经优化到了"闪电般快"，甚至现代芯片有专门的向量指令一次算一串浮点数。效率上，浮点能用同样的字节数，既装得下"宇宙大小"的数，也装得下"原子大小"的数。主讲人算了一笔账：如果你想让一个格式同时精确表示宇宙尺度和原子尺度，你要么得为每一个数存上兆字节的一堆零，要么得让 CPU 玩一套极其别扭的进位逻辑——这两条路都是灾难。浮点数用"科学记数法 + 有效数字"的折中，换来了惊人的表达范围。代价，就是精度上的妥协。
这是整段论证的引爆点。视频对比了十进制和二进制：人类用十进制，有十分位、百分位、千分位，所以"0.1"写得理所当然、天经地义。但计算机用二进制，它的小数位是二分之一、四分之一、八分之一、十六分之一…… 你能在这一列里凑出 0.5、0.25、0.125、0.75，却永远凑不出一个干净的 0.1。
主讲人接着抛出那个决定性的事实：0.1 用二进制写，是 0.0001100110011...，那个 0011 会无限循环下去，直到无穷。 这就像你想用十进制精确写 1/3，只能写出 0.3333... 一样。问题是——浮点数的存储空间是有限的，它不可能把一个无限循环的小数完整存下来。于是它只能"截断"，截断就必然产生误差。 这就是 0.1 在计算机里从一开始就不"干净"的根本原因：不是算错了，是它压根没被完整记住过。
为了让"截断误差"更直观，视频用了一个绝妙的十进制类比。人知道 1/3 + 1/3 + 1/3 = 1，因为我们能心照不宣地理解 0.333... 是无限循环的。但浮点数不懂"循环"，它只懂"有效数字"——存到第 N 位就到此为止。 所以在它的世界里，0.333...（截断后）+ 0.333...（截断后）+ 0.333...（截断后）= 0.999...，而不是 1。这就是浮点舍入误差（rounding error）的本质。
把同一套逻辑搬回二进制：1/10 + 2/10 就是 0.000110011...（循环）加上 0.001100110...（循环）。视频说，32 位浮点只存约 23 位有效数字（这里主讲人措辞略有含糊，见下文我延伸的精确版），存到第 23 位就被砍掉，于是 1/10 + 2/10 在二进制里"并不恰好"等于 3/10——也就是你看到的 0.1 + 0.2 ≠ 0.3。主讲人强调：对绝大多数场景（比如 3D 游戏里某个像素偏了十万分之一）这点误差毫无影响；但一旦涉及到"人能一眼看出来的钱"，它就当场翻车。
视频把原理讲透了，但在"位数"这个具体数字上说得比较口语化，容易被误解。这里我把 IEEE 754 标准的真实结构补全——这部分是我的延伸，而非视频原话。
视频反复提到"32 位存 23 位有效数字""64 位大约 56 位"，这里有两处需要精确化。第一，IEEE 754 单精度（binary32）共 32 位，结构是 1 位符号（sign）+ 8 位指数（exponent）+ 23 位尾数（fraction）。但那 23 位是显式存储的"小数部分"，由于规格化数字隐含一个最高位的 1（称为 hidden bit / implicit leading 1），实际有效精度是 24 位，换算成十进制大约只有 6~7 位有效数字，不是 23 位。第二，双精度（binary64，即 64 位）是 1 + 11 + 52 结构，有效精度 53 位，约 15~17 位十进制有效数字——不是"56 位"。这意味着 float 只能可靠表示约 7 位十进制数，double 约 15~17 位；超过这个位数，后面的数字都是"幻觉"。
顺带补充几个视频没提的彩蛋：IEEE 754 里还有 +0 和 -0 两个零、正负无穷（Infinity）、以及大名鼎鼎的 NaN（Not a Number，比如 0/0 的结果）。还有个反直觉的现象叫"灾难性抵消"（catastrophic cancellation）——两个接近的大数相减，有效数字会瞬间崩塌。这些不在视频里，但都是同一个"有限位数装无限实数"困境的延伸症状。
如果说 0.1 + 0.2 只是让人揪头发，那它的"军用加强版"则夺走了人命。这是我补充的真实案例，视频没有提及，但最能说明"二进制装不下 0.1"这件事的分量。
1991 年 2 月 25 日，海湾战争期间，一枚伊拉克"飞毛腿"（Scud）导弹击中了沙特阿拉伯宰赫兰（Dhahran）附近的美军兵营，造成 28 名美军士兵死亡。事后美国审计总署（GAO）的调查报告指出，罪魁祸首正是浮点/定点舍入误差："爱国者"防空导弹系统的软件，用"十分之一秒"（0.1 秒）为单位来累计运行时间，再用它来预测来袭导弹的位置。 而 0.1 秒在二进制里正是那个无限循环的 0.000110011...，系统用一个 24 位定点寄存器把它截断了，每一次累计都丢掉一丁点。系统连续运行约 100 小时后，这枚"丢掉的一丁点"累积成了约 0.36 秒 的巨大时间偏差——而飞毛腿导弹速度极快，0.36 秒足以让它飞出数百米，于是拦截窗口完全错开，导弹直接砸进兵营。
技术上严格说，爱国者用的是定点（fixed-point）而非纯浮点，但病根完全一样：二进制无法精确表示 0.1。这正是 Computerphile 视频那句话最沉重的注脚——"在大多数情况下误差无所谓，可一旦它有所谓，就是大事。"这一课，是用 28 条人命写进教科书的。
回到程序员日常最痛的场景——钱。视频最后给出了两条业界通行、极其务实的解法。
第一，用专门的十进制类型（decimal type）。 Java 的 BigDecimal、C# 的 decimal、Python 的 decimal.Decimal，这类类型内部用十进制（或任意精度）来存数字，从根上避开了"0.1 装不下"的问题。第二，也是最朴素、最稳的办法——把所有金额按最小单位存成整数。 也就是不要存 0.10 元、0.20 元，而是存 10 分、20 分（整数永远精确），所有运算都在整数上做，最后要显示给人看时再除以 100。
主讲人总结得很妙：浮点数之所以让那么多人困惑，是因为人们把它当成了"会算错数的数学"；可一旦你意识到它只是"二进制科学记数法 + 有效数字"，那些怪事就都顺理成章了。它不是在"犯错"，它是在"用有限的位数，忠实地表达一个它注定无法完整说出的数"。
flowchart TD
A["浮点数 Floating Point<br/>本质：二进制科学记数法"] --> B["真身：科学记数法"]
A --> C["结构：IEEE 754 标准布局"]
A --> D["核心限制"]
A --> E["真实后果与解法"]
B --> B1["十进制版: 3×10⁸ (光速)"]
B --> B2["二进制版: 1.x × 2ⁿ"]
B --> B3["只有 ½ ¼ ⅛ …<br/>二进制里压根没有 0.1"]
C --> C1["符号位 1 bit"]
C --> C2["指数 8 / 11 bit"]
C --> C3["尾数 23 / 52 bit<br/>≈ 7 / 15–17 位十进制"]
D --> D1["0.1 = 0.000110011…<br/>无限循环"]
D --> D2["存储有限 → 截断 → 舍入误差"]
D --> D3["1/3 类比: 截断后<br/>0.333…×3 = 0.999… ≠ 1"]
E --> E1["0.1+0.2 = 0.30000000000000004"]
E --> E2["货币翻车 / 爱国者导弹 28 人"]
E --> E3["解法: 整数存分 或 decimal 类型"]
看完视频和这些延伸案例，落到工程师的日常工作里，有几条可以直接照做的行动指南：
1. 钱永远别用 float/double。 这是最硬的一条铁律。无论是电商、金融还是账单，一律用整数存最小单位（分/厘），或用 BigDecimal / decimal 这类十进制类型。视频里主讲人那句"每个程序员迟早都会撞上这一下"是真的——区别只是你是撞在测试环境，还是撞在生产环境的对账单上。
2. 永远不要用 == 比较两个浮点数。 因为 0.1 + 0.2 == 0.3 会返回 false。正确做法是判断两者之差的绝对值是否小于一个极小的容差（epsilon），比如 abs(a - b) < 1e-9。很多现代语言（如 Rust、测试框架）甚至会用"相对 + 绝对"混合容差。
3. 警惕累加放大误差。 把上百万个浮点数加在一起，误差会越积越大（爱国者导弹就是时间累积版）。如果必须做大量求和，考虑用 Kahan summation（卡汉求和） 算法，它专门用一个"补偿项"来追回每次舍入丢掉的那一点点，能把累计误差压到接近机器精度。
4. 选对精度。 别图省内存到处用 float（32 位），现代 CPU 上 double 往往同样快甚至更快（寄存器本就是 64/80 位）。只在显存吃紧的 GPU 训练、海量存储等场景才考虑 float16/bfloat16。
5. 把 0.30000000000000004.com 存进收藏夹。 这个网站专门收集各语言里 0.1 + 0.2 的输出，下次有人问你"是不是我们语言有 bug"，直接甩链接——不是任何语言的 bug，是整个 IEEE 754 的设计取舍。
本质上，浮点数教会程序员的是一种核心思维：精确性不是免费的，它是一种可以用范围和速度去兑换的资源。 你要做的，是清楚知道在当前场景下，你换进来了什么、又放弃了什么。在那 23 位有效数字够用的地方（图形、物理模拟、AI），放手让它快；在差一分钱都不行的地方（金融、计时、计量），老老实实退回整数和十进制。
0.1 + 0.2 的结果，方便即查即用、破除"语言 bug"迷思。浮点数不是"算不准的数学"，而是"二进制科学记数法"——它用有限的位数装下了从原子到宇宙的尺度，代价是你必须清楚知道：在哪些地方可以信任它的"差不多"，在哪些地方（钱、计时、计量）必须换回整数和十进制。
本文由「51学通信」技术团队出品。51学通信由通信行业18年老兵爱卫生（微信ID: gprshome201101）维护，聚焦5G/6G核心网、3GPP标准解读、通信前沿技术深度分析。 出版作品有《5G核心网原理与实践》《IMS原理与实践》等4本通信专业书籍。知识星球「51学通信」提供深度技术答疑和行业洞察。
[!tip] 51学通信知识星球 星主：爱卫生（微信：gprshome201101）——公众号「51学通信」创办者，19 年通信行业运维与讲师经验，著有《GPRS网络信令实例详解》《EPC原理与实践》《5G核心网原理与实践》三本纸质书（各大电商平台有售）。 星球定位：深耕 5G 核心网、IMS、NFV/AI、云原生等 ICT 领域，主打运维岗位与信令分析。 当前规模：5200 篇主题 / 990 个回答，198 元/年。 加入福利：加入星球后请加爱卫生微信，拉您进知识星球年度陪伴与答疑群——不限量回复您的各种问题，另有群内分享。 AI 加持：51学通信知识星球已作为 skill 接入 WorkBuddy，使用 deepseek-4-flash 在海量星球帖子中精准找贴、找视频、找 FAQ 和案例，做总结、找文档和 PPT 等场景全覆盖。