标量量化（Scalar Quantization）
FP32 -> FP16，FP16 -> INT8
以 FP16 -> INT8 为例，将 FP16 的数值映射为 INT8 的范围。如果 tensor 中存在离群值（远大于平均的值），在 de-Quantized 之后可能导致其他值消失（接近 0）。解决方法是把这部分离群值拎出来，不量化，按照原有精度处理。
乘积量化（Production Quantization）
将原向量拆分成若干子向量，找到子向量距离最近的 cluster（聚类）对应的标识。由这些标识构成量化后的向量。
以上图为例，假设绿色为 0，蓝色为 1，红色为 2，则量化后的向量为：
[0, 1, 1, 2]。
二进制量化与 RaBitQ
https://zhuanlan.zhihu.com/p/7193968541
二进制量化直接将向量的每一维度映射到一个 bit（0 或 1），常见的做法就是将大于 0 的维度设置为 1，否则则为 0。然而这种做法虽然极大地压缩了空间，但是也会显著影响召回率。
RabitQ 通过将向量进行归一化，将其放入一个单位高维球中，这个单位高维球中有一个 D 维的超正方体（D 为向量维度）。靠近哪个顶点，就被划定为这个顶点，以这个顶点对应的向量作为量化结果。
