double是科学计算的事实标准，因其在精度（15–16位有效数字）、范围（±1.8×10³⁰⁸）和跨平台一致性上的最优平衡，能有效抑制误差累积、覆盖物理量纲、获得生态原生支持，但不解决二进制表示固有缺陷，需谨慎用于金融等场景。

double 类型是科学计算中事实上的标准选择，不是因为“够用”，而是因为它在精度、范围和跨平台一致性上提供了最可靠的平衡点。

精度足够支撑复杂运算链

科学计算常涉及微分方程求解、矩阵迭代、蒙特卡洛模拟等多步浮点运算。每一步都会引入舍入误差，而 double 的 15–16 位有效数字能显著延缓误差累积：

• float 在 10⁵ 次加法后，相对误差可能突破 10⁻³；double 同样操作下通常仍保持在 10⁻¹⁴ 量级
• 像 sin(1e6) 或 exp(-100) 这类函数，float 容易因指数截断导致结果为 0 或溢出，double 则能稳定返回有意义的值
• 数值积分中步长缩小时，float 的精度不足会引发振荡或发散，double 更易收敛

范围覆盖绝大多数物理量纲

从普朗克长度（~1.6×10⁻³⁵ m）到可观测宇宙直径（~8.8×10²⁶ m），跨度约 10⁶² —— double 的 ±1.8×10³⁰⁸ 范围足以容纳全部常用物理量及其中间计算结果：

• 天文仿真中轨道半长轴常用 AU（1.5×10¹¹ m），速度单位 km/s（10³ m/s），double 可无损表示其平方、乘积及开方
• 量子化学中电子密度分布涉及 10⁻³⁰ 量级数值，float 最小正数约 1.2×10⁻³⁸，已逼近下限；double 最小正数约 2.2×10⁻³⁰⁸，留有充足余量
• 避免频繁检查溢出/下溢，简化代码逻辑和异常处理路径

语言与硬件生态默认支持

主流语言和计算平台将 double 视为浮点运算的“自然单位”：

• C/C++/Java/Go 中，字面量如 3.1415926 默认解析为 double；混用 float 会触发隐式提升，反而增加转换开销
• x86-64 和 ARM64 的 SIMD 指令集（如 AVX、NEON）对 double 运算提供原生支持，性能不输 float
• 科学库（NumPy、BLAS、LAPACK、Eigen）内部多数算法以 double 为基准实现，强制降级可能绕过优化路径

注意边界：它不是万能解

double 解决了精度与范围问题，但不解决语义精度问题：

• 金融场景慎用：0.1 + 0.2 ≠ 0.3 是二进制表示固有缺陷，double 只让误差更小，不能消除；应使用 BigDecimal、decimal 或定点整数
• 相等判断必须用 epsilon：直接写 a == b 极易失败；应改用 abs(a - b) < 1e-10 或语言提供的近似比较函数
• 内存敏感场景需权衡：处理十亿级粒子坐标时，double 数组比 float 多占一倍内存；若精度允许且 GPU 加速可用，可考虑 float 并做误差评估