该定义涵盖了非常有限的定点实现子集。
更正确的说法是，在固定点中仅存储尾数，并且指数是先验确定的常数。没有要求二进制点落在尾数内，并且绝对没有要求它落在单词边界上。例如，以下所有都是“固定点”：

• 64位尾数，比例为2-32（这符合问题中列出的定义）
• 64位尾数，比例为2-33（现在整数和小数部分不能由八位字节边界分隔）
• 32位尾数，按24缩放（现在没有小数部分）
• 32位尾数，缩放2-40（现在没有整数部分）

GPU倾向于使用没有整数部分的定点（通常是32位尾数按2-32缩放）。因此，OpenGL和Direct 3D等API通常使用能够保存这些值的浮点类型。然而，操作整数尾数通常更有效，因此这些API也允许以这种方式指定坐标（在纹理空间、颜色空间等中）。
至于你声称C没有定点类型，我不同意。C中的所有整数类型都是定点类型。指数通常被假定为零，但这不是必需的，我用C++实现了相当多的定点DSP代码。

在代码级，定点算术只是带有隐含分母的整数算术。
对于许多简单的算术运算，定点运算和整数运算本质上是相同的。然而，存在一些运算，其中中间值必须用更高数量的位来表示，然后四舍五入。例如，要将两个16位定点数相乘，结果必须在重新归一化（或饱和）回16位定点之前临时存储在32位中。
当软件不利用矢量化（如基于CPU的SIMD或GPGPU）时，整数和定点算术比FPU更快。当使用向量化时，向量化的效率更重要，使得定点和浮点之间的性能差异是无意义的。
一些架构为某些数学函数提供硬件实现，例如sin、cos、atan、sqrt，仅用于浮点类型。一些架构根本不提供任何硬件实现。在这两种情况下，专门的数学软件库可以通过仅使用整数或定点算术来提供这些函数。通常，这样的库将提供多个精度水平，例如，仅精确到N位精度的答案，其小于表示的全精度。有限精度版本可能比最高精度版本更快。

不动点广泛应用于DSP和嵌入式系统中，其中目标处理器通常没有FPU，并且使用整数ALU可以合理有效地实现不动点。
就性能而言，这可能会根据目标体系结构和应用程序而变化。显然，如果没有FPU，那么定点将快得多。当你有一个FPU时，它也将取决于应用程序。例如，执行一些函数（如sqrt（）或log（））在指令集中直接支持时将比在算法上实现快得多。
C或C中没有内置的定点类型，我想是因为它们（或至少是C）被设想为系统级语言，并且定点的需求在某种程度上是特定于领域的，也可能是因为在通用处理器上通常没有直接的硬件支持定点。
在C中，定义一个定点数据类型类，并使用适当的运算符重载和相关的数学函数，可以很容易地克服这个缺点。然而，这个问题有好的和坏的解决方案。一个很好的例子可以在这里找到：http://www.drdobbs.com/cpp/207000448。该文章中代码的链接已断开，但我追踪到了ftp://66.77.27.238/sourcecode/ddj/2008/0804.zip

在此上下文中讨论“精确度”时需要小心。
对于表示中的相同数量的位，最大定点值具有比任何浮点值 * 更多 * 的有效位（因为浮点格式必须将一些位给予指数），但是最小定点值具有比任何非非规范化浮点值 * 更少 * 的有效位（因为定点值在前导零中浪费了其尾数的大部分）。
此外，取决于您划分定点数的方式，浮点值可能能够表示 * 更小 * 的数字，这意味着它具有“微小但非零”的更精确表示。
诸如此类。

浮点数和整数运算之间的区别取决于你心目中的CPU。在英特尔芯片上，时钟信号的差异并不大。整数运算仍然更快，因为有多个整数ALU可以并行工作。编译器也聪明地使用特殊的地址计算指令来优化单个指令中的加法/乘法。转换也是一种操作，所以只要选择你的类型并坚持下去。
在C++中，你可以为定点数学构建自己的类型。你只需要用一个int定义为struct，然后覆盖适当的重载，让它们做它们通常做的事情，再加上一个shift，把逗号放回正确的位置。

你在游戏中不使用浮点数，因为它更快或更慢，你使用它是因为浮点数比定点数更容易实现算法。你假设原因与计算速度有关，但这不是原因，它与编程的容易性有关。
例如，您可以将屏幕/视口的宽度定义为从0.0到1.0，屏幕的高度为0.0到1.0。单词的深度为0.0到1.0。等等。矩阵数学，等等使事情真实的容易实现。这样做所有的数学运算，直到你需要在一个真实的屏幕尺寸上计算真实的像素，比如800 x400。将光线从眼睛投射到世界中物体上的点，并使用0到1的数学计算它穿透屏幕的位置，然后将x乘以800，y乘以400并放置该像素。
浮点数不分别存储指数和尾数，尾数是一个愚蠢的数字，在指数和符号之后剩下的是23位，而不是16或32或64位。
浮点数学在其核心使用定点逻辑，需要额外的逻辑和额外的步骤。根据定义，苹果与苹果相比，定点数学更便宜，因为你不必在进入alu的路上操纵数据，也不必在离开的路上操纵数据（正常化）。当您添加IEEE及其所有垃圾时，会添加更多逻辑，更多时钟周期等。（正确签名的无穷大、安静和信号NAN，如果启用了异常处理程序，则相同操作的结果不同）。正如有人在评论中指出的那样，在一个真实的系统中，你可以并行地执行固定和浮动，你可以利用一些或所有的处理器，并以这种方式恢复一些时钟。浮动和固定时钟速率都可以通过使用大量的芯片真实的面积来增加，固定时钟速率将保持更便宜，但是浮动可以使用这些种类的技巧以及并行操作来接近固定速度。

一个没有涉及的问题是答案是功耗。虽然它高度依赖于特定的硬件架构，但通常FPU在CPU中消耗的能量比ALU多得多，因此如果您的目标是功耗很重要的移动的应用程序，则值得考虑该算法的定点实现。

这取决于你在做什么。如果你使用固定点，那么你失去精度;你必须选择小数位后的位数（这可能并不总是足够好）。在浮点数中，你不需要担心这个，因为它提供的精度几乎总是足够好，可以完成手头的任务--使用标准形式的实现来表示数字。
优点和缺点归结为速度和资源。在现代的32位和64位平台上，真的不需要使用定点。大多数系统都配有内置FPU，这些FPU是硬连线的，可针对定点操作进行优化。此外，大多数现代CPU内部函数都带有SIMD集等操作，这些操作有助于通过向量化和展开来优化基于向量的方法。所以固定点只会带来负面影响。
在嵌入式系统和小型微控制器（8位和16位）上，您可能没有FPU或扩展指令集。在这种情况下，您可能会被迫使用定点方法或速度不是很快的有限浮点指令集。所以在这些情况下，固定点将是一个更好的-甚至是你唯一的-选择。