GFLOPS（每秒十亿次浮点运算）是衡量计算设备浮点运算能力的常用单位，通常用来描述 GPU、加速卡或超级计算机在科学计算与 AI 训练中的理论或实测吞吐量。它本身不是一项技术，而是一把标尺：一枚消费级显卡可能标称数十 TFLOPS，而一台顶级超算的整机算力则可达 EFLOPS 量级。围绕这一指标的讨论，往往牵出硬件设计、模型效率与算力评价体系三条线索。
GFLOPS 视角下的近期进展
当前焦点与观察点
一个值得注意的张力是：超算榜单以峰值与实测浮点吞吐论英雄，而模型侧的研究却在持续压低单位任务的 GFLOPS 需求。两股力量方向相反，却共同塑造着算力叙事——前者证明硬件上限还在抬升，后者说明算法效率也能改变对硬件的依赖程度。
此外，GFLOPS 常被当作粗略的横向比较口径，但它对稀疏计算、低精度格式（如 FP8、INT4）的反映并不完整。因此看榜单或论文中的数字时，更稳妥的做法是同时留意精度设定、实测还是理论峰值，以及是否包含稀疏加速，避免把不同口径的数值直接并列。