TFLOPs（每秒万亿次浮点运算）是衡量 AI 芯片算力的核心指标，无论英伟达 GPU、华为昇腾还是国产 NPU，厂商都用它标定硬件性能上限。不过这一指标近期正经历一场语义上的考验：同样的数字背后，精度格式、功耗条件和实际利用率差异巨大，单纯堆 TFLOPs 数字正在失去说服力。
TFLOPs 相关近期进展
当前焦点与观察点
TFLOPs 的争议集中在三点：一是精度口径，FP16、FP8、INT8 的数字不可直接对比，3090 解锁事件更提醒用户留意厂商在软件层的限制；二是利用率，1648 TFLOPS/GPU 这类纪录是在特定模型与优化下的峰值，日常训练推理往往远低于此；三是能耗比，百万级 TPU 集群面临电力瓶颈，意味着每瓦 TFLOPs 正比绝对算力数字更重要。观察后续硬件评测，建议同时关注实测吞吐、功耗与单位成本，而非只看标称峰值。