TOPS 是什么？算力单位的常识

看 AI 硬件的宣传页，几乎都印着 TOPS：算力 30 TOPS、上百 TOPS，数字一个比一个大。TOPS 是描述算力的单位，但标称值与实际体验之间隔着好几层。这篇讲清 TOPS 在数什么、为什么单看它不够、内存与散热这些配套为什么同样关键，读完再看宣传页，数字背后的门道就清楚了。

TOPS 在数什么

TOPS 的全称是 Tera Operations Per Second，意思是每秒执行多少万亿次运算，这里的运算指乘加这类基础操作。它是衡量芯片计算吞吐的标称值：同样精度假设下，数字越大，代表芯片每秒能完成的运算越多。要注意标称值有前提：计算精度不同，同一颗芯片能报出的 TOPS 就不同，低精度运算的数字可以远高于高精度，宣传页通常挑大的那个写。所以 TOPS 适合做量级上的粗略比较，跨精度、跨架构直接比较数字，意义有限。看到「算力翻倍」，先问一句是在什么精度口径下翻倍，比记住数字本身更重要。

标称算力为什么不能直接当体验

标称 TOPS 高，体验未必好，原因在于算力是产能，不是成品。模型要在芯片上跑得快，还取决于几件事：内存带宽喂得上喂不上——运算单元再密，数据供不上就只能空转；散热撑得住撑不住——算力释放伴随发热，降频之后标称值就打了折扣；软件调度用得好不好——同一颗芯片，不同框架下的利用率可以差出很多。「TOPS 越大越好」的想法，恰好是算力宣传里最常见的误区，TOPS 越大越好的误区一篇专门拆过。把 TOPS 当作能力的上限参考，把体验交给实测与评测去验证，这个次序不能反。

算力之外的内存与散热

配套里最值得看两样。内存：端侧模型运行时，模型参数与运行数据都占内存，内存容量决定能跑多大的模型，带宽决定数据供给的速度，两者不足，算力再高也发挥不出。散热：持续运算发热，散热设计决定设备能维持多久的高性能输出，轻薄本、游戏本、掌机各有各的散热约束，同为高算力平台，持续表现可能差很远。此外芯片的分工也值得知道：CPU 管通用任务，GPU 擅长并行计算，NPU 专攻神经网络运算，它是什么见NPU 入门一篇，三者怎么分工，NPU 与 CPU GPU 的对比一篇讲得直白。宣传页只报 TOPS 不报内存与散热，就像只报发动机功率不报车重。

看硬件参数的顺序

把次序整理成一张清单：先看用途——设备要跑的模型规模与场景决定了算力需求，轻薄本做本地摘要与台式机跑大模型，需求不在一个量级；再看 TOPS 对应的精度与条件，问清楚是哪个精度下的标称；然后看内存容量与带宽、散热设计这些配套；最后看真实负载的评测数据。AI PC 这类新品类的整体选型思路，AI PC 入门一篇有介绍。动手比较也方便：把两款设备的参数页分别交给豆包提取成表格，再用 DeepSeek 核对各自标称值的精度口径，谁虚谁实，一眼可辨。参数会过时，这套看参数的顺序不会。

TOPS 算力速查

• TOPS＝每秒万亿次运算，是标称值不是体验承诺
• 标称有精度前提，跨精度比较意义有限
• 内存决定跑多大模型，带宽决定数据供不供得上
• 散热决定高性能能维持多久
• 看参数顺序：用途、精度口径、内存散热、实测

再多说几句算力

• 宣传页只写 TOPS 不写精度，怎么办？：按保守口径理解，或直接查芯片型号的公开资料确认标称条件。同一颗芯片在不同精度下的数字可以差数倍，不清楚口径的数字只当量级参考。
• 手机厂商也宣传算力，和电脑的 TOPS 一回事吗？：单位含义相同，但芯片架构、功耗约束、散热条件不同，数字之间不做直接比较。手机算力优先给影像与系统功能，电脑算力更多留给生产力负载，各自语境不同。
• 普通用户需要记这些参数吗？：不必逐项记，记住次序就够：先明确自己要跑什么，再看标称值的条件，最后看内存散热与实测。让豆包把两款候选设备的参数整理成对照表，重点核对内存与散热两项，比背概念实用得多。