过往，大家总会通过 TOPS（每秒万亿次操作）判断芯片的领先性。英伟达也凭借较高的 TOPS 标称，成为高阶 NOA 方案的主要选择。不过随着整车企业、智驾 Tier1 加入芯片自研行列，英伟达在 TOPS 指标上已不再是行业唯一天花板。

前不久，新芯航途发布的 X7 Ultra，TOPS 值已达到 700 TOPS，单纯在数值上已与英伟达 Thor-U 持平。按规划，2027 年推出的 X9 将达到 3000 TOPS，超过特斯拉 AI5，直接捅穿智驾芯片算力的天花板。

在数据的狂欢背后，也有质疑。地平线余凯公开表示，国内已“卷到无底线的 PPT 算力狂飙”。虽未点名对象，却直接指向当前 TOPS 指标的乱象。

01. TOPS 应该怎么算

TOPS（Tera Operations Per Second）描述的是每秒最多可进行多少万亿次计算。比如 1 TOPS，即一秒最多可进行 1 万亿次计算。定义看似明确，测量标准却并不统一。

目前能够统一的计算标准，是稠密算力。它假设芯片上每个乘加器在每个时钟都按满负荷工作，得到的是稠密峰值，也叫 dense peak TOPS。稠密算力以权重和激活均不稀疏、每个乘加都真正执行为前提，通常按乘加单元数 × 频率 × 2 估算。

值得一提的是，美国芯片出口管制中的 TPP 沿用的就是稠密算力：TPP = 2 × MacTOPS × 位宽，其中 MacTOPS 即稠密算力。新芯航途发布会上明确标出 TPP < 2400，按 INT8 / FP8 测算，其稠密算力小于 300 TOPS；X9 的 TPP < 4800，据此推算稠密算力在 600 以内。

稠密算力的严格之处在于，矩阵中的数都要当真计算，零也不跳过，并且与精度直接相关。因此它只是规格书上的理论上限，不是模型跑起来的实测值。

为了更贴近模型表征，行业又引入了稀疏算力。稀疏峰值是指：模型满足特定稀疏模式时，硬件可以跳过部分计算。这意味着芯片算力开始与模型能力挂钩，模型不同，稀疏算力也会不同。

目前稀疏算力的测算，更多沿用英伟达的计算方式。以智驾芯片最常见的 2:4 结构化稀疏为例：每 4 个连续权重里至少 2 个为零，稀疏率 50%。硬件只对非零值做乘加，同样时间内约能完成一倍的“有效”计算，所以稀疏峰值 ≈ 稠密峰值×2。英伟达论文 *Accelerating Sparse Deep Neural Networks* 也印证了这一点，此后行业默认稀疏算力约等于稠密算力的 2 倍。这也就是余凯所说的 NV 算力。

稀疏算力更多是业内约定俗成的标示方式，同一芯片通常还会标注对应精度。例如英伟达Orin-X是稠密127对稀疏254，地平线J6P是280对560，特斯拉AI3是36.8对73.6。

02. TOPS 指标是如何失真的

后来，随着芯片企业与算法企业的业务边界开始模糊，TOPS 更多开始反映模型的实际应用情况，而不再严格按稠密或稀疏来标注。为了区分，厂家开始以“有效算力”或“等效算力”对外公开。

NXP 与都灵理工大学 2025 年的 eIQ Neutron 预印本可以佐证峰值与实测的落差：标称 4 TOPS 的芯片跑 ResNet-50 时，有效算力只有 0.73 TOPS；另一颗标称 11 TOPS 的芯片在 EfficientNet Lite0 上甚至只有 0.26 TOPS，峰值可比实测高出数十倍。

不过目前企业更愿意根据自身模型在芯片上的表现来标算力，这意味着没有统一的计算方式。这也是余凯提到的、等效算力可能达到稠密算力 6 至 7 倍的由来。

新芯航途并非第一家这样标注的企业。较早这样定义的是安霸 CV3 的 500 eTOPS，其中 e 即 equivalent。官方解释是：NVP 架构不同于传统 GPU，他们用同一套算法分别在 CV3 和某颗 GPU 上运行；如果速度相当，就把那颗 GPU 的算力记为 CV3 的等效算力。由此可见，等效算力并非芯片自身的理论峰值，而是对应自身模型效果的参考值。

这也意味着，等效算力并不像稀疏算力那样存在行业约定俗成的标准，完全取决于自身模型与芯片优化的情况。

于是会看到，企业公布的等效算力，更多是自家算法相对其此前使用的英伟达平台所做的对比。例如小鹏图灵芯片称“一颗顶三颗 Orin-X”，有效算力为 750 TOPS；理想马赫 M100 称约为 Thor-U 的 3 倍；蔚来神玑称与 4 颗 Orin-X 相当。比亚迪未明确说明是否采用等效算力，但称三颗合计达到 2100 TOPS，单颗 700 TOPS。特斯拉 AI4 也只称是上一代的 3 至 5 倍。或许因为自研，车企更愿意公开技术亮点，却较少公开可核对的实际算力口径，更少公布稠密算力。

回到芯片企业，从 2026 年发布的新品看，也开始用“等效算力”表示性能。爱芯元智发布的 M97 等效 AI 算力为 720 TOPS、M95 为 360 TOPS，未对应公布具体精度，只列出支持 INT8、INT4、FP8、FP4 等多种精度。黑芝麻华山 A2000 家族同样如此：A2000N 200 TOPS、A2000L 400 TOPS、A2000U 700 TOPS、A2000X 1000 TOPS，均为等效 AI 算力。

总结

可以看出，当算力标称从稠密峰值，走到稀疏峰值，再走到缺乏统一公式的等效算力，在 TOPS 数值不断提升的背后，计算标准也正在悄然改变。

这套口径的直接后果是：同一颗芯片的算力会因模型不同、对标对象不同而变化，跨厂商的 TOPS 已经无法直接对比。

对行业而言，算力通胀的症结不在某一家公司的标称，而在缺少一套被共同遵守的可比口径。其本质上是芯片与算法业务边界重合之后，芯片更多满足的是自身模型算法的需求，而非外部客户。

这并不等于算力不再重要。算力仍是一颗芯片能承载多大模型、能在何种帧率下输出结果的基础资源。在此背景下，亟须行业共同提出一套新的评价体系，以约束边界，促进行业共同进步。