3、算力指标深度解读：TOPS、FLOPS、DMIPS的含义与区别

各位同学，咱们今天聊点硬核的。算力指标，这玩意儿是选芯片时绕不开的坎儿。

我见过不少项目，方案选型时只看TOPS，结果上车后才发现根本跑不动。为什么？因为TOPS只是冰山一角。今天我就把TOPS、FLOPS、DMIPS这几个指标掰开揉碎了讲清楚。

3.1 三个核心指标，各司其职

先给个直观对比，大家心里有个谱：

指标	全称	测量对象	典型场景
TOPS	Tera Operations Per Second	整数运算（INT8/INT4）	神经网络推理
FLOPS	Floating-point Operations Per Second	浮点运算（FP32/FP16）	传统算法、训练
DMIPS	Dhrystone MIPS	整数运算（通用CPU）	逻辑控制、调度

TOPS，说白了就是芯片做神经网络计算的速度。现在主流自动驾驶芯片都标称几百甚至上千TOPS。但我得提醒一句：这个数字通常是INT8精度下的理论峰值。你实际跑模型时，精度、数据带宽、内存访问都会打折扣。

FLOPS，这个指标在传统视觉算法、传感器融合中更常用。比如做ICP点云配准、卡尔曼滤波，这些都需要浮点运算。我遇到过有人拿TOPS去衡量浮点性能，结果发现模型跑得慢，查了半天才发现是精度不匹配。

DMIPS，这个容易被忽略。它衡量的是CPU核心处理控制逻辑的能力。你想想看，自动驾驶系统里除了神经网络，还有任务调度、通信协议、安全监控……这些全靠CPU。DMIPS不够，系统就会卡顿，甚至死锁。

3.2 算力与功耗的平衡（TDP）

TDP，热设计功耗。这玩意儿在自动驾驶里比算力还敏感。

为什么？因为车规级芯片有严格的散热限制。你算力再高，功耗压不住，上车就是一颗定时炸弹。我记得有个项目，选了一颗标称200TOPS的芯片，结果TDP高达150W。装车后散热器比拳头还大，最后不得不降频运行，实际算力只有标称的60%。

给大家一个经验公式：

能效比 = 有效算力 / TDP（单位：TOPS/W）

L2级别，能效比做到5-8 TOPS/W就够用。L3级别，需要10-15 TOPS/W。L4以上，最好能到20 TOPS/W以上。这是我个人习惯的参考值，你们可以根据实际项目调整。

3.3 有效算力与峰值算力的差距

峰值算力，就是芯片在理想条件下能跑到的最高值。有效算力，是实际应用中能稳定发挥出来的。

差距从哪来？我总结了三个主要因素：

• 内存带宽瓶颈：算力再高，数据喂不进去也是白搭。比如一颗芯片标称200TOPS，但内存带宽只有100GB/s，那实际能跑到的算力可能只有120TOPS。
• 算子利用率：神经网络里不是所有算子都能100%利用硬件。卷积层利用率高，但全连接层、激活函数层利用率就低。我见过一个项目，模型里用了大量小卷积核，结果硬件利用率不到40%。
• 散热降频：前面说过了，TDP压不住就会降频。尤其是夏天车内温度60度以上，芯片性能会明显下降。

所以，选芯片时别只看标称的峰值算力。我建议你们问供应商要三个数据：峰值算力、持续算力、典型功耗下的有效算力。这三个数字一对比，水分就挤出来了。

3.4 如何根据L2/L3/L4等级选择算力区间

这部分我直接给干货，都是实际项目里总结出来的：

自动驾驶等级	典型算力需求（有效算力）	推荐芯片方案
L2（基础辅助驾驶）	10-30 TOPS	Mobileye EyeQ4/5、TI TDA4
L2+（高阶辅助驾驶）	30-100 TOPS	地平线征程5、黑芝麻A1000
L3（有条件的自动驾驶）	100-300 TOPS	NVIDIA Orin、华为MDC 610
L4（高度自动驾驶）	300-1000+ TOPS	NVIDIA Thor、高通Snapdragon Ride

注意，这里说的是有效算力，不是峰值。比如你选一颗标称254TOPS的Orin芯片，实际跑L3系统时，有效算力大概在180-200TOPS左右。留出20-30%的余量，这是行业惯例。

3.5 知识体系总览

下面这张图，是我自己梳理的算力指标选型逻辑。你们可以保存下来，以后选芯片时对照着看：

嗯，这张图把整个选型逻辑串起来了。从三个核心指标出发，到TDP平衡，再到有效算力评估，最后落到等级匹配。每一步都不能跳过。

最后说一句：算力指标是死的，但系统是活的。我见过用30TOPS芯片跑出L3效果的团队，也见过用200TOPS芯片连L2都做不好的项目。关键不在于数字大小，而在于你怎么用。