3、能效比：每瓦性能为何是客户决策的关键指标？
能效比，说白了就是「每瓦性能」。客户买芯片，不是只看算力有多强，而是看「花一度电，能干多少活」。我见过太多团队，一味堆算力，结果功耗爆炸，客户根本不买账。
为什么会这样？因为数据中心、边缘设备、自动驾驶……这些场景的电费是实打实的成本。你想想看，一个数据中心一年电费几千万，芯片能效差一点，运营成本就多出几百万。客户精得很，这笔账算得比谁都清楚。
能效比的核心公式
能效比 = 性能（TOPS / FLOPS）÷ 功耗（W）
举个例子：
| 芯片型号 | 算力（TOPS） | 功耗（W） | 能效比（TOPS/W） |
|---|---|---|---|
| 芯片A | 100 | 50 | 2.0 |
| 芯片B | 80 | 25 | 3.2 |
芯片A算力高，但能效比只有2.0。芯片B算力低一些，但能效比3.2。客户选哪个？我告诉你，大部分客户会选芯片B。为什么？因为实际部署时，功耗限制往往比算力更严格。
关键认知：能效比不是「锦上添花」，而是「生死线」。尤其在边缘计算、自动驾驶、数据中心这些场景，功耗墙是绕不过去的硬约束。
我在项目中遇到的真实案例
几年前，我们给一家自动驾驶公司做芯片选型。对方要求算力不低于200TOPS，功耗不能超过65W。我们当时有两款芯片：一款算力220TOPS，功耗75W；另一款算力180TOPS，功耗45W。
你猜他们选了哪款？
他们选了180TOPS的那款。因为75W的功耗，散热系统要加厚，整车重量增加，续航下降。算力虽然高了，但实际部署时根本跑不满。这就是能效比在真实场景中的决策权重。
能效比的三个层次
我习惯把能效比拆成三个层次来看：
- 芯片级能效：工艺制程、架构设计、电压频率调节。这是芯片本身的能力。
- 系统级能效：内存带宽、数据搬运、散热设计。芯片再强，系统拖后腿也没用。
- 应用级能效：算法优化、模型压缩、算子调度。同样的芯片，跑不同的算法，能效差几倍很正常。
嗯，这里要注意：很多客户只看芯片级能效，但实际部署时，系统级和应用级才是大头。我曾经帮一个客户优化，芯片没换，只是改了数据流和算子调度，能效比提升了40%。
避坑指南
我曾经踩过的坑：有一款芯片，标称能效比很高，但实际部署时，因为内存带宽不足，算力根本跑不满。能效比直接从3.0掉到1.8。所以，看能效比一定要看「实际负载下的能效」，而不是「理论峰值」。
另外，能效比不是越高越好。你得看场景：
- 数据中心：能效比重要，但绝对算力也重要。不能为了省电，把算力砍太多。
- 边缘设备：能效比是第一位。功耗超了，产品就废了。
- 自动驾驶：能效比和算力要平衡。算力不够，安全出问题；功耗太高，续航崩了。
能效比背后的技术博弈
说白了，能效比的提升，本质是「算力」和「功耗」的博弈。我常用的手段有：
- 稀疏计算：只算非零元素，省电又提效。我在一个项目中，把稀疏度从0%提到70%，能效比翻了3倍。
- 混合精度：INT8、FP16、FP32混着用。精度要求高的用FP32，一般的用INT8。能效比提升明显。
- 动态电压频率调节：负载低的时候降频降压，负载高的时候拉满。这个技术很成熟，但很多团队没用对。
我的建议：做芯片选型时，别只看PPT上的能效比。拿实际模型跑一下，看真实负载下的功耗和性能。我见过太多PPT上标3.0，实际跑只有1.5的案例。
能效比的知识体系
下面这张图，是我梳理的能效比核心逻辑。你可以看到，能效比不是孤立指标，它和工艺、架构、算法、系统都有关。
你看，能效比不是单一指标，而是一个系统工程。客户真正关心的，不是芯片能跑多快，而是「在给定的功耗预算下，能跑多快」。这个区别，决定了芯片能不能卖出去。
最后说一句：能效比这个指标，会越来越重要。随着AI应用从云端走向边缘，从数据中心走向手机、汽车、IoT设备，功耗约束只会越来越紧。谁能把能效比做到极致，谁就能在下一轮竞争中胜出。
公众号:蓝海资料掘金营，微信deep3321