开篇案例：一辆跑车的极限
你买了一辆跑车，想知道它性能怎么样？
你会看 马力（horsepower）；
你会看 加速度（百公里加速）；
你会看 油耗（效率）。
同样的道理，算力中心的性能，也必须有一套标准来衡量。否则，你怎么知道这座“数字发电厂”能支撑多少AI应用？
今天我们就来拆解：算力的单位到底有哪些？
一、FLOPS：算力的“马力”
最经典的算力单位是 FLOPS（Floating Point Operations Per Second，每秒浮点运算次数）。
1 GFLOPS = 每秒 10⁹ 次浮点运算
1 TFLOPS = 每秒 10¹² 次
1 PFLOPS = 每秒 10¹⁵ 次
1 EFLOPS = 每秒 10¹⁸ 次
比如：
一张 NVIDIA A100 显卡，单精度算力约 19.5 TFLOPS；
中国“神威·太湖之光”超级计算机，峰值算力约 125 PFlops；
未来全球正在冲击 E级超算（Exascale，百亿亿次）。
FLOPS = 跑车的 马力，越大代表跑得更快。
二、TOPS：AI算力的专属指标
AI模型训练和推理不光需要 FLOPS，还需要专门的 TOPS（Tera Operations Per Second，每秒万亿次定点运算）。
GPU/TPU/NPU 在 AI 场景中更倾向用 整数运算（INT8、INT16） 来加速。
因此，TOPS 更贴近 AI 实际算力。
举例：
一颗华为昇腾 910 AI 芯片，算力可达 256 TFLOPS（FP16） / 512 TOPS（INT8）。
一颗高通骁龙移动NPU，可能就标称 45 TOPS。
TOPS = 跑车的 加速能力，衡量 AI 算得快不快。
三、QPS：互联网算力的“流量表”
如果 FLOPS 是科研用的指标，TOPS 是 AI 的指标，那么 QPS（Queries Per Second，每秒查询数） 更接地气，常用于互联网。
搜索引擎、数据库、推荐系统，最关注每秒能响应多少请求。
比如百度搜索、淘宝秒杀活动，后台 QPS 都要支撑百万甚至千万级。
QPS = 跑车的 高速路通行能力，决定能不能同时拉这么多人。
四、PUE：能效才是“生死线”
光有算力还不够，算力中心还要讲究 能效。
这就要看 PUE（Power Usage Effectiveness，电源使用效率）：
公式：PUE = 数据中心总能耗 ÷ IT设备能耗
理论最优值是 1.0，即所有电力都用于计算，没有浪费。
现实情况：
传统机房：PUE = 2.0（50%电白白耗在制冷上）
优秀算力中心：PUE < 1.3（液冷、绿色能源加持）
PUE = 跑车的 油耗，再强的马力，如果油耗惊人，也跑不远。
五、综合算力指数：为什么没有唯一单位？
很多人问：能不能用一个单位概括算力？答案是——很难。
因为不同应用场景关注点不一样：
科研仿真：看 FLOPS
AI 训练：看 TOPS
互联网服务：看 QPS
政策指标：常用“综合算力指数”，结合算力规模、能效、应用需求来综合评价。
所以，算力的衡量，就像评价一辆车：马力、加速度、油耗、通行能力——缺一不可。
六、结尾升华
算力的单位，不是冷冰冰的数字，而是未来社会的度量衡。
它决定一台 GPU 的价值；
它决定一座算力中心的级别；
它决定一个国家的数字竞争力。
如果说 算力中心是发电厂，那么这些算力单位，就是它的 电表与性能表。
下一讲，我们将走进算力的计算逻辑：一座算力中心的算力，究竟是怎么算出来的？