CNDBA社区
一、TFLOPS 的具体描述
1. 什么是 TFLOPS？
- FLOPS（Floating Point Operations Per Second）：每秒浮点运算次数。
- T 表示 Tera（万亿，即 10^12）。
- 所以 1 TFLOPS = 每秒 1 万亿次浮点运算 = 10^12 FLOPS。
2. 浮点运算指什么？
浮点运算是计算机处理实数（如 3.14、-0.001）的基本操作，包括：
- 加法（a + b）
- 乘法（a × b）
- 乘加（a × b + c，常见于 AI 计算）
在 AI 和科学计算中，大量使用浮点运算，因此 FLOPS 成为衡量计算性能的关键指标。
3. 不同精度下的 TFLOPS 不同
现代 AI 芯片对低精度计算做了硬件加速，因此同一块 GPU 在不同精度下算力差异很大：
| 精度类型 | 全称 | 典型用途 | NVIDIA H100 示例 |
|---|---|---|---|
| FP64 | 双精度（64位） | 高精度科学计算 | 67 TFLOPS |
| FP32 | 单精度（32位） | 通用计算 | 67 TFLOPS |
| FP16 | 半精度（16位） | AI 训练 | 1,979 TFLOPS |
| INT8 | 8位整数 | AI 推理 | 3,958 TOPS（等效更高） |
📌 实际 AI 算力评估中，通常采用 FP16 或混合精度（Tensor Core） 的 TFLOPS 值。
二、TFLOPS 与 “P”（PFLOPS）的关系
1. 单位换算
- 1 P = 1 PFLOPS = 1000 TFLOPS = 10^15 FLOPS
- 1 EFLOPS = 1000 PFLOPS = 1,000,000 TFLOPS
2. 直观对比
| 算力 | 等价表示 |
|---|---|
| 500 TFLOPS | 0.5 PFLOPS |
| 2,000 TFLOPS | 2 PFLOPS |
| 10,000 TFLOPS | 10 PFLOPS |
| 1,000,000 TFLOPS | 1000 PFLOPS = 1 EFLOPS |
✅ “P” 是算力中心常用的规模单位，比如“500P 算力中心” = 500 PFLOPS = 500,000 TFLOPS。
三、算力中心的算力是如何计算的？
算力中心的总算力 = 所有计算设备（主要是 GPU/AI 芯片）的理论峰值算力之和。
计算步骤如下：
步骤 1：确定单卡算力（TFLOPS）
- 查阅硬件规格，获取每张加速卡在目标精度下的算力。
- 例：NVIDIA H100（FP16）≈ 1979 TFLOPS/卡
步骤 2：确定单台服务器的卡数
- 通常一台 AI 服务器装 8 张 GPU。
- 单台服务器算力 = 8 × 1979 = 15,832 TFLOPS
步骤 3：确定服务器总数
- 由数据中心电力、机柜、空间等资源决定。
- 例：部署 1000 台此类服务器
步骤 4：计算总算力
总算力=单卡算力×每台卡数×服务器数量
= 1979 TFLOPS × 8 × 1000 = 15,832,000 TFLOPS
步骤 5：换算为 PFLOPS（即“P”）
15,832,000TFLOPS÷1000=15,832PFLOPS≈15.8EFLOPS
💡 这就是为什么大型 AI 算力中心动辄宣称“万 P 算力”（即 10,000 PFLOPS = 10 EFLOPS）。
四、注意事项
理论峰值 vs 实际有效算力
- 实际运行中，受通信延迟、软件优化、任务并行度等影响，有效算力通常只有理论值的 30%~70%。
精度统一问题
- 不同芯片、不同精度的算力不能直接相加。行业通常以 FP16 或 混合精度 为基准进行比较。
CPU 也算力，但占比小
- 算力中心以 GPU/TPU/NPU 为主，CPU 算力通常忽略不计（除非是通用超算）。
总结一句话：
TFLOPS 是单设备每秒万亿次浮点运算能力，1 P = 1000 TFLOPS；算力中心的总算力 = 单卡算力 × 卡数 × 服务器数量，最终以 PFLOPS（即“P”）为单位衡量规模。
如需根据具体芯片（如昇腾 910B、H100、A100）或项目规模估算算力，我可以帮你详细计算！
