TOPS 和 TFLOPS 都是衡量芯片计算能力的指标，但两者关注的计算类型并不完全一样。简单来说，TOPS 更常用于 AI 推理、边缘计算等场景，而 TFLOPS 更常用于 GPU、AI 加速卡的浮点计算能力评价。
TOPS 的全称是 Tera Operations Per Second，中文可以理解为“每秒万亿次操作”。其中，T 代表 Tera，也就是 10¹²；OPS 代表 Operations，即操作次数。所以，1 TOPS 就表示理论上每秒可以完成约 1 万亿次运算操作。
在 AI 芯片的参数介绍中，经常会看到 10 TOPS、40 TOPS、100 TOPS、1000 TOPS 等数据。TOPS 通常用于衡量芯片执行整数运算或 AI 张量运算的能力，尤其是在 INT8 等低精度计算场景中比较常见。例如，一款 AI 芯片标注为 100 TOPS，通常表示它在特定精度和计算条件下，理论峰值可以达到每秒 100 万亿次操作。但需要注意，TOPS 是理论计算指标，实际 AI 模型运行速度还会受到显存带宽、内存、算子效率、软件框架以及模型结构等因素影响。
TFLOPS 则是 Tera Floating Point Operations Per Second，也就是“每秒万亿次浮点运算”。FLOPS 中的 FL 是 Floating Point，代表浮点数。因此，TFLOPS主要用于描述处理器或者 GPU 的浮点计算能力。
例如，一张 GPU 的 FP32 性能可能达到几十 TFLOPS。这个指标主要反映 GPU 执行 FP32 浮点运算时的理论峰值性能。在科学计算、图形渲染、AI 训练等场景中，TFLOPS都是比较常见的性能指标。
两者最大的区别，是计算类型和使用场景不同。TOPS强调每秒能够完成多少次“操作”，常见于 AI 加速芯片和边缘 AI 设备；TFLOPS强调每秒能够完成多少次“浮点运算”，GPU 和高性能计算领域使用更多。
另外，TOPS 和 TFLOPS 不能简单地直接比较大小。因为不同精度下，一次计算的定义可能不同。例如同一颗 GPU，在 FP32、FP16、INT8 等不同计算精度下，理论性能数值可能差别非常大。所以看到“100 TOPS”和“50 TFLOPS”时，不能直接认为前者或者后者计算能力更强，必须先看具体的计算精度、运算类型以及测试条件。
如果是看 AI 推理芯片，尤其是边缘 AI、智能摄像头、机器人等设备，TOPS往往更常见；如果是看 NVIDIA、AMD 等 GPU 的浮点计算性能，TFLOPS则更常见。实际选型时，不能只看一个数字，还需要结合显存容量、显存带宽、算力精度、功耗以及实际模型性能一起判断。